Comment personnaliser les expériences de recherche grâce à Elastic

Il peut être difficile de créer des expériences de recherche personnalisées. Dans cet article, nous dissipons les malentendus sur les étapes à suivre pour se lancer. Découvrez comment vous pouvez hiérarchiser les résultats de recherche selon les profils des internautes, fournir des recommandations pertinentes et accélérer les workflows. Avant de rentrer dans le vif du sujet, précisons pourquoi la recherche personnalisée est importante.

[Téléchargez le livre blanc sur la personnalisation de la recherche sur les sites d'e-commerce avec Elastic.]

L'influence de la recherche personnalisée

Que vous vous en rendiez compte ou pas, la recherche propulse vos expériences numériques personnalisées au quotidien. En voici quelques exemples :

• La recherche avec saisie semi-automatique utilise votre historique de recherches pour suggérer des requêtes.
• Les articles des bases de connaissance sont présentés en fonction de vos préférences d'abonnement.
• Des prestataires de soins de santé vous sont proposés en fonction de votre emplacement et de vos antécédents médicaux.
• Vous recevez des recommandations d'achats en ligne personnalisées en fonction de vos acquisitions précédentes et des produits similaires que les internautes ont plébiscités.

Comment la personnalisation est-elle devenue aussi omniprésente ? Tout simplement parce que la personnalisation génère d'importants résultats commerciaux. Selon une récente étude consommateurs menée par Wakefield : 

• 88 % des acheteurs en ligne sont plus susceptibles de continuer à réaliser des achats sur les sites web qui offrent une expérience personnalisée.
• Selon 84 % des consommateurs, la personnalisation influe sur leurs décisions d'achat.
• Grâce aux recommandations personnalisées, 68 % des internautes ont acheté des produits qu'ils n'avaient pas envisagé d'acquérir auparavant.

En résumé, la personnalisation renforce la confiance, influe sur les décisions et permet de gagner en vitesse. Par conséquent, les entreprises et les développeurs qui souhaitent créer des expériences de recherche sont attentifs à cette question. 

[Article associé : La personnalisation, un atout pour les détaillants en ligne]

La personnalisation, intrinsèquement un problème de données 

Toutes les architectures de personnalisation suivent les mêmes étapes, à savoir l'ingestion et l'analyse des données, puis l'offre d'une expérience personnalisée aux utilisateurs finaux. Chacune de ces étapes est centrée autour des données, de leur collecte à leur analyse en passant par leur utilisation en tant que base pour concevoir une expérience personnalisée.

La première étape consiste à rassembler les données sur la clientèle afin d'orienter votre stratégie de personnalisation. Souvent, il s'agit également d'intégrer ces informations à des ensembles de données supplémentaires, comme les requêtes, les clics et les historiques d'achats. 

Ensuite, vous devez analyser ces données regroupées afin d'identifier les préférences des utilisateurs finaux et d'en extraire des tendances. Cette étape peut être manuelle ou réalisée avec l'aide automatisée du Machine Learning. Les informations exploitables que vous obtenez suite à cette analyse servent de base à votre modèle de recherche personnalisée.

Enfin, vous devez appliquer les résultats de votre analyse des données afin de concevoir une expérience de recherche personnalisée. 

Cela semble simple, non ? Chez Elastic, nous répondons « ça dépend »  à cette question.

Utilisation des solutions Elastic pour l'application rapide de la recherche personnalisée

Heureusement, Elastic est une entreprise spécialisée dans l'analyse des données qui est propulsée par la puissance de la recherche. Nous fournissons aux professionnels un vaste éventail d'outils de développement allant d'options "low-code" clés en main jusqu'à des API qui vous donnent pleinement le contrôle de l'expérience. La flexibilité est un principe fondamental qui s'applique à toutes les étapes du processus, car les cas d'utilisation de la personnalisation sont différents. Par définition, ils doivent donc être personnalisés en conséquence. 

Du point de vue de l'ingestion des données, vous pouvez accéder à des connecteurs prédéfinis, à des cadres de travail permettant de développer des connecteurs pour des sources personnalisées et à des intégrations tierces afin d'intégrer et de stocker dans les solutions Elastic des données pertinentes. 

Concernant l'analyse des données, vous pouvez indexer vos informations dans Elastic et les analyser à l'aide de Kibana, l'outil d'Elastic qui permet de créer des tableaux de bord et des visualisations de données. Vous pouvez également automatiser les agrégations avec les API d'Elasticsearch. Vous pouvez même analyser les données dans les clusters afin d'en respecter la confidentialité ou de vous conformer aux exigences en matière de résidence des données. Vous pouvez utiliser des modèles de Machine Learning propriétaires ou les importer directement dans Hugging Face pour automatiser l'analyse. Vous pouvez aussi utiliser la recherche vectorielle native d'Elastic pour développer et fournir vos propres moteurs de recommandations personnalisées.

Lorsque vous êtes prêt à appliquer vos informations exploitables personnalisées à la recherche, vous pouvez utiliser les API Enterprise Search d'Elastic qui vous permettent d'affiner les modèles de pertinence à la volée à l'aide de synonymes ou de pondérations de champs. Pour encore mieux maîtriser le classement des résultats, vous pouvez utiliser les API d'Elasticsearch. Vous pouvez aussi avoir recours à l'interface utilisateur de recherche d'Elastic afin de développer rapidement une expérience grâce à la bibliothèque JavaScript qui s'intègre directement à votre moteur de recherche Elastic.

Une personnalisation approfondie

La recherche personnalisée propulse les expériences numériques modernes dont nous bénéficions désormais au quotidien. Les expériences personnalisées obtiennent des résultats. Elles favorisent l'engagement de la clientèle, les ventes et les activités commerciales. 

Toutes les entreprises devraient avoir une stratégie de personnalisation. Si vous développez des expériences personnalisées, vous avez aussi besoin d'une stratégie de données, car la personnalisation repose sur l'ingestion des données, leur analyse et la présentation des informations personnalisées en vue de répondre aux attentes des utilisateurs finaux. 

Chez Elastic, nous pensons que la flexibilité est essentielle au développement d'expériences personnalisées. Nous fournissons un éventail de bibliothèques, d'outils de développeurs et de fonctionnalités intégrés afin de garantir un contrôle maximal. Ainsi, vous êtes capable d'adapter la personnalisation à vos utilisateurs. 

Pour assister à une démonstration de codage en direct expliquant comment reclasser les résultats de recherche avec les données relatives aux clics et comment appliquer la recherche vectorielle à la personnalisation, regardez le webinar Comment implémenter la recherche personnalisée sur les sites d'e-commerce avec Elasticsearch. 

Pour en savoir plus sur comment créer une personnalisation fondée sur l'analyse avec Elastic Enterprise Search, y compris des exemples de code, mais aussi pour obtenir des informations supplémentaires sur la recherche vectorielle native d'Elastic et son approche ouverte et flexible du Machine Learning, téléchargez le livre blanc.