Actualité web & High tech sur Usine Digitale

Recevez chaque jour toute l'actualité du numérique

x

Comment ManoMano utilise la reconnaissance visuelle pour améliorer la recommandation produits

Cas d'école Le spécialiste du bricolage en ligne ManoMano a collaboré avec Sicara, start-up spécialiste de solutions de reconnaissance d'images, pour mettre en place un nouveau moteur de recommandation. Les deux entreprises ont partagé leur retour d’expérience le 11 juin, à l’occasion du salon AI Paris 2019.
Twitter Facebook Linkedin Flipboard Email
×

Comment ManoMano utilise la reconnaissance visuelle pour améliorer la recommandation produits
Comment ManoMano utilise la reconnaissance visuelle pour améliorer la recommandation produits © L'Usine Digitale

Acteur incontournable du bricolage et du jardinage en ligne, présent dans cinq pays européens et affichant un chiffre d’affaires en croissance de +70% en 2018, ManoMano a été confronté à un problème majeur : un panier moyen deux à trois fois inférieur à celui de ses concurrents physiques, à savoir les grandes surfaces spécialisées. L’e-commerçant analyse alors les comportements de navigation pour détecter d’éventuels points de friction dans le parcours client.


Les raisons sont multiples : pour des achats liés au bricolage ou au jardinage, les clients viennent pour un projet, et la venue en magasin leur permet d’établir une liste des produits nécessaires, notamment avec l’aide d’un vendeur. Celui-ci peut également les aider sur les produits plus techniques, ce qui est plus complexe sur Internet et amène le client à abandonner son panier ou à le réduire en cas d’hésitation.

 

Autre difficulté : ManoMano étant une marketplace, un panier peut comporter des produits issus de plusieurs vendeurs tiers (et impliquant des coûts de livraison supplémentaires pour l’acheteur, qui finit par abandonner son panier). Dernier painpoint identifié, "sur certaines catégories de produits comme la cuisine et la salle de bain, il est compliqué de chercher des produits en ligne selon le style souhaité", explique Emmanuel Hosanski, Lead Product Manager chez Manomano, à l’occasion de l’édition 2019 du salon AI Paris.

 

Un algorithme basé sur la similitude visuelle

C’est avec du machine learning et de la reconnaissance d’image que ManoMano va répondre à cette problématique. Comment ces technologies peuvent-elles contribuer à l’augmentation du panier moyen ? Avec Sicara, une start-up qui développe des solutions et des projets sur-mesure de reconnaissance d'images, le pure player revoit en 2018 son moteur de recommandation de produits. Celui-ci va être désormais basé sur la reconnaissance d’images. "Les visiteurs de ManoMano recherchent des produits similaires et de même style", résume Olivier Chancé, Lead Data Scientist chez Sicara.

 

Au lieu de requalifier des produits existants selon leur style, un processus jugé chronophage et subjectif, Sicara choisit de qualifier - via un algorithme basé sur la similitude visuelle - un petit dataset existant de produits, et de recommander au client des produits adaptés selon leur navigation en cours. "Nous proposons des recommandations de produits pertinents tout au long du parcours", poursuit Emmanuel Hosanski. Elles varient en fonction du moment : au début du parcours, ce sont plutôt des produits similaires qui sont proposés, tandis que la fin du parcours client est ponctuée de recommandations de produits complémentaires. 60 catégories de produits sont identifiées pour apparaître dans le moteur.

 

Des résultats encourageants

La solution s’appuie sur le réseau de neurones convolutifs VGG16, open-source et pré-entraînés, composé de 16 couches. "Chaque couche génère du contenu : les premières couches donnent des informations basiques et les dernières des infos plus sophistiquées. Elles sont ensuite utilisées pour établir des comparaisons avec des produits similaires". La mise en production des algorithmes s’est faite en moins de deux semaines. L'outil est en effet facile à intégrer, puisqu’il est implémenté dans l’architecture existante, avec une mise à jour des API de recommandation. Une nouvelle interface est proposée aux utilisateurs. Et pour tester rapidement l’efficacité du moteur de recommandation, ManoMano opte pour l’A/B testing : pendant quelques semaines, l’ancienne version est toujours accessible afin d'être comparée à la nouvelle.

 

Côté résultats, le dispositif a permis, en deux semaines, d’augmenter de 1,7% le taux de conversion. A moyen terme, l’e-commerçant a enregistré une hausse de +7%  de son chiffre d’affaires sur la partie décoration. Pour les deux partenaires, la réussite du dispositif tient également au mode de collaboration choisi, avec une intégration des équipes Sicara aux équipes ManoMano. 

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.

 
media
Suivez-nous Suivre l'Usine Digitale sur twitter Suivre l'Usine Digitale sur facebook Suivre l'Usine Digitale sur Linked In RSS Usine Digitale