Cocosearch

Un offreur fiable, un demandeur satisfait
Algorithme de matching offreur-demandeur
04/04/2016 The people from Cocolabs

Les sites e-commerces conçoivent leurs moteurs de recherche afin de retourner à l’acheteur le résultat qui correspond au plus près de ce qu’il a recherché (je veux un ballon rouge, la plateforme me propose des ballons rouges). Cela constitue le meilleur résultat de recherche, car c’est celui qui permet la plus grande probabilité d’aboutir à une transaction. Lorsqu’un acheteur trouve ce qu’il a recherché, et qu’il procède au paiement, il est a priori certain d’être livré car les sites e-commerce maitrisent leur offre.

Les marketplaces de services sont confrontées à une problématique où l’offre est moins fiable. Il existe une forte inflexibilité de disponibilité dans le temps et l’espace (la prestation doit avoir lieu à un moment précis, à un endroit précis). A cette contrainte vient s’ajouter un aléa de fiabilité causé par la typologie d’une partie des offreurs (microentreprises, autoentrepreneurs, particuliers), auprès desquels on n’est pas certain qu’ils pourront/voudront honorer la demande.

Afin de répondre aux contraintes et particularités des marketplaces de services, différents algorithmes de recherche ont étés testés sur différentes plateformes.

1ère génération d’algorithme

La première génération d’algorithme n’avait pas identifié les problématiques de fiabilité de l’offre. La méthodologie classique des sites e-commerce avait été directement transposée sur les marketplaces. Ainsi, les résultats étaient classifiés par distance au lieu recherché en fonction des dates déclarées disponibles (on cherchait à fournir le résultat le plus proche de ce qui a été recherché). C’est au terme de quelques centaines de transactions qu’on a identifié un problème majeur sur le taux de refus d’honorer les prestations de la part des offreurs.

2ème génération d’algorithme

Suite à l’identification d’un grand nombre de refus de prester de la part des offreurs, nous avons fait évoluer l’algorithme de recherche afin qu’il privilégie les résultats dont les dates de disponibilité ont étés explicitement déclarées par l’offreur. Les marketplaces de services que nous réalisons vont généralement considérer que l’offreur est toujours disponible, il lui appartient ensuite de déclarer ses indisponibilités et d’expliciter ses disponibilités justement afin d’être mieux considéré par le moteur de recherche. Cette méthode a apporté des améliorations considérables mais laissait deviner une grande marge d’amélioration possible.

3ème génération d’algorithme (Cocosearch)

Nous considérons maintenant que le meilleur résultat de recherche pour le demandeur, pour l’offreur et pour la plateforme est celle qui a le plus de chances d’aboutir à une transaction. Nous constatons également que le plus grand frein à l’aboutissement d’une transaction est un refus ou un manque de réponse de la part de l’offreur. Ainsi nous avons orienté l’algorithme de recherche donnant une forte priorité au comportementalisme historique des offreurs. Les principes de l’algorithme se basent sur les éléments suivants :

Lieu

La recherche par lieu propose une série de résultats à proximité du lieu recherché. Cette liste est classifiée en deux listes :

  • Résultats exacts
    Les résultats exacts sont les résultats dont la localité (rue, code postal, ville, département, région ou pays) correspond exactement au lieu recherché.
  • Résultats proches
    La deuxième partie de la liste comprend tous les résultats proches du lieu recherché, tel que défini par le viewport par défaut renvoyé.

Disponibilité

Lors d’une recherche par date, les deux listes des résultats par lieux mentionnés ci-dessus sont divisées chacune en deux groupes :

  • Disponibilité avérée
    Les prestations dont les dates de disponibilités avérées concordent avec les dates de la recherche sont proposées en premier
  • Disponibilité indéterminée
    Les prestations dont les dates de disponibilité sont inconnues sont proposées en second lieu.

Classification

Pour chacune des annonces des quatre groupes formés suite à une recherche par date et par lieu, une classification est attribuée en fonction des règles suivantes :

  • Taux de remplissage de l’annonce (poids X)
    Le taux de remplissage prend en compte le nombre d’informations fournis par l’offreur au sujet de l’annonce : une caractéristique est-elle renseignée ? un titre est-il renseigné ? la description contient-elle plus de 250 caractères ? le prix est-il renseigné ? as-t-il plus d’images que le minimum demandé ?..
  • Taux de remplissage de son profil (poids X)
    Le taux de remplissage prend en compte le nombre d’informations fournis par le fournisseur le concernant : la description contient-elle plus de 250 caractères, y-a-t-il plus d’images que le minimum demandé.
  • Notation reçue (poids X)
    La prise en compte des notations reçues par les vendeurs dans la classification des résultats est conçue avant tout pour écarter les mauvais fournisseurs plus que pour promouvoir les bons fournisseurs. La démarche suit l’idée qu’une bonne prestation est le minimum attendu, alors qu’une mauvaise prestation doit être lourdement pénalisée. On tient compte de la note moyenne de l’offreur, elle-même pondérée par le nombre de notations reçues.
  • Date de dernière mise à jour du calendrier (poids X)
    Le fait que le calendrier ait été mis à jour récemment permet d’avoir une plus grande certitude sur la fiabilité des disponibilités qui y sont indiquées. Une note différente est donnée selon la dernière date de modification du calendrier.
  • Nombre de prestations dans les 30 derniers jours (poids X)
    Un taux de fourniture de prestations élevé dans une période récente permet de supposer une volonté de répondre aux demandes et d’effectuer des prestations. Une note différente est attribuée selon le nombre de réservations payées et non-annulées dans les 30 derniers jours.
  • Taux de réponse aux messages : (poids X)
    Pour calculer le taux de réponse on divise le nombre de messages envoyés par le nombre total de ses messages.
  • Taux d’acceptation (poids X)
    Le taux d’acceptation du fournisseur correspond au pourcentage de demandes qu’il a accepté, peu importe l’issue de la réservation.
  • Nombre de transactions réussies (poids X)
    Le nombre de transactions réussies est calculé à partir du nombre de réservations dont le virement a été autorisé par rapport au nombre de réservations totales.
  • Temps de réponse (poids X)
    La prise en compte du temps de réponse permet de privilégier les offreurs les plus réactifs aux demandes. Le délai de réponse est calculé en fonction du temps entre le dernier message reçu et la réponse donnée pour chaque fil de discussion. Si aucune réponse n’a été donnée ce temps n’est pas pris en compte. Une note différente est attribuée selon le temps de réponse moyen.
  • Certifié (poids X)
    Chaque annonce peut porter un statut « certifié » qui est donné par l’administrateur. Le fait d’être certifié améliore la position de l’annonce dans les résultats de recherche.
  • Bonus nouvel arrivant (poids X)
    Afin d’identifier de nouveaux fournisseurs performants, et afin de leur donner leur chance, un bonus nouvel arrivant est attribué pour toute annonce ayant été déposée il y a moins de 30 jours.
  • Bonus aléatoire (poids X)
    Afin de prévenir l’immobilisme des offres, et afin d’encourager des offreurs n’ayant pas réussi à obtenir un classement favorable, un bonus aléatoire est attribué à 5% des annonces du site. Ce bonus est réattribué chaque jour. Le bonus est attribué aléatoirement. Une annonce bénéficiant d’un bonus aléatoire se voit attribuer une note entre 1 et 5 de manière aléatoire.

Conclusion

Lorsque l’on gère une plateforme axée sur l’économie participative, la préoccupation fondamentale doit être la satisfaction de l’expérience du demandeur afin de maximiser le taux de conversion et donc de rendre l’entreprise rentable. La difficulté du métier réside dans le fait qu’à l’inverse d’un e-commerce, la plateforme collaborative n’est pas en mesure garantir la fiabilité de l’intégralité de son offre. En effet les offreurs sont régulièrement des particuliers ou des professionnels se comportant comme tels. Ces derniers, réalisant la majorité de leur volume d’affaires en dehors de la plateforme, n’y affichent pas le sérieux et l’implication d’une entreprise dont le e-commerce est l’unique ou le principal canal de diffusion. Le risque majeur se profilant est que le demandeur soit confronté à des refus répétés voir, bien pire encore, des absences de réponses.

Les annonces dont les offreurs ont une conduite à risque, doivent être identifiées et chuter en conséquence dans les résultats proposés en retour à la recherche. Ce comportement est lié à une évolution sur un laps de temps parfois très court (quelques semaines) de la situation de l’offreur et notamment de son besoin d’obtenir de l’argent en échange de la prestation qu’il propose. Typiquement, si je prévois un voyage dans 4 mois, et que pour en financer une partie je propose ma voiture en location, je vais accepter pendant 4 mois de faire cet effort de me passer de mon véhicule, cependant, il y a fort à parier qu’un demandeur me contactant dans 6 mois pour la location de cette même voiture essuie un refus ou une absence de réponse car soit je n’aurai pas mis à jour mon annonce ou j’aurai tout simplement cessé de me rendre sur le site. Cette expérience est malheureusement récurrente pour un grand nombre de demandeurs sur les marketplaces collaboratives ; elle doit être évitée à tout prix, quel que soit le stade de vie de la plateforme.

Pour réussir sa plateforme, il ne faut pas considérer l’économie à la demande comme on l’a fait pour le reste du web jusqu’à présent. L’économie participative casse ces codes. Elle révolutionne les réseaux de distribution et remodèle la psychologie de consommation. Le demandeur ne cherche plus le produit qu’il a vu trop cher en magasin mais plutôt « le bon feeling ». Cette satisfaction du demandeur, par nature subjective, est le saint graal du moteur de recherche de la Marketplace de service de demain. La réflexion menant à formuler la problématique suivante est l’essence même de Cocosearch : la façon de consommer a changé, les attentes du consommateur ont changé, la manière de fournir le service doit changer au profit de la probabilité de conclure la recherche par une transaction.

Cocosearch, l’algorithme de recherche utilisé par les plateformes reposant sur la technologie open source Cocorico éditée par Cocolabs, a pour objectif ultime de maximiser le taux de recherches aboutissant à une transaction. Une recherche effectuée par Cocosearch va dans un premier temps définir un périmètre autour de la zone géographique considérée au sein duquel le résultat est jugé comme coïncidant avec la recherche. Dans ce périmètre, les annonces correspondant en catégories et caractéristiques sont ordonnées via une pondération définie par la plateforme pour remonter en priorité les résultats susceptibles de conduire à une transaction. Ces facteurs peuvent être liés à l’activité supposée de l’offreur (date de dernière mise à jour de l’annonce, taux de réponse pour l’annonce…) ou à son historique (notation, nombre de transactions réussies…) ; quoi qu’ils soient, du moment qu’ils constituent un indice de fiabilité de cette personne qui aux yeux du demandeur est garant de la réputation d’une plateforme entière.

1 Avis

Laisser une réponse