Améliorer les recommandations de produits de la place de marché littéraire grâce à l'IA

Introduction 

Rekhta, une librairie en ligne de premier plan spécialisée dans la littérature sud-asiatique, s'enorgueillit d'une vaste collection couvrant l'anglais, l'hindi, l'ourdou et plusieurs autres langues régionales indiennes. Ce marché littéraire fait partie d'une organisation à but non lucratif qui se consacre à la préservation et à la promotion des langues indiennes. Si son engagement en faveur de la diversité linguistique lui a attiré une clientèle dévouée, il lui a aussi posé un défi : naviguer efficacement dans un inventaire vaste et varié pour proposer des recommandations et maximiser la satisfaction des clients.

Défis à relever

1. Découverte des produits : Avec des milliers de titres dans des langues et des genres différents, Rekhta cherchait un meilleur moyen de faciliter la découverte de ses produits. Les clients avaient souvent du mal à naviguer dans le vaste inventaire et à trouver des livres correspondant à leurs intérêts et à leurs besoins spécifiques. 
2. Une connaissance et une compréhension limitées des données : Alors que les données générées par plusieurs millions de visiteurs sur le site étaient disponibles, l'équipe disposait d'une expertise et d'outils limités pour extraire des informations significatives et les traduire en recommandations exploitables. Cette compréhension limitée du comportement et des préférences des clients dans différentes langues rendait difficile l'adaptation efficace des recommandations et des stratégies de marketing.
3. Collection de langues indiennes sous-utilisées : Grâce à sa riche collection de littérature en langues indiennes, Rekhta visait à créer une stratégie spécifique pour mieux attirer les lecteurs et promouvoir des joyaux moins connus dans ces genres qui n'étaient souvent pas découverts par les utilisateurs. 

En utilisant l'IA et la ML, Rekhta visait non seulement à améliorer l'expérience client, mais aussi à favoriser un engagement plus profond avec sa collection diversifiée de langues indiennes.

Solution mise en œuvre

Rekhta s'est associé à RapidCanvas pour mettre en œuvre l'analyse du panier de marché et la recommandation de produits à l'aide de l'IA. La solution comprenait les étapes suivantes :

Préparation des données

Rekhta a accès à différents types de données, notamment les interactions avec les clients sur le site web, l'historique des achats, les évaluations et critiques de livres et le comportement de navigation. Les données des clients ont été nettoyées en quelques étapes simples à l'aide de la plateforme RapidCanvas, en identifiant et en supprimant les doublons, les erreurs et les valeurs manquantes. Des métadonnées supplémentaires sur les livres, telles que le genre, l'auteur, la date de publication et la langue, ont été incorporées pour enrichir les données des clients et créer une compréhension plus complète des préférences de lecture.

Ingénierie des fonctionnalités

Des caractéristiques ou des attributs ont été extraits des données traitées, notamment la fréquence et la récurrence des achats, les catégories de livres achetés et les articles achetés en commun. Des caractéristiques basées sur le contenu, telles que le genre, les noms d'auteurs et les mots-clés thématiques, ont également été créées.

Modèle de formation

1. Analyse du panier de consommation : Un algorithme d'analyse du panier de consommation a été entraîné sur les données clients enrichies afin d'identifier les modèles et les corrélations cachées entre les achats de livres à l'aide des données de vente. Ce modèle a permis de découvrir des modèles de comportement d'achat révélant le type de livres que les lecteurs ont tendance à acheter ensemble.
2. Moteur de recommandation: Un modèle ML a été formé à l'aide des informations du catalogue et des données élaborées à partir des caractéristiques. Ce modèle a appris à prédire quels livres seraient les plus pertinents pour les clients parcourant la page produit d'un livre spécifique, sur la base des points de données disponibles, notamment le titre, l'auteur, le genre et la description.

Ces deux modèles ont généré des suggestions pour chaque client à différentes étapes de son parcours d'achat, en présentant des livres pertinents issus d'un inventaire varié, y compris des joyaux cachés et des titres moins connus.

Mise en œuvre

Pour maximiser la visibilité et l'impact, les recommandations ont été mises en œuvre à deux étapes clés du parcours du client :

Pages de produits : Sur les pages individuelles des livres, des recommandations basées sur le contenu ont été affichées en fonction du livre spécifique visualisé. Ces recommandations mettent en évidence les livres ayant des thèmes communs, des auteurs similaires ou un contenu complémentaire, encourageant ainsi l'exploration au sein d'une même langue ou d'une langue à l'autre.

Page de paiement : Sur la page de paiement, après avoir ajouté un livre à leur panier, les clients se voyaient proposer des recommandations supplémentaires en rapport avec l'article choisi, sur la base de l'analyse du panier de marché effectuée. Ce dernier coup de pouce augmentait encore les chances de découvrir des titres pertinents avant de finaliser l'achat. 

Résultats et avantages

Augmentation de l'engagement sur le site web

Les recommandations de produits ont entraîné une augmentation mensuelle des indicateurs du site web, notamment des sessions et des sessions avec clics, ainsi que des ajouts au panier.

Augmentation de la satisfaction des clients

Les clients bénéficient d'un parcours d'achat plus agréable, avec des recommandations pertinentes qui leur permettent de découvrir plus rapidement les livres désirés et les perles cachées.

Des informations fondées sur des données

Rekhta a obtenu des informations précieuses sur les préférences des clients et les tendances de lecture au sein de chaque communauté linguistique, ce qui lui a permis d'adapter ses stratégies de marketing et son inventaire en conséquence.

Conclusion

La mise en œuvre réussie de l'IA par Rekhta démontre le pouvoir de la technologie pour combler le fossé dans l'accès à la littérature. L'approche globale suivie par RapidCanvas a permis de débloquer les connexions cachées dans la vaste collection de Rekhta et de fournir des recommandations puissantes qui ont finalement amélioré l'expérience client et stimulé l'engagement dans toutes les langues indiennes. En intégrant des recommandations sur les pages de produits et de paiement, Rekhta s'est assuré que ses suggestions étaient visibles à des moments clés du parcours client, ce qui a permis de rendre l'expérience d'achat plus agréable et plus efficace. Cela montre comment l'IA peut permettre aux entreprises de répondre aux besoins uniques des publics multilingues et de libérer tout le potentiel de leurs trésors littéraires.