Découverte de contenu à l'ère de Spotify

Avez-vous déjà parcouru un long trajet en voiture et décidé de consulter certaines des stations de radio locales, juste pour voir ce que les gens de cette région écoutent? Peut-être avez-vous envie de découvrir de nouveaux artistes ou d'entendre un genre que vous n'aviez pas écouté depuis des années. Ou peut-être en aviez-vous assez de parcourir vos vieilles listes de lecture Spotify et Pandora et vous vouliez juste être surpris par un son totalement nouveau!

Quel est le facteur commun à toutes ces envies? L'élément de découverte . À ce moment-là, vous en aviez soudainement assez des services de musique qui renforçaient vos goûts existants en jouant des chansons similaires à celles que vous aviez précédemment écoutées.

Aussi intelligents que soient des services tels que Spotify, Apple Music et Pandora, ils ne peuvent que prédire quelles chansons vous souhaitez entendre, à partir des chansons que vous avez déjà entendues. Ce qu'ils ne peuvent pas prédire, c'est quand vous avez envie d'un artiste ou d'un genre entièrement nouveaux, en particulier parce que est totalement différent de tout ce que vous avez écouté récemment. 19659003] Ce sont les moments où vous écoutez la radio, dans l'espoir d'être balayés par une nouvelle découverte musicale. Et c’est exactement le sentiment que vous pouvez offrir à vos clients lorsque vous passez au-delà du renforcement et fournissez un régime dont le contenu correspond à l'évolution des goûts et des humeurs des clients.

Le renforcement indique simplement aux clients ce qu'ils déjà comme – et cela devient ennuyeux.

Nous savons tous ce que nous ressentons lorsque nous ouvrons notre application de musique préférée et que nous sommes accueillis avec des listes de lecture remplies de chansons que nous en avions assez d'écouter. Ce n’est pas la faute de l’application, bien sûr. Les algorithmes d'apprentissage automatique de votre service musical travaillent fort, jour et nuit, en créant des modèles mathématiques complexes pour illustrer les relations entre vos artistes et chansons préférés – et en utilisant ces modèles pour générer de nouvelles listes de lecture et recommandations de chansons semblables à celles que vous avez

Ce type d’apprentissage par renforcement est également une pratique courante dans le commerce de détail depuis une décennie ou plus. Dès que vous achetez un produit sur Amazon, des publicités pour des produits similaires vous suivent partout – et peut-être même sur le Web – vous informant que "vous aimerez peut-être aussi" toute une gamme de montres et de vestes similaires à celles que vous avez vues récemment.

Bien entendu, dans de nombreux cas, ces recommandations sont agaçantes, voire carrément inutiles. Le fait que vous venez d’acheter une nouvelle montre intelligente ne signifie pas que vous voulez acheter plus de montres intelligentes. Au contraire, cela signifie que vous avez rempli ce besoin, et vos intérêts et aspirations ont évolué.

En d'autres termes, votre régime alimentaire contenu a changé . Maintenant, vous voulez découvrir des produits nouveaux et différents qui répondent à vos nouveaux besoins alimentaires. Et c’est précisément là que l’apprentissage automatique peut aider.

L’apprentissage automatique traditionnel échoue aux moments où les régimes des clients changent.

Les algorithmes de recommandation classiques sont parfaits pour la «machine». – Ils travaillent sans relâche pour créer des profils de tous vos clients et continuent à leur montrer un régime composé de produits similaires à ceux qu'ils ont déjà achetés (ou leur jouant des chansons similaires à celles qu'ils ont déjà écoutées).

D'un autre côté, les algorithmes traditionnels ne sont pas aussi performants dans la partie "apprentissage". Prenons le cas où l'un de vos clients vous dit qu'il n'est plus intéressé par un produit donné. Comme Spotify ou Pandora, votre algorithme est probablement assez intelligent pour ne pas continuer à recommander exactement le même produit – mais est-il assez intelligent pour comprendre pourquoi votre client a perdu tout intérêt?

Plus précisément, votre algorithme est-il assez intelligent pour comprendre ce que ce client maintenant veut à la place? Les algorithmes conventionnels ne sont certainement pas. Comme Spotify et Pandora (pour ne pas trop s'en prendre à trop ), votre logiciel de recommandation revient probablement à d'autres produits que le client a aimés dans le passé – ou peut-être jette-t-il presque au hasard, offrant de nouvelles suggestions

Ce qu’aucun algorithme conventionnel ne peut faire, c’est toutefois faire une prédiction intelligente et précise de l’orientation actuelle des goûts de vos clients – quand (pour revenir à notre exemple initial) ils feuilletent stations à la recherche d'une nouvelle découverte. Pour proposer une découverte qui cliquera, vous aurez besoin d'une nouvelle classe de modélisation prédictive .

Les recommandations prédictives proposent des régimes de contenu durables en proposant des moments de découverte. ]

Les moments où les goûts des clients changent soudainement sont précisément ceux où ils ont le plus besoin de vous. Lorsqu'ils se tournent vers vous à ce moment-là, ils espèrent que vous les comprenez suffisamment bien pour leur montrer exactement le produit dont ils rêvent – même s'ils ne savent pas encore de quel produit il s'agit!

Si vos recommandations échouent à ces moments-là, renforcez les habitudes d'achat passées de vos clients en leur montrant des produits similaires à ceux qu'ils avaient achetés auparavant, puis leur confiance en vous est brisée. Ils se tourneront vers Google – ou syntoniseront la radio – à la recherche d'un autre détaillant pouvant les aider à découvrir leur prochain produit ou artiste préféré.

Cela signifie que votre logiciel d'apprentissage automatique doit fonder ses recommandations sur plus que ses clients. 'actions passées. Avec un modèle adaptatif du régime de contenu idéal de chaque client, vous serez prêt à servir ces délicieuses découvertes aux moments précis où vos clients les recherchent. Au fil du temps, ces moments magiques instaureront la confiance – et cette confiance continuera de générer de la valeur tout au long de la vie.

Intéressé à en savoir plus sur l'apprentissage ow machine peut-il faire une différence dans votre marketing? Lisez «Comment la personnalisation de l'apprentissage automatique crée des liens significatifs avec des publics millénaires».

Voir le blog .