Un système de recommandation classe, pour chaque visiteur et à chaque instant, ce que votre catalogue a de plus pertinent à lui proposer. Il combine deux signaux : ce que des personnes au comportement voisin ont apprécié, et ce que les articles ont en commun (matière, thème, marque, autrice, gamme de prix).
Le second signal traite les cas difficiles, ceux où les moteurs installés par défaut échouent : un produit qui vient d’entrer au catalogue et n’a aucun historique, un visiteur qui arrive pour la première fois, une référence franchement saisonnière. C’est aussi lui qui évite l’effet d’entonnoir où les trente mêmes best-sellers finissent par écraser tout le reste.
Au-dessus du modèle, nous posons systématiquement vos règles métier : ne jamais proposer un article indisponible, ne pas recommander un produit déjà acheté quand il ne se rachète pas, respecter vos exclusions commerciales et vos mises en avant du moment. Un modèle sans garde-fous produit tôt ou tard la recommandation qui vous vaudra une capture d’écran sur les réseaux sociaux.
La mise en service passe enfin par un test comparatif : une partie du trafic voit les recommandations, l’autre non. C’est la seule façon honnête de savoir ce que le système rapporte réellement, et nous vous montrons le chiffre même s’il est décevant, avec la même exigence de mesure que pour le scoring prédictif. Quand les données de comportement manquent, nous commençons par une analyse de données plutôt que par un modèle.