Aller au menu Aller au contenu Aller à la recherche

Quand l’intelligence artificielle redéfinit les expériences de recherche dans les sites des marques

“Il y a aujourd’hui un fossé abyssal entre le moteur de recherche de Google et celui des marques” affirme Franck Negro, Managing Director Southern Europe de Yext. Depuis dix ans, Google utilise l’intelligence artificielle pour fournir la meilleure réponse possible aux utilisateurs. Mais à l’inverse, l’expérience de recherche dans les sites internet des marques stagne et peine à évoluer. Comment alors aligner cette expérience de recherche dans les sites des marques aux standards de recherche Google auxquels sont habitués les internautes ? Pour Franck Negro, il faut accélérer sur l’intelligence artificielle.

Des expériences de recherche encore limitées

Quand on sait que 68% des utilisateurs ne reviendront plus sur le site d’une marque après une expérience déceptive, l’enjeu est important. Pour Franck Negro, plusieurs chiffres montrent ce rôle prépondérant des moteurs de recherche dans la vie quotidienne des consommateurs. En effet, 94% des parcours digitaux commencent par une question posée à un moteur. Et 90% des consommateurs en utilisent un à chaque étape de leur parcours. Sachant que chaque question posée par l’utilisateur indique une intention de recherche, l’objectif est alors de délivrer la meilleure réponse possible. Ainsi, Yext a observé une augmentation de 121% des clics menant à une conversion pour les moteurs capables de répondre directement à la requête des utilisateurs. Ce qui signifie concrètement sans renvoyer à d’autres pages via des liens, en diminuant les clics intermédiaires. Mais un gap demeure aujourd’hui entre le moteur de recherche de Google et celui des marques. Pour le franchir, celles-ci devront faire appel à l’intelligence artificielle.

D’un moteur de recherche à un moteur de réponse grâce à l’intelligence artificielle

Au départ, les moteurs de recherche étaient basés sur un modèle d’indexation des mots clés. Les utilisateurs tapaient un mot clé dans la barre de recherche. Ensuite, Google faisait apparaître les pages contenant ce mot clé. Mais l’inconvénient était alors de ne pas pouvoir répondre directement à la question posée de façon exhaustive. Google a donc tout d’abord évolué avec le page rank, un indicateur de popularité des pages. Puis, avec d’autres innovations majeures comme la gestion des synonymes, l’auto-complétion (les suggestions) et la recherche universelle. Mais la vraie rupture s’est produite en 2012, quand Google a lancé son knowledge graph. Une base de données structurée sémantiquement capable de faire des recherches sur des produits et services et de fournir des réponses directes. La philosophie a changé : Google est passé d’un moteur de recherche à un moteur de réponse. Sur les six dernières années, il y a encore eu d’autres évolutions en matière d’intelligence artificielle et de recherche. Notamment avec le traitement automatique du langage naturel et la compréhension syntaxique et sémantique des requêtes formulées en langage conversationnel. Franck Negro observe que l’IA est en train de réhabituer les consommateurs à poser des questions en langage naturel plutôt que de taper des mots clés.

3 ingrédients pour optimiser son moteur de réponse

Grâce à son intelligence artificielle, Google est devenu le standard en matière d’expérience de recherche sur le web. Et les clients s’attendent aujourd’hui à vivre la même expérience sur les sites des marques. Pour répondre à ces attentes, les entreprises doivent donc mettre en place 3 composants :

  • La compréhension sémantique des requêtes pour comprendre l’intention de recherche. Un bon moteur doit avoir une compréhension parfaite des mots utilisés.
  • Une approche multi algorithmique : une dizaine d’algorithmes permet de répondre à toutes les questions possibles. Mais aussi, d’aller chercher des réponses dans n’importe quel type de documents. Que ce soient des données structurées comme des produits ou services, semi-structurées comme des FAQ et des données non structurées comme des documents ou articles de blog.
  • La knowledge graph : le meilleur modèle de connaissance et de structuration des données pour construire un moteur de réponse nouveau standard en terme de recherche aujourd’hui.

Le search au coeur de tous les parcours & KPI

Il y a de nombreux usages dans le domaine du search qui dépendent de plusieurs facteurs. Parmi eux, le facteur secteur d’activité (commerce, retail, banque, assurance…) ou le facteur objectifs business. Mais encore les types de comportement qu’une marque veut influencer et enfin la façon dont elle va définir la performance de son moteur de recherche. Ces facteurs façonnent l’expérience de recherche qu’une entité veut délivrer. À partir de là, 4 grandes catégories d’usages peuvent se distinguer :

  • Les usages marketing : pour être en contrôle total du parcours client et des expériences de recherche. Ils permettent notamment d’influencer des KPIs comme le taux de rebond, le temps passé sur son site, le nombre de pages lues ou le niveau d’engagement.
  • Les usages e-commerce : avec la découverte et la recherche de produits pour augmenter la conversion.
  • Les usages relation client : notamment avec la recrudescence du e-commerce et du nombre de tickets à traiter. L’objectif est de mettre à disposition des collaborateurs des bases de connaissances et des moteurs de recherches performants. Ce qui leur permettra de réduire le temps de résolution des tickets.
  • Les usages internes pour les extranets et les internets : pour faciliter l’accès à la connaissance et augmenter le niveau de productivité des collaborateurs.