Prenons un exemple : Monsieur Dupont a réalisé des achats sur le site Cdiscount , sur le site Veepee et sur le site Castorama dans les 4 dernières semaines. Nous ne disposons pas d’informations détaillées à propos des produits achetés, mais uniquement de l’URL des sites.
Notre objectif, mieux connaître Monsieur Dupont afin d’enrichir les données, pour recommander des produits ou des services proches de lui !
Les systèmes de recommandation ont bien progressé. De nombreuses plateformes e-commerce possèdent leurs propres (et puissants) systèmes de recommandation hybride, tels que Amazon , Alibaba Group etc…
Comment fonctionnent les systèmes de recommandation ? Les algorithmes de recommandation peuvent être divisés en 5 catégories principales qui dépendent des différents types de données sur lesquels ils s’appuient :
- Les algorithmes basés sur le contenu,
- Les algorithmes de filtrage collaboratif,
- Les algorithmes basés sur des règles,
- Les algorithmes basés sur les comportements des utilisateurs,
- Les algorithmes basés sur des méthodes de deep learning.
Ces 5 catégories ne s’excluent pas mutuellement, bien au contraire!! Un bon système de recommandation d’articles est généralement un système hybride, pouvant intégrer plusieurs catégories d’algorithmes en même temps.
Mais alors ou est la complexité ? Encore et toujours au niveau des données !
LEVIATAN a mis en œuvre des systèmes de recommandation performants dans le cadre de projets clients.
Le Lab IA de LEVIATAN a surtout développé une technologie capable de générer des taxonomies automatiquement, à partir de contenu de site web, utilisées comme carburant essentiel aux systèmes de recommandations C’est-à-dire, avoir la capacité de catégoriser automatiquement un contenu tiers.
C’est la capacité de déterminer ce que représente un contenu tiers : L’algorithme sait déterminer que CHANEL est une marque d’habillement haut de gamme et que Groupe King Jouet est une marque de jouets pour enfant, alors si Madame Dupont a consommé chez CHANEL ainsi que chez Groupe King Jouet, nous pouvons déterminer que Madame Dupont apprécie le prêt-à-porter haut de gamme, qu’elle correspond potentiellement à la catégorie d’audience CSP+ et qu’elle a des enfants. Le comportement d’achat devient donc un indicateur stratégique pour les plateformes e-commerce. Un avantage concurrentieel non-négligeable !
Nous vous laissons imaginer le futur..
