Télécharger le dossier de presse

L’ I N T E L L I G E N C E A R T I F I C I E L L E
AU SERVICE DE LA MODE
Notre savoir-faire
Ask, find, predict
Seenk Lab met son expérience des marques et de la data
au service des entreprises qui veulent mieux connaître leurs
clients et qui souhaitent repenser leur expérience utilisateur,
quel que soit le secteur.
Seenk Lab regroupe 85 personnes, réparties entre Paris (créatifs, ergonomes, designers, avec l’expertise sectorielle
apportée par notre partenaire BrandEmotion), Boston (avec Findability Sciences pour le développement de la
plateforme de « cognitive computing ») et Mumbai (pour l’intégration).
Notre mission : créer des expériences relationnelles fortes entre le client et la marque et pour générer de
l’engagement, à travers trois types d’actions que nous proposons pour :
•
Enrichir la connaissance des utilisateurs via l’analyse de leurs comportements, de leurs goûts et de leur présence
sur les réseaux sociaux. « On vend mieux à quelqu’un que l’on connaît » : pour pouvoir créer des offres sur-mesure,
nous développons une vision à 360° des utilisateurs grâce à des algorithmes inédits capables d’indexer les données
internes de l’entreprise (catalogue, compte client) et les données externes (réseaux sociaux, blogs…).
•
•
Mettre en place des modèles de prédiction efficaces et automatisés grâce à l’analyse en temps réel de larges
volumes de données, pour fournir à l’utilisateur des recommandations pertinentes et éditorialisées.
Inventer des expériences de navigation et de vente radicalement nouvelles, pouvant utiliser le langage naturel et
le cognitive computing, grâce à la technologie d’IBM Watson™ Cognitive, dont nous sommes partenaires.
Grâce à ces technologies, l’expérience digitale n’est plus une simple consultation de contenus mais devient une
conversation entre l’utilisateur et la marque, nourrie de recommandations personnalisées et ultra-pertinentes.
Big Data
Huge Fashion
Wearing est une application développée par Seenk Lab autour
d’une promesse simple et révolutionnaire : mettre l’intelligence
artificielle au service de l’e-commerce et de la mode.
SEENK LAB / FASHION APP - WEARING / 3
La raison d’être
de Wearing
La mode évolue en permanence dans des directions
très diverses. Au cours de sa vie, chacun essaie de définir
son style personnel, savant équilibre entre les tendances
éphémères et les pièces plus classiques et durables.
Mais, pour de nombreux acheteurs, trouver des
vêtements « qui me vont » demeure un casse-tête.
Comment éviter le fashion faux-pas ? Quel vêtement
convient à mon style et à ma morphologie ? Qu’est-ce
qui s’accorde bien avec ma garde-robe ? Et surtout,
que vais-je porter aujourd’hui ?
Les sites de vente en ligne classiques répondent mal
à ces questions.
L’utilisateur est livré à lui-même face à un catalogue
souvent pléthorique et un système empirique de filtres :
impossible de savoir ce qui est ou non à la mode et
surtout ce qui va m’aller – c’est-à-dire correspondre à
mon style, mes envies et les occasions que j’aurai de
porter un vêtement.
C’est pour répondre à ces dilemmes quotidiens en
matière d’habillement et de style qu’est né Wearing.
4 / SEENK LAB / FASHION APP - WEARING
Comment ça
marche ?
Wearing tire parti du « cognitive computing »
et d’une interface en langage naturel
(via la voix ou le clavier) pour répondre à
toutes les questions que l’utilisateur peut
se poser sur la mode.
Celui-ci peut ainsi :
•
•
•
•
poser une question générale, par exemple :
« Quelle est la différence entre une veste et un blazer ? »
une question sur les tendances actuelles
une question sur une occasion : « Que porter pour
le mariage auquel je vais dimanche ? »
une question sur les caractéristiques d’un modèle,
d’une coupe, d’une taille ou d’un assemblage :
« Que porter avec ma nouvelle robe portefeuille ? »
Grâce à l’utilisation de données utilisateurs multiples
(questionnaire initial, historique d’achat, statuts et likes
via l’application ou les réseaux sociaux…), l’application
suggère aussi des sélections sur-mesure de produits,
parfaitement adaptés au profil et goûts de l’utilisateur.
Pour obtenir des recommandations encore plus
pertinentes, l’utilisateur peut également répertorier
sa garde-robe et la compléter en conséquence.
SEENK LAB / FASHION APP - WEARING / 5
Quelle valeur
d’usage ?
Depuis l’avènement du e-commerce, les grands acteurs
de la mode ont développé le même modèle : un large choix
de produits, généralement associé à un éditorial identique
pour tous les visiteurs. Par conséquent, on laisse l’utilisateur
se renseigner à l’extérieur du site (blogs, magazines…) avant
l’achat pour savoir ce qui lui conviendra.
À l’inverse Wearing offre une double valeur ajoutée :
• Pour l’utilisateur, la possibilité d’interroger
librement un personal shopper virtuel et d’obtenir
des recommandations sur-mesure, grâce à
l’intelligence artificielle, constitue une valeur
d’usage radicalement nouvelle.
• Le marchand, quant à lui, bénéficie d’une prime
à la pertinence : au lieu de noyer l’utilisateur sous
des milliers de choix, il devient curateur, capable de
recommander un petit nombre d’articles les mieux
adaptés.
Cette application s’adapte particulièrement à un
utilisateur de plus en plus exigeant, perdu dans les
injonctions paradoxales sur la mode, mais aussi à une
consultation sur mobile, qui s’accommode mal d’une
offre pléthorique de produits.
6 / SEENK LAB / FASHION APP - WEARING
Big data
inside
Nous utilisons un socle inédit intégrant la technologie
IBM Watson™ Cognitive. Celle-ci permet d’indexer des
millions de sources de connaissance sur une thématique
donnée : les blogs spécialisés (en l’occurrence ceux
consacrés à la mode), les réseaux sociaux, les sites
e-commerce ou encore Wikipedia.
Ces sources sont comprises et analysées par le
personal shopper virtuel pour restituer la réponse
la plus pertinente aux questions de l’utilisateur.
L’intelligence artificielle permet de développer une
connaissance inégalée sur la thématique définie, pour
répondre à toutes les questions que l’on se pose en
s’habillant ou en achetant un nouveau vêtement. Par
son fonctionnement permettant de converser avec le
personal shopper, l’application enrichit et renforce la
relation entre l’utilisateur et la marque.
L’interface est apprenante pour s’adapter
constamment aux goûts de l’utilisateur et aux sources
qui lui correspondent le mieux.
Pour s’adapter à une mode qui évolue en permanence,
l’application est en outre capable de différencier
les informations invariantes (ou « basiques »), des
informations « tendances », susceptibles de se périmer
rapidement.
SEENK LAB / FASHION APP - WEARING / 7
Une nouvelle façon
de vendre
L’application prend en compte des données
utilisateurs multiples : budget, morphologie, lieu
où se trouve l’utilisateur et température qu’il y fait.
À mesure que l’utilisateur navigue ou achète, il nourrit l’application
de nouvelles informations : ses marques préférées, ses styles, ce
qui lui importe au moment de l’achat…
En reliant ces informations au catalogue des marques,
l’application est capable de proposer les produits
les plus pertinents, au moment même où
l’utilisateur est réceptif et en phase
de recherche.
Pour les distributeurs, l’enjeu est également un enjeu
d’image : le vendeur en ligne propose une expérience
radicalement nouvelle, grâce à laquelle il n’est plus
un simple pourvoyeur de stocks mais un prescripteur
innovant, doublé d’un « personal shopper » capable d’un
conseil personnalisé.
On recrée ainsi la relation de conseil qui pouvait
exister dans le monde physique entre marchand et
consommateur.
8 / SEENK LAB / FASHION APP - WEARING
Prochaines
étapes
Ce projet est mis en œuvre par une équipe
de 20 personnes parmi les 85 que compte Seenk Lab.
Nous sommes actuellement en phase de finalisation
du prototype de l’application : le lancement de
la V1 aura lieu en mars 2016. Cette application est
actuellement une marque blanche et est destinée
à être vendue à une ou plusieurs enseignes ou
distributeurs, qui pourront y intégrer leur offre
catalogue.
Outre le développement de l’application à sa
pleine capacité, nous imaginons actuellement
d’autres usages pour des acteurs d’autres domaines
présentant des situations similaires : un choix
pléthorique, face auquel l’utilisateur se sent dépourvu
de l’information ou de l’expertise nécessaire pour
bien choisir.
IBM Watson™ Cognitive est déjà utilisé dans des
domaines comme la cuisine (Watson Chef) ou
la médecine. C’est en effet face à la multitude
d’alternatives et de possibilités que l’intelligence
artificielle trouve toute sa place pour conseiller
l’utilisateur. Notre partenaire Findability Sciences
développe également une application d’aide à la
décision en entreprise qui utilise IBM Watson™.
SEENK LAB / FASHION APP - WEARING / 9
Plus d’informations
sur la technologie utilisée
Wearing met en œuvre trois briques technologiques
•
•
L’interface recueille la donnée utilisateur (profil,
Cela nous permet de transformer la navigation des
choix de langue, morphologie, budget).
sites e-commerce classiques, de comprendre quel
produit ou contenu convient le mieux à chaque
IBM Watson™ Cognitive est une technologie
utilisateur et de faire ainsi instantanément des
développée par IBM dont nous sommes partenaires.
recommandations parfaitement adaptées.
Elle est utilisée pour l’indexation des données
•
structurées et non structurées, l’analyse sémantique des
Il n’existe plus de parcours client standard, mais un
questions de l’utilisateur et la capacité à proposer des
itinéraire sur-mesure, bâti à partir de la personnalité,
réponses pertinentes de façon apprenante.
des envies et des goûts de chaque individu.
En associant IBM Watson™ avec notre algorithme
propriétaire, Findability Platform™, nous sommes
capables de connecter les réponses provenant de
Watson avec les bases du marchand : informations
consommateurs, données CRM et catalogue de
produits.
10 / SEENK LAB / FASHION APP - WEARING
Les
à retenir
points
Wearing est le prototype d’une application de personal
shopper virtuel. Elle intègre la technologie cognitive
IBM Watson™ couplée aux algorithmes propriétaires de
Seenk Lab pour proposer les meilleurs conseils de style et
de mode et des recommandations produits personnalisées
à chaque utilisateur.
Elle fonctionne :
•
•
Par l’interrogation en langage naturel : on pose les
questions que l’on souhaite.
En indexant des milliers de sources internes et
externes : blogs de mode, réseaux sociaux, articles
de presse, catalogue… pour répondre à chaque
question de l’utilisateur.
•
Elle propose des recommandations personnalisées
selon les goûts, la morphologie, les envies et les
occasions.
•
L’interface apprend en permanence pour donner
des réponses toujours plus pertinentes.
Contact presse
Agence Profile
Nicolas Brodiez : [email protected]
Manihi Frebault : [email protected]
Tel : 01 56 26 72 00
www.seenklab.com
www.wearing-fashion.com