Rémi Forest, Senior Manager - Solutions Engineering chez Confluent
Cependant, malgré l'enthousiasme des retailers et de leurs clients, un obstacle subsiste : la data. Selon un rapport mondial sur les tendances de l'IA en 2023, l'un des plus grands défis à l'innovation est l'accès à des données propres et fiables. Sans cela, une amélioration utilisant de l'IA, même si elle est pleine de bonnes intentions, peut s’avérer très décevante pour les clients et in fine nuire à la réputation de la marque.
Le vrai différenciateur : la data en temps réel
Pour les acteurs du retail en France, l'investissement dans l'IA ne sera pas le différenciateur clé de la prochaine décennie. Ce qui fera la différence, c'est l'investissement dans la data en temps réel pour alimenter cette IA. Comment cela peut-il vraiment aider ? Les avancées de l'IA générative ont mis fin aux conversations frustrantes et inutiles avec les chatbots. Au lieu de réponses génériques régies par un script prédéfini, les nouveaux chatbots alimentés par l'IA peuvent fournir un support instantané, répondre aux questions et guider les clients tout au long de leur parcours d'achat – le tout sous forme de conversation parfaitement naturelle.
Comment ? Le streaming de données en temps réel alimente en continue les modèles d'IA avec des données de conversation, améliorant chaque interaction avec des réponses plus pertinentes et plus personnalisées. Ce type d'information en temps réel permet aux retailers de révolutionner l'expérience d'achat en ligne, en apportant toute l’efficacité de l'IA aux interactions clients sans les limitations des réponses (souvent impersonnelles) basées sur des règles prédéfinies.
Un futur déjà en marche en France
En France, des acteurs comme Carrefour ou La Redoute ont déjà commencé à intégrer des solutions d'IA générative pour améliorer l'expérience client. Carrefour, par exemple, utilise l'IA pour personnaliser les recommandations de produits en fonction des achats passés et des préférences des clients. Ce type de personnalisation aide non seulement à augmenter la satisfaction client, mais aussi à augmenter le panier moyen.
La Redoute, quant à elle, expérimente des chatbots intelligents pour assister les clients dans leurs choix vestimentaires, en proposant des ensembles coordonnés et des conseils de style basés sur les tendances actuelles et les préférences individuelles. Cette approche permet de créer une expérience d'achat plus engageante et sur-mesure.
Éviter les pièges des mauvaises données
Imaginez un retailer de mode en ligne mettant en œuvre un système d'IA générative pour fournir des recommandations personnalisées à ses clients sur leurs choix vestimentaires. En analysant les préférences des utilisateurs, l'historique des achats et le comportement de navigation, l'IA pourrait suggérer des produits pour intéresser les acheteurs individuels, augmentant ainsi la taille du panier et renforçant la fidélité des clients.
Mais soudainement, les clients commencent à signaler des recommandations inappropriées ou non pertinentes. Le système commence à se dégrader. L'engagement et la satisfaction des clients diminuent. Quel est le problème ? De mauvaises données. Des informations produit incorrectes ou incomplètes, des informations obsolètes sur les historiques d'achats et les habitudes de navigation, bref, l’utilisation de “mauvaises” données ne représentant pas fidèlement les besoins réels de votre base de clients qui auront été utilisées pour entraîner les modèles. Tout cela contribue à créer des assistants IA qui, en termes humains, semblent incompétents, voire impolis ou méprisants.
L'IA de nouvelle génération nécessite une stratégie de données de nouvelle génération
L'industrie du retail génère chaque heure des quantités énormes de données. Mais les données du retail sont généralement cloisonnées, ce qui signifie que les entreprises tirent des insights d'une fraction seulement de ces données, donnant une image incomplète de leurs clients.
Pour en tirer des informations actionnables et exploiter le potentiel de l'IA, une intégration transparente ainsi que des données standardisées sont nécessaires à travers différents systèmes et applications. Et les données doivent être fraîches pour éviter d'avoir à les intégrer à partir de multiples sources dans divers formats.
L'IA générative permet aux retailers d'offrir des expériences plus personnalisées et de créer des solutions innovantes qui répondent aux besoins changeants des clients dans un marché concurrentiel. À l'avenir, les applications pourraient s'étendre à la présentation visuelle en magasin, à l'analyse des tendances émergentes pour améliorer les gammes de produits et aux fonctionnalités d'essayage virtuel en réalité augmentée.
Mais que nous parlions d'aujourd'hui ou de demain, les retailers ont besoin des bonnes données dès maintenant. L'avenir du retail repose sur une base solide de data en temps réel pour alimenter l'IA générative et transformer l'expérience client.
Le vrai différenciateur : la data en temps réel
Pour les acteurs du retail en France, l'investissement dans l'IA ne sera pas le différenciateur clé de la prochaine décennie. Ce qui fera la différence, c'est l'investissement dans la data en temps réel pour alimenter cette IA. Comment cela peut-il vraiment aider ? Les avancées de l'IA générative ont mis fin aux conversations frustrantes et inutiles avec les chatbots. Au lieu de réponses génériques régies par un script prédéfini, les nouveaux chatbots alimentés par l'IA peuvent fournir un support instantané, répondre aux questions et guider les clients tout au long de leur parcours d'achat – le tout sous forme de conversation parfaitement naturelle.
Comment ? Le streaming de données en temps réel alimente en continue les modèles d'IA avec des données de conversation, améliorant chaque interaction avec des réponses plus pertinentes et plus personnalisées. Ce type d'information en temps réel permet aux retailers de révolutionner l'expérience d'achat en ligne, en apportant toute l’efficacité de l'IA aux interactions clients sans les limitations des réponses (souvent impersonnelles) basées sur des règles prédéfinies.
Un futur déjà en marche en France
En France, des acteurs comme Carrefour ou La Redoute ont déjà commencé à intégrer des solutions d'IA générative pour améliorer l'expérience client. Carrefour, par exemple, utilise l'IA pour personnaliser les recommandations de produits en fonction des achats passés et des préférences des clients. Ce type de personnalisation aide non seulement à augmenter la satisfaction client, mais aussi à augmenter le panier moyen.
La Redoute, quant à elle, expérimente des chatbots intelligents pour assister les clients dans leurs choix vestimentaires, en proposant des ensembles coordonnés et des conseils de style basés sur les tendances actuelles et les préférences individuelles. Cette approche permet de créer une expérience d'achat plus engageante et sur-mesure.
Éviter les pièges des mauvaises données
Imaginez un retailer de mode en ligne mettant en œuvre un système d'IA générative pour fournir des recommandations personnalisées à ses clients sur leurs choix vestimentaires. En analysant les préférences des utilisateurs, l'historique des achats et le comportement de navigation, l'IA pourrait suggérer des produits pour intéresser les acheteurs individuels, augmentant ainsi la taille du panier et renforçant la fidélité des clients.
Mais soudainement, les clients commencent à signaler des recommandations inappropriées ou non pertinentes. Le système commence à se dégrader. L'engagement et la satisfaction des clients diminuent. Quel est le problème ? De mauvaises données. Des informations produit incorrectes ou incomplètes, des informations obsolètes sur les historiques d'achats et les habitudes de navigation, bref, l’utilisation de “mauvaises” données ne représentant pas fidèlement les besoins réels de votre base de clients qui auront été utilisées pour entraîner les modèles. Tout cela contribue à créer des assistants IA qui, en termes humains, semblent incompétents, voire impolis ou méprisants.
L'IA de nouvelle génération nécessite une stratégie de données de nouvelle génération
L'industrie du retail génère chaque heure des quantités énormes de données. Mais les données du retail sont généralement cloisonnées, ce qui signifie que les entreprises tirent des insights d'une fraction seulement de ces données, donnant une image incomplète de leurs clients.
Pour en tirer des informations actionnables et exploiter le potentiel de l'IA, une intégration transparente ainsi que des données standardisées sont nécessaires à travers différents systèmes et applications. Et les données doivent être fraîches pour éviter d'avoir à les intégrer à partir de multiples sources dans divers formats.
L'IA générative permet aux retailers d'offrir des expériences plus personnalisées et de créer des solutions innovantes qui répondent aux besoins changeants des clients dans un marché concurrentiel. À l'avenir, les applications pourraient s'étendre à la présentation visuelle en magasin, à l'analyse des tendances émergentes pour améliorer les gammes de produits et aux fonctionnalités d'essayage virtuel en réalité augmentée.
Mais que nous parlions d'aujourd'hui ou de demain, les retailers ont besoin des bonnes données dès maintenant. L'avenir du retail repose sur une base solide de data en temps réel pour alimenter l'IA générative et transformer l'expérience client.