Télécharger le dossier de presse
Transcription
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