[Tribune] Données produits : comment améliorer les bugs les plus fréquents
Publié par Christophe Favresse, FACT-Finder le - mis à jour à
Une étude menée auprès de 769 experts par FACT-Finder, spécialisé dans les solutions de recherche pour les e-commerçants, dévoile le rapport des détaillants à leurs données produit et à l'analyse prédictive. Quels sont les bugs les plus fréquents et comment les e-commerçants peuvent y remédier?
L'analyse de données dans le secteur du commerce de détail permet d'anticiper l'avenir en analysant le présent. Ces projections aident les sites marchands à prendre de meilleures décisions et à proposer à leurs clients des offres susceptibles de les intéresser en fonction des achats et du parcours des utilisateurs. Seuls 10% des e-commerçants y voit une mode qui ne durera pas et pensent ne jamais y avoir recours, mais ils ne sont encore qu'un sur vingt à utiliser l'analyse prédictive. Le manque de fiabilité des données recueillies et l'inadaptation des structures d'information à ces nouveaux outils restent un frein pour sa généralisation.
À chaque consommateur ses habitudes
Les réserves des sites marchands vis-à-vis de la confidentialité des données ont, elles, été balayées. À chaque consommateur ses centres d'intérêt et ses habitudes d'achat ! 70 % des e-commerçants pensent que leurs clients veulent se voir proposer des recommandations d'achat personnalisées, 55 % prévoient de se doter d'une fonction de recherche personnalisée en 2016 et 39 % en utilisent. Ils devraient être nombreux à sauter le pas : 39% d'entre eux considèrent que leurs données sont correctement gérées. La même proportion estime que leurs données produit devraient être nettoyées (38%).
Le top 4 des problèmes de données produits
Ce graphique présente les problèmes de données produit les plus fréquemment rencontrés par les experts consultés pour cette étude et ce qu'il ce qu'il faut faire pour y remédier :
12 % des sites marchands se plaignent des doublons
Quels problèmes les doublons posent-ils ?
La présence de doublons dans les bases de données produit risque d'induire en erreur les clients et les chefs de produit concernant la disponibilité des articles. A titre d'exemple, il arrive souvent qu'un produit apparaisse comme épuisé alors qu'il y en a en stock. Résultat : les clients abandonnent la transaction et les chefs de produit réapprovisionnent inutilement les stocks, ce qui est un coût supplémentaire en plus d'un manque à gagner.
Comment y remédier ?
Il existe des algorithmes de détection des doublons, qui suppriment toutes les occurrences superflues. En cas de doute sur la correspondance de deux entrées, une liste de suggestions est générée. L'administrateur de la base de données n'a plus qu'à valider. Cette procédure automatisée est nettement plus rapide que la méthode manuelle, en particulier pour les produits à rotation rapide (ex. biens de consommation courante).
20 % des sites marchands utilisent des données non standardisées.
Quels problèmes les données non standardisées posent-elles ?
La présence dans la base de données de caractéristiques de produit non standardisées (taille, couleur, etc.) nuit à l'efficacité et au confort d'utilisation d'un site : les filtres de recherche perdent en cohérence (format des écrans de télévision tantôt en centimètres, tantôt en pouces, par exemple), les utilisateurs ont du mal à comparer les produits et le moteur de personnalisation peine à identifier les préférences des clients.
Comment y remédier ?
La standardisation des données peut se faire manuellement ou à l'aide d'un logiciel. On décide, par exemple, de renommer tous les coloris par leur couleur de base (" cyan " devient " bleu ") et on harmonise toutes les unités de mesure. Il ne reste plus qu'à importer les données standardisées dans le champ correspondant de la base de données, en plus des données existantes.
29 % des sites marchands utilisent des données produit incomplètes.
Quels problèmes le manque de caractéristiques produit pose-t-il ?
L'efficacité des outils des sites marchands (recherche, filtrage de contenus, personnalisation, moteur de recommandation, etc.) dépend avant tout de la qualité de la base de données sous-jacente. Si certains champs sont incomplets ou manquants, alors l'analyse des données produit ne peut pas aboutir. Résultat : avec des fiches d'information incomplètes, les clients ne trouvent pas les renseignements qu'ils attendent.
Comment y remédier ?
Les descriptifs de produits et autres textes longs renferment souvent des caractéristiques pertinentes. Il convient simplement de les extraire.
35 % des sites marchands n'emploient pas suffisamment de tags.
Quels problèmes le manque de tags pose-t-il ?
Si on ne leur attribue pas de noms génériques de substitution, les produits qui portent des noms complexes, abstraits ou étrangers sont généralement beaucoup plus difficiles à trouver.
Comment y remédier ?
En analysant les recherches internes, il est possible d'identifier les produits que les clients peinent le plus à trouver et de détecter les recherches qui ne donnent aucun résultat. On peut alors associer des tags appropriés à ces produits dans la base de données et augmenter ainsi les recherches concluantes portant sur d'autres termes pertinents ("cartable"/"sac à dos"/"sacoche").
Vous pouvez télécharger l'étude dans son intégralité via ce lien.
Christophe Favresse est directeur commercial et partenariat France chez FACT-Finder.
FACT-Finder, la solution leader de recherche, de navigation et de merchandising pour le e-commerce en Europe, est développée par Omikron Data Quality GmbH. Offrant ses services à plus de la moitié du Top 100 E-Commerce allemand et à plus d'un sur deux du top 10 italien, elle s'impose progressivement comme la solution indispensable pour les boutiques en ligne, en permettant à ses clients d'augmenter leurs ventes jusqu'à 33% et leur taux de rebond jusqu'à 50%. Basée sur une technologie intelligente et évolutive, FACT-Finder s'adapte au besoin de chaque site, sans limite de langue et de plateforme. www.FACT-finder.fr