E-commerce
26 juin 2026
Un chatbot Shopify générique répond comme une FAQ. Un chatbot connecté aux données client peut reconnaître le contexte : commande récente, statut VIP, taille habituelle, langue, historique d’achat, abonnement ou préférence déjà déclarée.
La promesse n’est pas de dire « bonjour prénom » partout. La vraie personnalisation consiste à éviter au client de répéter, à proposer une réponse plus juste et à transmettre le bon contexte quand un humain doit reprendre.
Cet article #20 est plus précis que les contenus généralistes. Si API indisponible : mode dégradé (#279). sur la personnalisation e-commerce : il explique quelles données Shopify utiliser, quand les utiliser, comment rester utile et comment tester sans devenir intrusif.
Summary
Quelle personnalisation est vraiment utile ?
La personnalisation utile change la réponse. Si la donnée client ne modifie ni le conseil, ni le support, ni le routage, elle ne sert qu’à décorer la conversation.
Personnalisation utile
Le bot reconnaît une commande, propose le bon statut, recommande une variante compatible, adapte le handoff ou évite de reposer une question déjà répondue.
Personnalisation inutile
Le bot répète le prénom, mentionne l’historique sans raison ou affiche des informations internes qui mettent le client mal à l’aise.
Règle simple
Avant d’utiliser une donnée client, écrivez la phrase suivante : « grâce à cette donnée, le bot peut... ». Si vous ne terminez pas clairement la phrase, ne l’utilisez pas encore.
Shopify présente les profils client unifiés comme une base pour reconnaître l’historique, les préférences et les interactions d’un client dans un même profil (Shopify, unified customer profiles).
Quelles données Shopify lire en premier ?
Commandes : numéro, articles, statut paiement, fulfillment, tracking
Historique : produits achetés, fréquence, dernière commande
Tags : VIP, wholesale, abonné, retour fréquent, B2B
Segments : clients fidèles, inactifs, gros paniers, pays
RFM : segment Shopify (Champions, At Risk…) pour routing bot interne, voir RFM chatbot (#276)
Métachamps : taille habituelle, préférence, langue, profil peau
Consentement : opt-in email, SMS, marketing, pays et langue
Commencez par les champs réellement remplis et fiables. Un métachamp prévu mais vide ne personnalise rien. Un tag mal maintenu crée de mauvaises réponses.
Audit rapide
Prenez 20 clients au hasard et vérifiez combien ont un historique exploitable, des tags cohérents et des métachamps remplis. Ce petit audit évite de bâtir une personnalisation sur une base théorique.
Comment personnaliser le support post-achat ?
Le post-achat est le cas le plus simple à rentabiliser, car la donnée Shopify change immédiatement la réponse.
Identifier le client ou la commande
Lire le statut fulfillment et le lien de tracking
Adapter la réponse au pays, au transporteur et au délai
Escalader si colis bloqué, dommage ou remboursement sensible
Script concret
« Je vois que votre commande #1042 est partie hier avec Colissimo. Le suivi indique une livraison prévue demain. Si le statut ne bouge pas d’ici 48 h, je peux transmettre le dossier à l’équipe. »
Gorgias explique que son AI Agent peut s’appuyer sur Shopify, les commandes, les profils client, les produits et le fulfillment pour personnaliser les réponses (Gorgias AI Agent).
Comment personnaliser le pré-achat sans se tromper ?
En pré-achat, l’historique aide, mais il ne doit jamais écraser l’intention du moment.
Rachat : proposer le même produit ou une recharge compatible
Accessoire : suggérer un complément à un produit déjà acheté
Taille : utiliser la taille habituelle avec prudence
Gamme : recommander une version supérieure si l’usage le justifie
Cadeau : ignorer l’historique si le client achète pour quelqu’un d’autre
Shopify décrit l’AI personal shopper comme un assistant capable d’utiliser les informations produit, les données comportementales et la requête client pour fournir un conseil contextualisé (Shopify AI personal shopper).
Priorité à l’intention actuelle
Si un client fidèle achète un cadeau, son historique personnel peut induire le bot en erreur. Demandez d’abord « est-ce pour vous ou pour offrir ? » avant de recommander selon ses achats passés.
Tags, segments et métachamps : quand utiliser quoi ?
Tags
Utilisez-les pour des règles simples : VIP, wholesale, abonné, client pro, retour fréquent. Ils sont rapides à lire, mais peu structurés.
Segments
Utilisez-les pour des groupes dynamiques : gros acheteurs, clients inactifs, clients ayant acheté une collection. Shopify Segmentation permet de créer des audiences qui se mettent à jour avec les données client (Shopify Segmentation).
Métachamps
Utilisez-les pour une donnée précise : pointure, langue préférée, type de peau, date anniversaire, taille habituelle, statut B2B. C’est le meilleur format quand le bot doit répondre avec exactitude.
Quelles règles écrire pour le bot ?
La personnalisation doit être pilotée par des règles lisibles par l’équipe support.
VIP : handoff prioritaire si litige ou panier élevé
Wholesale : ne pas appliquer les scripts D2C standards
Retour fréquent : vérifier taille ou compatibilité avant recommandation
Abonné : proposer report, changement de fréquence ou gestion abonnement
Pays : adapter livraison, retours et taxes si les règles changent
Gorgias Guidance permet d’écrire des consignes conditionnelles de type IF/THEN en utilisant des variables Shopify, par exemple si les tags incluent loyalty-gold, alors rappeler l’avantage associé (Gorgias Guidance).
Format recommandé
Écrivez les règles en langage simple : « si client wholesale, ne propose pas de code promo D2C ; transfère vers le contact pro si la demande porte sur volume, devis ou délais spéciaux ».
Comment identifier le client sans friction ?
La personnalisation exige de savoir à qui l’on parle, mais l’identification ne doit pas bloquer la conversation.
Visiteur anonyme : utilisez seulement contexte page et panier session
Client connecté : utilisez profil, commandes et préférences autorisées
Post-achat non connecté : demandez e-mail ou numéro de commande
Action sensible : exigez une vérification plus forte
Règle de sécurité
N’affichez jamais une adresse, un statut remboursement ou un détail de commande sans vérification suffisante. Mieux vaut une réponse un peu moins personnalisée qu’une fuite de données.
Exemple de parcours
Pour une question WISMO, demandez e-mail ou numéro de commande, affichez seulement le statut utile, puis proposez l’escalade si le colis est bloqué. Ne lisez pas tout l’historique client pour une question simple.
Quels scripts de réponse utiliser ?
Client récurrent
« Vous aviez commandé ce modèle en taille M. Pour cette nouvelle coupe, je vous conseille aussi M, sauf si vous préférez un porté plus ample. »
Client VIP
« Je transmets votre demande à l’équipe avec votre historique de commande, pour vous éviter de tout répéter. »
Abonné
« Votre prochaine livraison est prévue la semaine prochaine. Je peux vous aider à la reporter ou modifier la fréquence. »
Visiteur anonyme
« Je peux vous guider à partir du produit que vous consultez. Pour vérifier une commande, j’aurai besoin de votre e-mail ou numéro de commande. »
Quelles limites RGPD et confiance respecter ?
Finalité : utiliser la donnée pour aider, pas pour surprendre
Minimisation : lire seulement ce qui sert à répondre
Transparence : expliquer pourquoi une donnée est demandée
Masquage : ne jamais exposer de tags internes sensibles
Consentement : ne pas transformer le support en marketing non consenti
Un bot peut dire « je retrouve votre commande ». Il ne doit pas dire « vous êtes classé client à risque ». La donnée interne doit guider le service, pas être affichée brute.
Comment tester avant de généraliser ?
Testez par scénario, pas par promesse globale.
WISMO client connecté pendant 14 jours
Retour simple avec commande vérifiée
Rachat ou accessoire compatible pour clients récurrents
Routage VIP vers humain avec résumé
Client anonyme sans fuite de données
Mesurez taux de résolution, escalade, CSAT, recontact, conversion assistée et erreurs de personnalisation. À relier avec les KPI chatbot e-commerce et la zero-party data chatbot.
Seuil de validation
Ne généralisez pas si le bot personnalise juste une partie des conversations mais augmente les recontacts. La bonne personnalisation réduit la répétition et améliore la clarté.
Comment Qstomy personnalise avec Shopify ?
Qstomy connecte le chatbot au contexte Shopify pour personnaliser là où cela crée une vraie valeur : support post-achat, conseil produit, rachat, compatibilité et handoff.
Scénario DTC mode
Boutique Shopify, 35 000 clients. Qstomy lit commande récente, taille habituelle et statut VIP. Sur 1 500 conversations/mois, 420 concernent une commande, 180 une question taille, 75 un client récurrent. Hypothèse pilote : 58 % des WISMO résolus sans humain, 90 ajouts panier assistés sur recommandations de taille ou rachat, et handoff prioritaire pour 35 clients VIP.
L’intérêt n’est pas de sur-personnaliser. Il est de réduire les répétitions, d’améliorer le conseil et de transmettre le bon contexte à l’humain.
Dans ce scénario, la personnalisation commence par le post-achat car le risque est faible et la valeur immédiate. Les recommandations pré-achat arrivent ensuite, quand les règles taille et historique sont validées.
Voir intégration Shopify, support client IA, assistant IA de vente et demander une démo.
Quels playbooks appliquer cette semaine ?
Playbook 1 : inventaire des champs
Listez commandes, tags, segments et métachamps réellement remplis. Supprimez du projet tout champ trop vide ou mal maintenu.
Playbook 2 : WISMO personnalisé
Lancez le suivi commande identifié : statut, transporteur, délai et escalade si blocage.
Playbook 3 : règles VIP
Définissez précisément ce que change le tag VIP : priorité, ton, handoff, mais pas promesse commerciale inventée.
Playbook 4 : recette sécurité
Testez mauvais e-mail, commande inexistante, client anonyme, tag sensible et demande de remboursement avant mise en ligne.
Maillage utile
Données : entraîner un chatbot avec Shopify
ROI : calculer le ROI chatbot
Support : support post-achat automatisé
Handoff : handoff chatbot humain
Enzo
26 juin 2026
