Des recommandations de produits personnalisées — le même moteur que celui des widgets de recommandations de votre site web — diffusées dans votre application native iOS ou Android. Le profil est partagé entre les supports : une personne qui a parcouru des vestes sur votre site obtient une sélection pertinente dès qu’elle ouvre l’application, au lieu de repartir de zéro.
Dans le panneau : Nouvelle campagne › App / API › Recos produits pour apps.
Avant de commencer
Le SDK doit d’abord être installé et remonter des données. L’installation pour les deux plateformes, le code d’initialisation et la façon de vérifier que les données arrivent sont décrits dans Ciblage et personnalisation pour les applications mobiles. Si votre appareil n’apparaît pas dans Visites en direct, arrêtez-vous et corrigez cela d’abord — aucune recommandation ne peut être produite pour un utilisateur que Personyze ne voit pas.
Il vous faut aussi un catalogue produits dans Personyze, dans Paramètres → Configuration des recommandations → Catalogue produits. Importez ou reliez-y un flux, ou envoyez les produits via l’API avec l’objet products.
Les étapes de la campagne
Sept étapes : Configurer, Catalogue, Interactions, Contenu, Cibler, Automatisation et Performance.
Deux points à noter. Il n’y a pas d’étape QA — les campagnes d’application se valident dans une version de l’application, pas dans le panneau. Et Contenu vient avant Cibler : vous concevez d’abord la recommandation, puis vous décidez qui la reçoit.
1. Configurer
Connecte le SDK, avec un onglet pour chacun : Android, iOS et Serveur (REST). Trois étapes : ajouter la bibliothèque, l’initialiser avec votre clé d’API, et remonter chaque écran afin de pouvoir présenter ce qui revient. Vous connectez une seule fois, et les campagnes d’application suivantes ne demandent aucune configuration. Tous les détails se trouvent dans l’article mentionné ci-dessus.
2. Catalogue
Votre catalogue produits doit être en place et à jour. Chaque produit a besoin au minimum d’un ID interne, d’un titre et d’une URL d’image — des recommandations sans image s’affichent sous forme de cases vides dans une application, tout comme sur le web. Gardez is_in_stock exact, sinon vous recommanderez des produits impossibles à acheter.
3. Interactions
C’est l’étape qui décide si les recommandations sont bonnes ou non, et celle qu’on néglige le plus souvent.
Le moteur apprend de ce que les gens font avec les produits : consultés, ajoutés au panier, achetés. Sur un site web, Personyze peut souvent les détecter automatiquement. Dans une application, il ne le peut pas — il n’y a pas de DOM à observer. Votre application doit les remonter explicitement par des appels au SDK.
Remontez au minimum les consultations de produits et les achats. Sans données d’interaction, des algorithmes comme « achetés ensemble » et « populaires » n’ont rien à partir de quoi calculer, et le widget reviendra vide ou se rabattra sur une liste générique.
Si vous vendez aussi sur le web, les deux flux se fondent en un seul profil — la navigation dans l’application améliore donc les recommandations du site web, et inversement.
4. Contenu
Ajoutez la recommandation et choisissez son algorithme, dans le même sélecteur que celui des widgets sur le site (voir Algorithmes de recommandation). Pour les applications, deux options de rendu :
- HTML (WebView) — Personyze renvoie un widget prêt à afficher que vous placez dans une WebView. C’est le chemin le plus rapide, et la mise en page peut être modifiée plus tard sans publier de mise à jour de l’application.
- JSON — le Product Recommendations JSON Feed renvoie les produits choisis sous forme de données structurées, et votre application les met en page de façon native. Meilleures performances et rendu natif ; davantage de travail au départ.
Si vous renvoyez du JSON, choisissez les champs dont votre application a besoin dans la réponse — titre, prix, URL de l’image, URL du produit, et tous les champs personnalisés du catalogue que vous voulez afficher.
5. Cibler
Qui voit la recommandation. Tout le ciblage standard s’applique. Comme l’application remonte chaque écran, une campagne peut cibler un seul écran plutôt que toute l’application. Un schéma courant consiste à montrer des algorithmes différents à des personnes différentes — les nouveautés aux nouveaux utilisateurs, « achetés ensemble » aux personnes qui ont un historique d’achat.
6. Automatisation
Cette étape est facultative. Ajoutez des règles qui vous alertent, ou qui agissent, quand les chiffres de cette campagne franchissent un seuil. Voir Automatisation.
7. Performance
L’onglet Recommandations de l’étape Performance indique ce qu’ont rapporté les recommandations (transactions, revenus attribués, part des revenus) et l’entonnoir : affichés, vus, cliqués, ajoutés au panier, achetés. Le milieu de l’entonnoir ne se remplit que si l’application remonte les consultations et les clics. Chaque chiffre est expliqué dans Recommandations de produits et de contenu.
La valider
- Vérifiez que votre appareil apparaît dans Visites en direct.
- Remontez quelques consultations de produits depuis l’application, et vérifiez qu’elles sont bien rattachées à votre session.
- Élargissez l’audience pour qu’elle vous inclue à coup sûr, et vérifiez que les recommandations arrivent et ne sont pas vides.
- Resserrez à nouveau les règles et vérifiez que le comportement change.
Un résultat vide signifie presque toujours un problème à l’étape 2 ou 3 de la campagne — un catalogue qui ne s’est pas importé, ou des interactions qui ne sont pas remontées — plutôt qu’un problème de ciblage.