Définir des filtres sur les recommandations

Les filtres de recommandation limitent l’ensemble de candidats dans lequel puise un algorithme. Sans filtres, Personyze considère tout votre catalogue ; avec des filtres, il ne considère que les éléments qui correspondent à vos critères. Le résultat : des recommandations plus précises et plus pertinentes selon le contexte — et une protection contre les résultats malvenus (articles en rupture de stock, produits hors marque, articles hors de la fourchette de prix du visiteur).

Où se trouvent les filtres

À l’étape de l’algorithme de n’importe quel assistant de recommandation, faites défiler au-delà du choix de l’algorithme jusqu’à la zone Filtres. Vous y trouverez les filtres courants sous forme d’interrupteurs, et un bouton pour ajouter des filtres personnalisés à partir de n’importe quel attribut de produit ou de contenu.

Exemples de filtres courants

En stockFiltre à toujours activer en production. Les recommandations d’articles en rupture de stock créent une frustration immédiate.

Fourchette de prixFiltrer à ±20 % du produit consulté, ou à une fourchette de prix précise par segment d’audience (premium ou petit budget).

Même catégoriePour les widgets « plus de ce type » — n’afficher que les articles de la même catégorie de produits que celui que consulte le visiteur.

Catégorie différentePour la vente croisée — exclure les articles de la même catégorie que le produit déclencheur. Cela impose des recommandations complémentaires.

Marque / fabricantCorrespondre à la marque du produit consulté, ou se limiter à des marques précises par campagne.

Attributs personnalisésN’importe quel champ de votre flux de produits — couleur, taille, matière, genre, saison — peut devenir un filtre.

Construire un filtre

Cliquez sur Ajouter un filtre.
Dans la première liste déroulante, choisissez l’attribut du produit (par ex. marque, catégorie, prix).
Dans la seconde liste déroulante, choisissez la valeur du filtre — soit une valeur précise (par ex. « iPhone »), soit une correspondance dynamique (par ex. « identique au produit actuellement consulté »).
Répétez pour d’autres filtres. Plusieurs filtres se combinent en logique ET — les éléments doivent tous les satisfaire.

Pour une logique OU, on utilise généralement un seul filtre avec plusieurs valeurs sélectionnées (par ex. marque IN [Apple, Samsung, Google]) plutôt que plusieurs lignes de filtres.

Filtres dynamiques (sensibles au contexte)

Les filtres les plus puissants comparent des attributs entre le candidat à la recommandation et le contexte de la page actuelle. Exemples :

« Même marque que le produit consulté » — l’ensemble de recommandations est filtré sur la marque de l’article que l’utilisateur regarde actuellement.
« Prix à ±25 % du produit consulté » — garde les recommandations dans une fourchette de prix comparable.
« Même catégorie que les 3 derniers consultés » — restreint à l’intention de navigation récente.

Ces filtres dynamiques se mettent à jour automatiquement au fil de la navigation du visiteur — aucune campagne par produit n’est nécessaire.

Filtres des recommandations de contenu

Les recommandations de contenu utilisent la même mécanique de filtres, mais avec des attributs propres au contenu (catégorie d’article, auteur, date de publication, type de contenu, tags). L’interface est légèrement différente, mais la logique est la même — choisissez un attribut, choisissez une valeur, combinez en ET.

Bonnes pratiques

Commencez large, resserrez progressivement. Un filtrage trop lourd peut produire des recommandations vides. Ajoutez les filtres un par un et vérifiez à l’étape QA que vous obtenez toujours de bons résultats.
Incluez toujours « en stock » et « actif ». C’est le strict minimum pour toute recommandation en production.
Associez les filtres à une solution de repli. Si vos filtres sont restrictifs, définissez un algorithme de repli avec des filtres plus souples pour que les visiteurs ne voient jamais de widget vide.
Testez sur de vraies données visiteur. Utilisez l’étape QA avec plusieurs e-mails d’abonnés réels pour voir ce que produisent les filtres en pratique — surtout pour les filtres dynamiques qui dépendent du contexte de navigation.