COM 7162 Réaction émotionnelle Personnalisation et ecommerce Réaction émotionnelle Personnalisation et ecommerce

Mesure des réactions affectives »Qualité des interactions -sociale, esthétique, fluidité »Les clients ne sont pas toujours rationels, utilitaires. »Importance des réactions affectives(Norman, 1984; Zhang & Li, 2005) »Niveau conscient et pré-conscient (Hirschman & Holbrook, 1982) »Qualité des interactions -sociale, esthétique, fluidité »Les clients ne sont pas toujours rationels, utilitaires. »Importance des réactions affectives(Norman, 1984; Zhang & Li, 2005) »Niveau conscient et pré-conscient (Hirschman & Holbrook, 1982)

Personnaliser = »Qui interagit ? »Pour faire quoi ? »Connaissance du contexte..??? Quest-ce qui est important ? Comment en tenir compte ? »Qui interagit ? »Pour faire quoi ? »Connaissance du contexte..??? Quest-ce qui est important ? Comment en tenir compte ?

Méthodes de scénarisation Approche Persona »Ne pas définir un usager typique..décrire différents types dusagers »Personnaliser les interactions, que chaque personne se sente unique »Alan Cooper »« Choisir une femme précise, lui donner une biographie, un âge, une occupation, un foyer, une famille, des attentes face au produit, etc. Ce qui permet de concevoir son application en faisant constamment référence à cette personne et à ses attentes. Par exemple, est-ce que Judith aimerait tel aspect de linterface, va-t-elle apprécier le module dachat en ligne, etc.? » »Imaginer plusieurs usagers typiques et confronter le produit à des archétypes précis… Presbyte…rébarbatif à la technologie… pressé..Jeunes, vieux Sassurer quon choisit bien les différents usagers typiques. »Prévoir des chemins spécifiques (flexibilité) »Ne pas définir un usager typique..décrire différents types dusagers »Personnaliser les interactions, que chaque personne se sente unique »Alan Cooper »« Choisir une femme précise, lui donner une biographie, un âge, une occupation, un foyer, une famille, des attentes face au produit, etc. Ce qui permet de concevoir son application en faisant constamment référence à cette personne et à ses attentes. Par exemple, est-ce que Judith aimerait tel aspect de linterface, va-t-elle apprécier le module dachat en ligne, etc.? » »Imaginer plusieurs usagers typiques et confronter le produit à des archétypes précis… Presbyte…rébarbatif à la technologie… pressé..Jeunes, vieux Sassurer quon choisit bien les différents usagers typiques. »Prévoir des chemins spécifiques (flexibilité)

Types de personnalisation Les plus populaires Contrôles des données personnelles Automatic support alleer Historique Trouver ce quon cherche suggestion de produits alternatifs Suivi des transactions Réduire linformation à ce qui est nécessaire.. Les plus populaires Contrôles des données personnelles Automatic support alleer Historique Trouver ce quon cherche suggestion de produits alternatifs Suivi des transactions Réduire linformation à ce qui est nécessaire..

Coûts - bénifices Fournir des informations personnelles Vs meilleur service Modèles prédictifs.. des attitudes des consommateurs.. Système de recommandations avec justifications Valeur ajoutée à linteraction basée sur la connaissance que le fournisseur dinformation acquière de lusager.. Plus valorisée que lutilisabilité. Fournir des informations personnelles Vs meilleur service Modèles prédictifs.. des attitudes des consommateurs.. Système de recommandations avec justifications Valeur ajoutée à linteraction basée sur la connaissance que le fournisseur dinformation acquière de lusager.. Plus valorisée que lutilisabilité.

Psychological Customization »Mind based technologies - Saari &Turpeinen May vary the form of information per user profile.. To produce, amplify or shade psychological effects. »Types Filtre à linformation - notification.attire lattention Affective computing - reçoit du feedback sur lémotion et sen sert pour juger de lefficacité de la stratégie. Filtres collaboratif s- tient compte des préférences du groupe Technologie de persuasion - agents avec comportements différents selon lusager MMS - variation dans le design des messages »Mind based technologies - Saari &Turpeinen May vary the form of information per user profile.. To produce, amplify or shade psychological effects. »Types Filtre à linformation - notification.attire lattention Affective computing - reçoit du feedback sur lémotion et sen sert pour juger de lefficacité de la stratégie. Filtres collaboratif s- tient compte des préférences du groupe Technologie de persuasion - agents avec comportements différents selon lusager MMS - variation dans le design des messages

Psychological customization »Ecommerce changer la présentation en fonction des préférences »Pilotte surveiller le degré dattention et rappeler à lordre »Ecommerce changer la présentation en fonction des préférences »Pilotte surveiller le degré dattention et rappeler à lordre

Conclusion »Recherches nécessaire pour appliquer le principe Au delà de Lutilisabilité… Quest-ce qui p optimise un effet psychologique ? Satisfaction dune transaction en ligne Plaisir dans les jeux Communication avec les pairs en MMS Mesures des réactions…en situation réelle Quelles applications voyez-vous ? Problèmes éthiques.. »Recherches nécessaire pour appliquer le principe Au delà de Lutilisabilité… Quest-ce qui p optimise un effet psychologique ? Satisfaction dune transaction en ligne Plaisir dans les jeux Communication avec les pairs en MMS Mesures des réactions…en situation réelle Quelles applications voyez-vous ? Problèmes éthiques..

Self-service, personnalisation et eGovernment »Changement apporté par le self-service.. Le consommateur est roi.. Reconnaître vs rappel Décision....ici maintenant. Susciter le besoin. Consommateur garde le contrôle E-tail - un certain échec Moins de contrôle.. pas assez déléments dans une page. E-Service - Exemple Amazon.. Intègre suggestion tout en laissant le contrôle. »Changement apporté par le self-service.. Le consommateur est roi.. Reconnaître vs rappel Décision....ici maintenant. Susciter le besoin. Consommateur garde le contrôle E-tail - un certain échec Moins de contrôle.. pas assez déléments dans une page. E-Service - Exemple Amazon.. Intègre suggestion tout en laissant le contrôle.

E-Government »Opt-In Opt-Out »Identité, Multitude dIdentité..temps pour la définir et la récupérer »Identité de groupe.. Moins de risque »Visibilité des informations de personnalisation »Formation des utilisateurs.. »Opt-In Opt-Out »Identité, Multitude dIdentité..temps pour la définir et la récupérer »Identité de groupe.. Moins de risque »Visibilité des informations de personnalisation »Formation des utilisateurs..

E-government Apprendre du e-commerce »Orienter vers la satisfaction de lusager »Créer des communautés dintérêts »Augmenter léchange dinformation »Inclure les dimensions communautaires dans les préoccupations de la personnalisation.. Quels produits achetés profitent le plus à votre communauté ? »Orienter vers la satisfaction de lusager »Créer des communautés dintérêts »Augmenter léchange dinformation »Inclure les dimensions communautaires dans les préoccupations de la personnalisation.. Quels produits achetés profitent le plus à votre communauté ?

Vie privée et personnalisation »Cranor - in Karat 2004 »Études sur les risques de la personnalisation, sur les craintes des utilisateurs »8 Principes de lOCDE - Data subject vs data collector 1.Data limitation 2.Data quality 3.Purpose specification 4.Use limitation 5.security Safeguards 6.Openness 7.Individual participation 8.Accountability »Cranor - in Karat 2004 »Études sur les risques de la personnalisation, sur les craintes des utilisateurs »8 Principes de lOCDE - Data subject vs data collector 1.Data limitation 2.Data quality 3.Purpose specification 4.Use limitation 5.security Safeguards 6.Openness 7.Individual participation 8.Accountability

Craintes..

Axes de personnalisation et impact sur la vie privée More invasiveLess privacy invasive implicitdata collectionExplicit PersistentdurationTransient System initiated user controlUser initiated Prediction based Reliance onContent based More invasiveLess privacy invasive implicitdata collectionExplicit PersistentdurationTransient System initiated user controlUser initiated Prediction based Reliance onContent based