Pour que les clients finaux puissent trouver les produits au bon endroit, il est essentiel que les produits soient bien catégorisés par les vendeurs en fonction des canaux finaux. Chaque canal étant structuré différemment en fonction des habitudes des clients, cette étape doit être accomplie pour chaque flux créé. Dans le cas des marketplaces, sur Zalando, un pantalon classique sera catégorisé dans “Femme > Vêtements > Pantalons > Pantalons classiques” alors que sur La Redoute, il sera catégorisé dans “Mode > Femme > Vêtements > Pantalon > Pantalon droit”. Cette étape peut entraîner un travail conséquent, d’autant plus que les vendeurs n’ont jamais qu’un seul produit mais plusieurs centaines voir milliers de produits. 

Néanmoins, une mauvaise gestion de vos catégories peut avoir un impact néfaste sur votre business : taux de retours élevés, frustration de l’acheteur, avis négatifs, etc. Et pour cause, l’information sur le produit est pour 85% des acheteurs, l’information la plus importante pour des achats sur internet.

Selon la FEVAD, l’abandon de panier touche 70% à 80% des transactions en ligne, soit 4000 milliards de dollars de chiffre d’affaires manqués. Parmi les explications, le montant trop élevé des frais de port, l’obligation de créer un compte mais aussi la mauvaise ergonomie du parcours d’achat ou une description produit médiocre, incomplète ou mal renseignée. 

Que vous soyez e-commerçant ou retailer votre besoin est le même : fiabiliser vos données produits afin d’optimiser la catégorisation de vos produits. Au vu de la volumétrie de produits concernés, automatiser la catégorisation des produits est le meilleur moyen de gagner du temps et éliminer les erreurs.

Aujourd’hui, plusieurs outils vous permettent d’automatiser la catégorisation de vos produits. Channable pour Google Shopping, Contentside avec sa Semantic Platform et Unifai avec son module de catégorisation, qui a récemment été élue Start-up e-commerce de l’année par la FEVAD et KPMG.

L’intelligence derrière la catégorisation automatisée

Afin que les produits puissent être automatiquement associés à la catégorie la plus pertinente, plusieurs “intelligences” sont nécessaires. Unifai utilise notamment des modèles de NLP et Transformer utilisant le Deep Learning. Si vous n’êtes pas un pro de l’informatique, voici une explication à ces mots souvent utilisés mais peu compris : 

• Deep Learning : Le deep learning est une sous-branche de l’Intelligence artificielle. Les modèles peuvent apprendre des données et faire de nouvelles prédictions basées sur ces dernières avec une très grande précision. 
  

• NLP : Le NLP (pour Natural Langage Processing) est une technologie qui permet aux machines de comprendre le langage humain. Dans le cas de la catégorisation, les modèles de NLP vont lire les informations du produit (description, titre, caractéristiques), pour proposer la catégorie la plus pertinente.
  

• Transformers : Le Transformer est un modèle de Deep Learning (donc un réseau de neurones qui “apprend” des données) qui a la particularité d’utiliser que le mécanisme d’attention. Le modèle va pondérer les endroits du texte (ex : la description du produit) qui sont pertinents avec la tâche à résoudre (catégoriser mon produit).
  

La nature des modèles utilisés dépend de la nature des données à disposition. Pour catégoriser un produit, la compréhension du titre et sa description sont nécessaires. Très souvent, cette donnée n’est pas structurée, s’agissant de texte libre, des modèles à base de transformers sont donc nécessaires.

Unifai utilise des modèles pré-entraînés sur des données générales puis les spécialise sur les données du client afin d’adopter la bonne structure / hiérarchie des produits.

Une fois que le modèle a fini de tourner, les produits sont rangés automatiquement dans les différentes parties de la hiérarchie avec un score associé : soit l’algorithme est sûr de lui auquel cas le produit est marqué comme étant traité, soit il doit être vérifié. Dans le second cas, l’utilisateur doit valider ou corriger les propositions faites par l’algorithme afin de passer à l’étape suivante.

L’objectif est d’éliminer les erreurs et toutes les corrections humaines sont enregistrées par l’algorithme pour les prochaines fois. En moyenne, le taux d’automatisation tourne autour des 80-90%.

Voici à quoi cela ressemble dans Unifai :

‍

Quels sont les avantages ?

La hiérarchie de produits est aujourd’hui un moyen incontournable pour naviguer dans la multitude de produits mis en ligne sur les sites e-commerce. Un produit mal rangé ne sera soit pas trouvé soit viendra polluer les résultats de recherche.

La catégorie d’un produit dépend des champs (aussi nommés attributs) qui peuvent être obligatoires. Par exemple, l’attribut “puissance” est obligatoire pour la catégorie des perceuses/visseuses, si celle-ci est mal catégorisée ce champ ne sera pas visible et l’information sera donc manquante à l’internaute pour choisir son produit. Dans le cadre d’un bien vendu en physique, un produit mal rangé dans la hiérarchie peut même se retrouver mal rangé dans les rayons et donc introuvable.

Fiabiliser la catégorisation des produits en ayant recours à l’automatisation permet d’éliminer les erreurs et d’assurer une expérience utilisateur plus fluide. En interne, l’automatisation est un gain de temps considérable. Si vous avez une grande quantité de produits de tous types différents, le module de catégorisation d’Unifai vous fera gagner un temps précieux.

‍

Si vous aussi vous souhaitez tester le module de catégorisation, n’hésitez pas à prendre contact avec nous !