recommandation, le web 3.0 vous propose

Face à la profusion des contenus (catalogues de e-commerce, VOD…) et aux difficultés rencontrées par les consommateurs pour trouver ce qui leur convient réellement, deux approches complémentaires s’efforcent de délivrer des contenus personnalisés et adaptés : le media search, qui vise à aider le consommateur dans son exploration à travers une démarche active de sa part ; et la recommandation, qui favorise la découverte de contenus (démarche à l'inverse essentiellement passive). Cette dernière consiste à proposer des contenus ou des produits que le consommateur est susceptible d’apprécier, car ils correspondent à un certain nombre de critères : ses préférences antérieures, ses opinions (personnelles ou issues de son entourage), son profil et les caractéristiques des contenus recherchés (musique, film…). Quelque soit l'approche choisie, toutes les formes de recommandations s'appuient sur des données (liées à l'utilisateur, au produit), un algorithme (modèles statistiques) et l'expérience client (usages, opinions). Il existe quatre formes principales de recommandation, illustrées ici à l’aide de cas d'usage tirés de catalogues de contenus audiovisuels (DVD, VoD, programmes TV, etc.). [color=#f60]1) La recommandation éditoriale[/color] (post-it) est en général proposée sur les pages d’accueil des services. Elle sert à donner plusieurs entrées pertinentes pour n’importe quel utilisateur et met en valeur les items jugés les plus «intéressants» aux yeux du plus grand nombre ([i]les blockbusters, les plus vendus[/i]). Elle répond au besoin de trouver rapidement un contenu consensuel, en effectuant le minimum de recherche sur le catalogue. La recommandation éditoriale peut s’appuyer sur l’expertise humaine autant que sur les statistiques d’accès au contenu. De nombreux sites proposent ce type de recommandation, comme par exemple [urlsite=http://www.hulu.com]www.hulu.com[/urlsite] et [urlsite=http://www.fancast.com]www.fancast.com[/urlsite] au États-Unis, ou encore [urlsite=http://www.bbc.co.uk/iplayer/]www.bbc.co.uk[/urlsite] ou [urlsite=http://www.allocine.fr]www.allocine.fr [/urlsite]en Angleterre et en France. [center][img width=600 height=600]resources/documents/3699/photoun.jpg[/img][/center] Voici différentes façons de présenter la recommandation éditoriale : [list][*][b]Les nouveautés[/b] informent les utilisateurs qui connaissent bien le catalogue des vidéos nouvellement accessibles. [*][b]Les exclusivités[/b] montrent la richesse du catalogue. Ce type d’entrée est souvent très attractif pour les utilisateurs, car il concerne des contenus attendus qu’on projette de consommer. [*][b]Les plus populaires[/b] permettent de visualiser quels sont les items les plus souvent loués ou vus. Cela permet de mettre en valeur les blockbusters, incontournables pour la plupart des clients. [*][b]Les meilleures critiques[/b] permettent une entrée plus qualitative sur le catalogue. L’utilisateur s’appuie sur les notes données tant par les critiques cinématographiques que par les téléspectateurs. [*][b]L’opérateur[/b] peut également présenter une sélection (par exemple matérialisée par des promotions). Il est en général conseillé de bien distinguer cette entrée des autres, pour amener la confiance chez l’utilisateur.[/list] [color=#f60] 2) La recommandation contextuelle[/color] ([i]more like this[/i]) ou par « similarité » permet à partir d’un item (film, série, etc.) d’obtenir des suggestions relatives au contenu. Elle répond notamment à deux besoins récurrents de l’utilisateur : parcourir un catalogue et rechercher un contenu analogue. Par exemple, lorsque l’utilisateur consulte la fiche produit d’un film, des contenus du même type lui sont proposés (films du même réalisateur, épisode suivant) afin qu’il rebondisse de proche en proche. Il existe trois principaux modes de similarité. [list][*][b]La proximité immédiate[/b] propose des items partageant des caractéristiques élémentaires. On retrouve par exemple les suites (« voir l’épisode suivant », « vous pouvez également louer Die Hard 2 », etc.), les films du même réalisateur, etc. Ce type de recommandation est visible sur [urlsite=http://www.imdb.com/]www.imdb.com[/urlsite] ou [urlsite=http://www.glowria.fr/]www.glowria.fr[/urlsite]. [*][b]La similarité de genre[/b] propose des items d’un même univers. Elle repose sur l’analyse détaillée des métadonnées (genre, mots-clés) et permet d’offrir des items ayant une proximité de genre, voire lexicale : vous êtes en train de regarder [i]Scarface[/i], on vous propose le Parrain, Casino, etc. Le site américain [urlsite=http://www.clerkdogs.com/]www.clerckdogs.com[/urlsite] propose ce type de recommandation, fondée sur l’expertise humaine. On le retrouve également sur de nombreux autres services, comme [urlsite=http://www.blinkx.com]www.blinkx.com[/urlsite] et les classiques sites américains [urlsite=http://www.blockbuster.com/ ]www.blockbuster.com[/urlsite]. [center][img width=600 height=600]resources/documents/3699/Photo_do_n2.JPG[/img][/center] [*]« [b]Ceux qui ont loué[/b] cet item ont également loué celui-ci », aussi appelé « Amazon-like », permet de proposer des recommandations originales, non bornées à un univers ou à un type de production. Grâce à son caractère transparent, ce mode de recommandation est assez populaire. L’exemple le plus célèbre est sans doute [urlsite=http://www.amazon.fr]http://www.amazon.fr. [/urlsite]. Néanmoins, pratiquement tous les services embarquent maintenant ce type de recommandation.[/list] [color=#f60]3) La recommandation personnalisée[/color] ("broaden my horizon") permet de proposer à un utilisateur donné des items sélectionnés selon les caractéristiques de son profil (acteurs, genres de films préférés). Cela suppose de recueillir des informations de profil, donc nominales. Ces informations peuvent être pérennes (dans le cas de profils authentifiés, ou repérés à travers des cookies) ou temporaires (le parcours d’un internaute sur un site). Elles peuvent être collectées de façon explicite (questionnaire, notation d’item) ou implicite (traces, logs, factures...). La recommandation personnalisée permet non seulement de retrouver un espace à soi sur le service mais également de répondre à la question : "que vais-je regarder ? Je n'ai aucune idée a priori de ce que je veux voir". Le loueur de DVD américain www.netflix.com a la réputation d’être l’un des meilleurs pour fournir des recommandations personnalisées. Celles proposées par [urlsite= http://www.blockbuster.com]www.blockbuster.com[/urlsite] ou [urlsite=http://www.amazon.fr. ]www.amazon.fr[/urlsite] reposent sur le même type de technologies. On distingue deux grandes approches : [center][img width=600 height=600]resources/documents/3699/Photo_do_n3.JPG[/img][/center] [list][*][b]L’approche thématique[/b] propose à l’utilisateur des items proches des caractéristiques connues sur lui (ses acteurs, réalisateurs et genres préférés, etc.). Ce type de recommandation a l’avantage de proposer des items proches des goûts de la personne. De plus, elle est peu sensible à une forte rotation des items (comme un guide électronique des programmes). En revanche, elle limite les possibilités de découvrir des items moins connus (fond de catalogue) ou d’univers différents de ceux déclarés. [*][b]L’approche collaborative[/b] propose à l’utilisateur des items appréciés par ses « jumeaux ». Chaque utilisateur est caractérisé par un profil, composé des items achetés, visionnés, appréciés… L’algorithme repère d’autres utilisateurs présentant un profil similaire et suggère les items appréciés par le « voisinage ». L’avantage de cette approche est qu’elle recommande des items fortement personnalisés (fondés sur les goûts réels des personnes), aussi bien dans le haut que dans le fond de catalogue, laissant une place de choix à la découverte. Elle s’affranchit des éléments descriptifs des items (métadonnées). Ce type de méthode est préconisé pour des catalogues qui bougent peu (quelques nouvelles entrées par semaine), avec beaucoup d’usage (location, notation, etc.).[/list] [color=#f60] 4) La recommandation sociale[/color] (découverte) laisse la possibilité à l'utilisateur de recommander à son réseau social un contenu mais également de partager son univers ([i]les fans de[/i]). Elle revêt plusieurs formes très distinctes. Voici deux d’entre elles : [center][img width=600 height=600]resources/documents/3699/Photo_do_n4.JPG[/img][/center] [list][*][b]La recommandation sociale directe[/b] permet de recommander un contenu à quelqu’un de votre réseau (via Facebook, le réseau Orange). Les utilisateurs perçoivent en effet les recommandations faites par l’entourage comme plus pertinentes que celles proposées par un moteur. Ainsi, quand quelqu’un recommande un contenu, ce conseil s’inscrit dans le cadre d’une relation avec un historique : on connaît ses goûts, ses positions sur certains films, ses réalisateurs et acteurs fétiches, on a peut-être déjà eu des recommandations par le passé, etc. Parmi les services qui centrent leur offre autour de ce type de fonctionnalité, on peut citer [urlsite=http://www.joost.com/]/www.joost.com[/urlsite] ou [urlsite=http://www.flixster.com/]www.flixster.com[/urlsite]. Là encore cette approche tend à se généraliser aux services audiovisuels (comme [urlsite=http://www.youtube.com/]www.youtube.com[/urlsite], www.blockbuster.com ou [urlsite=http://www.netflix.com]www.netflix.com[/urlsite]). [*][b]La recommandation sociale indirecte[/b] présente deux fonctions primordiales. Dans un premier temps, elle permet de nourrir l’information sur les contenus, soit à travers les commentaires laissés par des utilisateurs (reviews), soit à travers des articles (blogs, wiki) ou discussions (forum, feeds) sur un film, un thème ou un personnage. Pour les biens d’expérience tels que les contenus audiovisuels, les caractéristiques « techniques » du produit (titre, année de production, résumé, réalisateur, acteurs) sont souvent insuffisantes pour décider s’il correspond à ce que l’on cherche. Bénéficier de « retours d’expérience » de consommateurs peut alors s’avérer important pour la décision d’achat. Dans un second temps les blogs ou les forums de discussion permettent à l’utilisateur un prolongement au-delà de la simple consommation audiovisuelle. Ces espaces lui permettent de partager ses goûts, ses opinions et de débattre sur des univers qui lui sont propres. Les utilisateurs peuvent alors se constituer en communautés. Le site français [urlsite=http://www.allocine.fr]www.allocine.fr[/urlsite] s’appuie beaucoup sur cette approche pour enrichir notamment la description de ses contenus. Mais là encore, il s’agit d’un classique proposé par de nombreux acteurs comme par exemple [urlsite=http///www.imdb.com]www.imdb.com[/urlsite] ou [urlsite=http://www.amazon.fr]www.amazon.fr[/urlsite].[/list]

La recommandation de contenus permet [b]de promouvoir les contenus[/b] [b]d'un site web[/b]. Elle vise à dynamiser l'audience et la vente d'un site, en offrant aux consommateurs les clés d'accès aux contenus qu'ils souhaitent consommer. L'enjeu est considérable : [list][*]Amazon déclare qu'environ un tiers de ses ventes est généré par son moteur de recommandation. [*]L'intégration d'un moteur de recommandation permet d'augmenter de 5% les revenus d'un site online ([i]Source : Yankee Group 2008[/i]). [*]En termes d'audience et de publicité, la recommandation de contenus permet de délivrer des messages publicitaires mieux ciblés (et donc plus efficaces : "le bon message à la bonne personne") et contextuels (donc plus pertinents : "le bon message au bon moment").[/list] La recommandation de contenus [b]permet également d'améliorer l'expérience utilisateur[/b] en lui proposant un parcours de découverte plus riche et plus profond : [list][*]Elle facilite l'orientation de l'utilisateur au sein de l'hyper choix omniprésent sur la toile. [*]Elle permet d'éviter les abandons et de garder l'internaute le plus longtemps possible sur le web (simplicité, concision). [*]Elle favorise la découverte de nouveaux produits et services ou contenus. [*]Elle permet d'accéder à des informations ou des contenus auxquels l'internaute n'aurait pas pensé et susceptibles de l'intéresser (ouverture, suggestions). [*]Son attention étant limitée, l'utilisateur n'est pas noyé dans une masse d'informations, il peut trouver plus facilement et plus rapidement des contenus appropriés au moment opportun (pertinence). [*]Enfin, elle contribue ainsi à fidéliser les clients et à en capter de nouveaux.[/list] Un dernier enjeu, plus exploratoire, consiste [b]à imaginer de nouveaux modèles économiques[/b] pour demain, à l'instar de Metacafe qui propose aux annonceurs comme Nike de sponsoriser les groupes de tags autoproduits (exemple : sports) par ses utilisateurs.

La recommandation de contenus se heurte [b]aux limites du respect de la vie privée et de la confidentialité des données personnelles des internautes[/b] qui n’apprécient pas de se sentir espionnés dans leurs activités en ligne ni de voir des informations personnelles rendues publiques à leur insu. Il est nécessaire d'être vigilant et de jouer la transparence vis-à-vis de l'utilisateur si l'on ne veut pas que celui-ci se sente "pisté" sur la toile. [b]L'internaute souhaitant garder un certain "contrôle"[/b] sur les données le concernant, celui-ci peut vouloir diffuser des données sur certains sites mais pas sur d'autres. La recommandation doit également apporter [b]la preuve de sa fiabilité[/b] pour que l'utilisateur l'accepte et l'utilise. Les recommandations fondées sur les réseaux sociaux de l'utilisateur remplissent facilement ce critère. La notion de confiance envers les personnes qui gèrent le site web et envers celles qui font partie de la communauté online est très importante. Enfin, les systèmes de recommandation doivent être "évolutifs" car les attentes et préférences des utilisateurs changent. Les mises à jour doivent être simples et rapides. Par ailleurs, il est primordial de proposer [b]un parcours client simple[/b], au travers d'une IHM (interface homme machine) intuitive et conviviale pour le client (explications de la recommandation, présentation graphique, optimisation de la saisie du profil, interactions avec le moteur, feedback).

On assiste à l’émergence de nouveaux types de recommandations, fondés sur des formes de visualisation innovantes ([urlsite=http://packetgarden.fr/]Packet Garden[/urlsite]…). En effet, la représentation visuelle des données permettant une meilleure compréhension, celle-ci constitue une manière pertinente de promouvoir des contenus. Face à l’offre pléthorique du web, l’utilisateur dispose de ses propres outils de visualisation afin de mieux appréhender le contenu, lui redonner un sens plus proche de son univers personnel, à travers une approche moins rébarbative que des données textuelles ou chiffrées traditionnelles.