Intégration de contraintes industrielles dans la recommandation de produits pour la prise en compte de la capacité à répondre à la demande

Les systèmes de recommandations (SRs) ont été développés pour prédire les intérêts des utilisateurs et les assister quant à la surcharge d'informations à laquelle ils peuvent être exposés lors de leurs processus d'achat. De façon spécifique, en vente de détail, ils ont été développés pour personnaliser l'affichage des produits en fonction des prédictions des intérêts des clients en se basant sur leurs comportements passés. Les SRs orientent donc les clients vers des produits spécifiques. Cependant, ils ne tiennent pas compte de la capacité de l'entreprise à répondre à la demande qu'ils induisent. Ainsi, l'objectif de cette thèse est d'améliorer les systèmes de recommandations pour tenir compte de la capacité de l'entreprise à répondre à la demande. Les trois problématiques relatives à la prise en compte de la demande dans la recommandation de produits sont les suivantes : (1) tenir compte de la disponibilité des produits en inventaire, en contexte de e-commerce, (2) tenir compte de la capacité de l'entreprise à livrer les produits dans un délai prédéterminé, en contexte de e-commerce et (3) tenir compte de la disponibilité des produits, en contexte de vente stationnaire et de démarrage à froid. La première contribution propose une méthode d'ajustement des scores de recommandations pour réorienter la demande, en fonction des niveaux de stock des produits et de l'importance perçue des clients pour l'entreprise. La deuxième contribution propose d'ajuster les scores de recommandation en tenant compte des tournées des véhicules programmées et de la localisation des stocks au moment de la recommendation. Et finalement la troisième contribution présente une nouvelle technique de recommandation tenant compte de manière interactive des exigences et des appréciations du client, mais également des données logistiques. Elle permet d'un côté de réaliser des recommandations en contexte de démarrage à froid, et d'un autre côté de tenir compte des contraintes d'approvisionnement de produits. Ces trois contributions permettent d'améliorer les performances des SRs actuels en tenant compte des contraintes logistiques dans la recommandation de produits et donc de ne pas générer de demande qui ne peut être comblée. Les méthodes présentées permettent également d'utiliser les systèmes de recommandations pour augmenter l'agilité de la gestion de la demande. L'utilisation des systèmes de recommandations pour réorienter la demande permet de limiter l'impact potentiel de ruptures ou de surcharges de stock, d'améliorer le taux de remplissage des camions, d'augmenter la satisfaction des clients et d'améliorer la compétitivité de l'entreprise.

Abstract

Recommendation systems have been developed to predict users' interests and assist them with the information overload they may face. Specifically for retail, they have been developed to customize the display of products based on predictions of customer interests based on their past behavior. Recommendation systems therefore direct customers to specific products. However, they do not take into account the ability of the company to meet the demand that it induces. Thus, the objective of this thesis is to improve the recommendation systems to take into account the capacity of the company through its logistic network to meet the demand. The three issues relating to the consideration of demand in the product recommendation are as follows: (1) Take into account the availability of products in inventory, in the context of e-commerce. (2) Take into account company's ability to deliver products within a predetermined period, in the context of e-commerce. (3) Take into account the availability of products in the context of brick and mortar while facing cold start. The first contribution proposes a method of adjusting recommendation scores to redirect demand based on product inventory levels and on the perceived importance of customers for the company. The second contribution proposes to adjust the recommendation scores taking into account scheduled vehicle tours and product locations. And finally the third contribution presents a new technique of recommendation taking into account, through the interaction with the customer, his requirements and his appreciations in the recommendation of products. It allows on one side to perform recommendations in a cold start context, and on the other side to take into account the constraints of supply chain. These three contributions make it possible to take into account supply chain constraints in the product recommendation and thus avoid inducing product demand that cannot be filled. The methods presented also allow the use of recommender systems to increase agility in demand management. The use of recommender systems to redirect demand limits the impact of stockouts or potential inventory overloads, improves truckload rates, increases customer satisfaction and improves competitiveness for the company.