Comment un moteur de personnalisation décide vraiment ce que voit chaque visiteur

Tous les outils de personnalisation se décrivent avec les mêmes noms — profils, segments, recommandations, tests — et presque aucun n’explique le seul moment qui compte : les quelques millisecondes après qu’un visiteur a demandé une page, quand le moteur doit décider de ce que voit cette personne. Ce n’est pas une astuce unique. Ce sont plusieurs couches, chacune avec des règles fixées par le propriétaire du site, et la réponse pour ce visiteur sur cette page sort de toutes à la fois. Voici un parcours de ces couches dans l’ordre où elles agissent au sein de Personyze.

Quatre couches, une décision. Chaque case est un endroit où le propriétaire du site fixe les règles — quelles données entrent, comment elles sont pondérées, où la réponse aboutit et ce qui est mesuré.

1. La couche de données : ce que sait le moteur

On ne peut rien décider au sujet d’un visiteur dont le moteur ne sait rien : la première couche est donc ce qu’il collecte, et d’où. L’essentiel arrive sans que personne ne configure quoi que ce soit ; le reste relève du choix du propriétaire du site.

• Le jeu de données par défaut. La balise de vos pages enregistre ce que fait chaque visiteur — pages et produits consultés, recherches sur le site, contenu et valeur du panier, temps passé, défilement, retours, nombre de visites, référent et campagne, appareil, localisation, météo et heure locales. C’est la base que lisent toutes les autres couches, et elle est active dès la première page vue.
• Le robot d’exploration et les centres d’intérêt automatiques. Personyze explore votre site et utilise l’IA pour classer chaque page selon son véritable sujet — de façon contextuelle, dans les termes propres à votre site, et non selon une taxonomie générique. Un visiteur qui consulte des produits de la catégorie cadeaux religieux porte « cadeaux religieux » comme centre d’intérêt, pondéré selon ce qu’il a consulté. C’est ce qui permet au moteur de comprendre ce qu’une page signifie pour une personne, et pas seulement qu’elle a été vue, et ces mêmes centres d’intérêt alimentent le ciblage, les recommandations et la découverte d’audiences.
• Les intégrations. Pendant l’onboarding, vous connectez ce que vous avez déjà : le CRM et l’ESP (HubSpot, Salesforce, Klaviyo, ActiveCampaign et les autres), une CDP ou un gestionnaire de balises, des flux de produits et de contenus, et vos propres événements via l’API. Chacun devient des attributs du profil que les règles et les modèles peuvent utiliser — voir la page intégrations pour la liste.
• Les données de comptes. Pour les sites B2B, une recherche IP inverse identifie l’entreprise derrière une visite anonyme — secteur, taille, nom — et les listes de comptes nommés permettent aux campagnes de marketing par compte de traiter un compte cible différemment dès la première page.
• Les données déclarées et l’identité. Les formulaires, les connexions et les clics dans les e-mails relient sessions et appareils à une seule personne, si bien que ce que le moteur a appris sur l’ordinateur la semaine dernière s’applique aujourd’hui sur le téléphone.

L’intérêt de cette couche, c’est le choix : les groupes de données que le moteur peut utiliser forment un ensemble d’interrupteurs, et les rapports indiquent quels groupes ont réellement porté les décisions.

2. Le profil : un visiteur, un enregistrement — et la visite jusqu’ici

L’ordre au moment de la requête. Le profil est lu d’abord, les audiences et les modèles décident, la réponse s’affiche, et le résultat est réécrit pour la requête suivante.

Au moment de la requête, le moteur détermine qui demande et lit un enregistrement fusionné unique : le comportement ci-dessus, les centres d’intérêt attribués par le robot, les champs CRM, l’entreprise, les listes auxquelles appartient le visiteur — et, surtout, ce qu’il a fait pendant cette visite. Un visiteur qui vient de chercher « en gros », a consulté six produits et abandonné un panier n’est pas la même personne que celle arrivée il y a cinq minutes, et chaque couche en dessous lit le profil tel qu’il est maintenant, pas tel qu’il était hier soir.

C’est pourquoi une règle peut dire secteur égal à finance et produits consultés au moins six sans se soucier qu’une information vienne de ZoomInfo et l’autre de la session en cours.

3. Le ciblage : qui est ce visiteur, en ce moment

Profil en main, le moteur évalue les règles de ciblage — en direct, à chaque visite, et non sur un instantané. Trois types d’audience alimentent cette étape :

• Les règles que vous avez écrites. Des conditions sur n’importe quel attribut du profil, combinées avec ET, OU et NON. C’est le ciblage comportemental tel que la plupart des équipes le connaissent : abandonnistes de panier, VIP qui reviennent, première visite depuis une annonce payante, entreprise figurant sur la liste des comptes cibles.
• Les listes importées ou constituées. Des personnes nommées issues d’un export CRM, d’un flux ou d’une campagne passée, actualisées selon un calendrier et utilisables pour l’e-mail, le push et les campagnes hors ligne autant que sur le site.
• Les audiences découvertes par le moteur. Une fois par semaine — ou dès que vous cliquez sur « Lancer une passe maintenant » — Audience Discovery lit les données visiteurs du compte et trouve des règles courtes pour les visiteurs qui atteignent un objectif bien plus souvent que la moyenne, remesurées sur des visiteurs que la règle n’a jamais vus. Chaque découverte est une carte que vous pouvez cibler en un clic, choisir dans la catégorie Audiences découvertes de n’importe quelle campagne, transformer en liste ou copier dans une audience à vous.

Les audiences découvertes rejoignent l’étape de ciblage comme n’importe quelle règle écrite à la main : une condition en direct, évaluée par visiteur et par requête. Compte d’illustration.

Quel qu’en soit le type, l’audience est une question que le moteur se pose sur ce visiteur lors de cette requête. Un visiteur qui franchit un seuil en cours de session fait partie de l’audience dès la page suivante.

4. Le modèle de recommandation : quoi montrer, et comment le propriétaire le pilote

Les recommandations sont une décision à part entière au sein de la décision. Un widget sur une fiche produit, un bandeau dans le panier, un bloc « à lire ensuite » sous un article et une grille de produits dans un e-mail exécutent chacun un modèle qui classe les éléments pour ce visiteur à cet instant — et ce modèle n’est pas un algorithme unique, mais un choix d’algorithmes, combinés, avec des réglages contrôlés par le propriétaire du site.

L’algorithme se choisit par page, car l’ancre change : le produit en cours sur une fiche produit, les articles récemment consultés sur la page d’accueil, le contenu du panier dans le panier. Compte d’illustration.

• Les algorithmes. Des sélections personnalisées fondées sur les centres d’intérêt du visiteur et le comportement de visiteurs similaires ; les plus populaires, les tendances et les meilleures ventes, éventuellement dans la catégorie que le visiteur consultait ; vus ensemble, achetés ensemble et ventes additionnelles ancrés au produit consulté ou au panier ; l’historique du visiteur, comme les articles récemment consultés et le retour en stock ; des événements du catalogue comme les nouveautés et les baisses de prix ; et un algorithme personnalisé que vous définissez vous-même. Voir la page moteur de recommandation pour l’ensemble complet.
• Les réglages du propriétaire. C’est ici que vit la logique métier d’un site. Un éditeur peut donner plus de poids aux contenus promus ou sponsorisés ; un e-commerçant peut booster une catégorie, exclure ce qui est en rupture de stock ou déjà acheté, plafonner la fourchette de prix et épingler un article en première position. Les pondérations par algorithme décident du mélange ; les filtres décident de ce qui peut apparaître.
• Par audience. Un même widget peut appliquer une logique différente selon l’audience — compléter le look pour les acheteurs réguliers, meilleures ventes pour les nouveaux visiteurs — car l’étape de ciblage a déjà dit de qui il s’agit.
• Guidé par la visite. Les centres d’intérêt de cette session modifient immédiatement le classement : un visiteur qui vient de consulter trois articles d’une même catégorie voit cette catégorie mieux pondérée avant même de quitter la page où il se trouve.

5. Tests et optimisation : quelle variante, pour qui

Si une campagne est une expérience, l’allocation se fait ici. Personyze alloue par audience et tranche par audience, et c’est toute la différence entre les tests A/B centrés sur l’audience et les tests à l’échelle du site : une variante peut gagner auprès des acheteurs réguliers et perdre auprès des nouveaux, et le moteur peut la promouvoir pour le premier groupe pendant que le test continue pour le second. Les tests multivariés font de même sur plusieurs éléments à la fois, et les algorithmes de recommandation peuvent être testés les uns contre les autres sur un même emplacement, mesurés au chiffre d’affaires par session plutôt qu’aux clics.

L’environnement compte aussi. Une campagne est construite et prévisualisée en staging, mise en ligne quand elle est prête et répartie par pourcentage de trafic, pour qu’une nouvelle idée tourne sur une partie du trafic avant de tourner pour tout le monde. Quand les chiffres sont là, le gagnant récupère automatiquement le trafic.

6. L’affichage : assez rapide pour que personne ne le remarque

C’est seulement maintenant que quelque chose apparaît. Les actions choisies s’affichent dans la page via la balise de votre propre site, côté serveur sur une landing page dynamique, dans un e-mail au moment où il est ouvert, sous forme de notification push, dans la conversation de chat, via l’API pour votre propre stack, ou comme événement vers Meta, TikTok, Google Analytics et le reste des douze destinations atteintes par l’émetteur d’événements — et toute la chaîne ci-dessus doit se terminer avant que la page ne soit chargée. Rien n’attend un traitement par lots : l’analyse derrière la découverte a tourné il y a plusieurs jours, les listes ont été actualisées pendant la nuit, et la décision elle-même est calculée au moment de la requête à partir du profil en direct.

7. L’apprentissage : ce qui revient

La dernière couche alimente la première. Chaque impression, clic et conversion est réécrit dans le profil, ce qui change ce à quoi le visiteur est éligible à la requête suivante. Les rapports de campagne affichent les résultats par audience, par action, par algorithme et par variante, pas seulement par campagne, pour que la question « est-ce que ça a marché ? » ait une réponse pour chaque groupe exposé. Les gagnants sont promus ; les algorithmes sont pondérés selon ce qu’ils rapportent.

La même honnêteté s’applique à ce que le moteur a trouvé seul : le lift prévu et le lift réalisé sont présentés séparément, et un entonnoir compte les audiences créées, remplies et réellement utilisées. Compte d’illustration.

Pourquoi les couches comptent

Les éditeurs issus d’un outil de test commencent généralement à la couche cinq ; ceux issus d’un widget de recommandation commencent à la couche quatre. Les deux greffent un profil après coup, et c’est pourquoi leur « full stack » a besoin d’un projet d’intégration pour fonctionner comme un seul système. Partir des données — collectées par défaut, comprises par le robot, étendues par vos intégrations — est ce qui rend chaque couche suivante peu coûteuse : la règle de ciblage, le mélange de recommandations, le test et le rapport lisent tous le même profil, et le propriétaire du site fixe les règles à chaque étape.

• La plateforme de personnalisation — un profil, un moteur, tous les usages.
• Le ciblage comportemental — les règles, les déclencheurs, les canaux.
• Le moteur de recommandation — les algorithmes et les réglages qui les pilotent.
• Les tests A/B centrés sur l’audience — allocation et arbitrage par audience.
• Audience Discovery — les audiences que le moteur trouve dans vos propres données.
• Réserver une démo — voyez la décision prise sur vos propres pages.