Aller au menu | Aller au contenu | Aller à la recherche

[ Université Jean Moulin Lyon 3
Recherche avancée

Université Jean Moulin Lyon 3


Accueil : Université Jean Moulin / Recherche / Publications et thèses / Thèses / Thèses soutenues / Thèses soutenues - 2017

SHI Fanjuan

  • Version PDF

Une Méthodologie De Personnalisation Marketing Intelligente Basée Sur La Contextualisation En Temps Réel Dans L'ère De Big Data

Mise à jour : 31 octobre 2017

Thèse en Sciences de Gestion soutenue le 19 mai 2017.

La personnalisation peut améliorer la pertinence et l'utilité des communications marketing B2C. Cependant, ce n'est pas la panacée pour tous les défis marketing B2C. Dans le but de renforcer la pertinence et l'utilité des contenus de marketing personnalisés, nous proposons une approche de personnalisation marketing contextuelle qui permet d'analyser les comportements d’achat cross-canaux, d'interpréter les intentions du consommateur, de détecter l'état cognitif des consommateurs et d'utiliser la stratégie de personnalisation appropriée pour générer et afficher des contenus marketing personnalisés. Notre approche prend en compte le volume, la variété et la variabilité des données de consommateurs dans un scénario de shopping cross-canaux. En utilisant un mécanisme d'apprentissage, notre approche permet à un système de personnalisation marketing d'apprendre de la préférence des consommateurs pour le moment et le moyen de contact afin qu'il puisse ajuster sa stratégie de personnalisation dynamiquement. Le test A / B indique que notre approche peut améliorer la pertinence et l'utilité des contenus de marketing personnalisés et la connaissance des voyages d'achat cross-canaux peuvent remodeler la façon dont les entreprises planifient, exécutent et évaluent leurs événements marketing.

Personalization can enhance the relevance and usefulness of B2C marketing communications. However, it is not the panacea for all the B2C marketing challenges. With an aim to further enhance the relevance and usefulness of personalized marketing contents, we propose a context-aware marketing personalization approach that can analyze cross-channel shopping behaviors, interpret consumer intentions, detect consumers cognitive state, and use the appropriate personalization strategy to generate and deliver personalized marketing contents to them. Our approach takes into account the volume, variety, and variability of consumer data in a cross-channel shopping scenario. Using a learning mechanism, our approach allows a marketing personalization system to learn from consumers’ preference for the moment and medium of contact so that it can adjust its personalization strategy dynamically. A/B test indicates that our approach can significantly enhance the relevance and usefulness of personalized marketing contents and the knowledge of cross-channel shopping journeys may reshape the way firms plan, execute, and evaluate marketing events.

Mots-Clés :
shopping cross-canal, personnalisation, contexte, apprentissage automatique, intention, état cognitif

Keywords :
cross-channel shopping, personalization, context, machine learning, intention, cognitive state

Directeur de thèse : Jean-Jacques CEGARRA
                                  Chirine GHEDIRA
                                  Catherine PIVOT
                              
Membres du jury :
- MUSTAFA EL HADI Widad Professeur des Universités Université de Lille 3
- ZHOU Jie-Ru Maître de Conférences HDR Shanghai Jiao Tong University, Chine
- CEGARRA Jean-Jack Professeur des universités Université jean-Moulin Lyon 3
- GHEDIRA Chirine Professeure des universités Université jean-Moulin Lyon 3
- PIVOT Catherine Professeure des universités émérite Université Jean Moulin Lyon 3
- DAVID Amos Professeur des universités Université de Lorraine, Nancy Président
- SAAD Mohammed Professeur des universités University of West of England, Bristol, Angleterre
- MARINI Jean-Luc Représentant d’entreprise Président et directeur de la recherche, Search’XPR SA
 
Président du jury : Amos DAVID

Résultat : Admis

Equipe d'accueil : MAGELLAN
 


Thématique(s)
Recherche

[ Recueil des thèses et H.D.R. ]

[ Contact ]

Pour toute question relative aux résumés de thèses soutenues, veuillez contacter Patricia GALEA - patricia.galea@univ-lyon3.fr

[ Documentation ]

Rechercher un article

Recherche un article

Mise à jour : 31 octobre 2017