Zalando
assistant shopping conversationnel genAI grand public
Le Zalando Assistant, assistant shopping conversationnel genAI adosse aux modeles maison de Zalando et au LLM GPT-4o mini d'OpenAI, est live pour les clients connectes sur les 25 marches depuis octobre 2024 ; plus de 2 millions de clients l'ont utilise et Zalando a observe +40 pour cent d'interactions a forte valeur (like, ajout au panier) en phase pilote.
L'essentiel
- Assistant shopping conversationnel genAI, live sur les 25 marches Zalando depuis octobre 2024.
- Adosse aux modeles maison Zalando et au LLM GPT-4o mini d'OpenAI.
- Plus de 2 millions de clients l'ont utilise ; +40% d'interactions a forte valeur en pilote.
- Preuve B (communique Zalando plus customer story OpenAI), statut vivant confirme.
Objectif
Aider les clients a se laisser inspirer et a trouver plus vite les articles qui leur plaisent, au moment de la consideration, pour transformer la navigation en interactions a forte valeur (like, ajout au panier) sur l'ensemble des marches europeens de Zalando.
Le déploiement
Le Zalando Assistant est un assistant shopping conversationnel accessible aux clients connectes dans l'app et sur le site, dans leur langue locale. Le client formule une demande en langage naturel, par exemple ce qu'il devrait porter pour un anniversaire en novembre a Barcelone, et l'assistant propose des tenues et des articles en tenant compte du lieu, de la meteo et de l'occasion, ainsi que de la section parcourue. Lance en beta pour les clients connectes en octobre 2024, il a ete deploye des cette date sur les 25 marches de Zalando, adosse aux modeles maison de Zalando et aux modeles de langage d'OpenAI. Le 27 mars 2025, Zalando a lance une version enrichie : nouvelle identite visuelle, connexion au compte client pour une personnalisation plus profonde, et meilleure prise en compte du contexte de navigation. Cote technique, l'equipe a fait passer l'assistant de GPT-3.5 a GPT-4o mini, migrant 50 pour cent du trafic en deux semaines, ce qui a permis d'etendre le service a tous les marches et de multiplier le trafic par douze sans surcout significatif. En phase pilote, Zalando a observe +40 pour cent d'interactions a forte valeur comme un like ou un ajout au panier ; ce chiffre est un pilote, pas un resultat generalise. Plus de 2 millions de clients l'ont utilise depuis octobre 2024.
Résultats Preuve B
Communique officiel de Zalando (T1_primaire, corporate.zalando.com) chiffrant l'adoption (plus de 2 millions de clients), la couverture (25 marches) et le pilote (+40 pour cent d'interactions a forte valeur), concordant avec la customer story OpenAI (T2, GPT-4o mini) qui documente le stack et la montee en charge (trafic 12x, recommandations jugees inutiles -5 pour cent). Chiffres publics et concordants mais aucun consolide en resultats financiers, et le +40 pour cent est explicitement un pilote, d'ou un niveau B.
Comment ça fonctionne
Approche-type inféréeLe détail interne n'est pas public. Voici une approche éprouvée qui mène au même résultat - à adapter à votre stack.
La stack en détail
- outil Zalando Assistant Assistant shopping conversationnel integre a l'app et au site Zalando, disponible pour les clients connectes dans les langues locales. Il inspire, propose des tenues et recommande des articles en tenant compte du contexte (lieu, meteo, occasion) et de la section parcourue. Connecte au compte client pour approfondir la personnalisation des recommandations.
- llm OpenAI GPT-4o mini LLM d'OpenAI adopte en remplacement de GPT-3.5 pour ses capacites multilingues et son cout reduit. Le passage a GPT-4o mini a permis d'etendre l'assistant a l'ensemble des marches et de monter en charge le trafic sans surcout significatif.
- outil Modeles de personnalisation Zalando (in-house) Modeles proprietaires de Zalando qui alimentent l'assistant en signaux de personnalisation a partir du compte et du comportement de navigation.
Comment ça tourne, concrètement
Pour les équipes ops-
1Demande du client client
Le client connecte decrit un besoin en langage naturel dans l'app ou sur le site (occasion, style, contexte).
-
2Interpretation et recuperation IA
L'assistant interprete la requete via le LLM, croise le compte client, le contexte de navigation et le catalogue pour selectionner articles et tenues.
-
3Reponse et recommandation IA
L'assistant propose des tenues et des articles adaptes au lieu, a la meteo et a l'occasion, avec possibilite de liker ou d'ajouter au panier.
-
4Supervision et arbitrage de modele equipe data
Les equipes suivent l'adoption, les interactions a forte valeur et la part de recommandations jugees inutiles, et arbitrent le modele sous-jacent (migration GPT-3.5 vers GPT-4o mini) selon cout et qualite.
L'intention exprimee dans la conversation, plus le compte client et le contexte de navigation (section parcourue, historique). Sans ce signal first-party, les recommandations perdent en pertinence et l'interaction retombe au niveau d'une recherche generique.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLes consommateurs n'acceptent pas les chatbots par defaut : 64% prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (Gartner, 2024) et pres d'un utilisateur sur cinq du service client par IA n'en retire aucun benefice (Qualtrics, 2025). L'acceptation se construit sur trois conditions mesurees par Salesforce : savoir qu'on parle a une IA, pouvoir escalader vers un humain, comprendre la logique de l'agent.
Conditions d'acceptation
- Etre informe qu'on parle a une IA et non a un humain (pres de 75% le demandent, Salesforce 2024)
- Un chemin d'escalade clair vers un agent humain (45% plus enclins a utiliser l'agent IA, Salesforce 2024)
- Une logique de l'agent clairement expliquee (44% plus enclins, Salesforce 2024)
Lignes rouges
- Rendre l'humain injoignable : c'est la premiere inquietude des consommateurs sur l'IA dans le service client (Gartner 2024) et 50% craignent que l'IA les coupe du contact humain (Qualtrics 2025)
- Remplacer le service client par l'IA sans alternative : 53% envisageraient de partir chez un concurrent (Gartner 2024)
Sources : Salesforce 2024 · Gartner 2024 · Qualtrics 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- Catalogue produit structure et multilingue
- Compte client avec historique de navigation et d'achat first-party
- Signaux de contexte de navigation (section parcouru, panier)
- Metadonnees produit exploitables pour composer des tenues et des recommandations
Prérequis orga
- Equipe personnalisation et recommandation capable d'operer un assistant conversationnel en continu
- Acces a un LLM multilingue couvrant les langues des marches vises
- Processus d'arbitrage de modele (cout, qualite, latence) et de mesure d'impact
- Cadre de transparence et de conformite sur l'IA conversationnelle et l'usage des donnees de compte
Stack possible
- LLM multilingue (type GPT-4o mini) comme socle conversationnel
- Modeles maison de personnalisation branches sur le compte et la navigation
- Couche assistant integree a l'app et au site, connectee au catalogue
- Instrumentation des interactions a forte valeur (like, ajout au panier)
Le plan, étape par étape
- Étape 1Cartographier les demandes d'inspiration recurrentes a partir des logs de recherche et de conversation.Livrable : Referentiel des intentions d'achat prioritaires au moment de la consideration.
- Étape 2Brancher un assistant conversationnel sur le catalogue, le compte client et le contexte de navigation pour repondre et recommander.Livrable : Assistant en beta pour les clients connectes sur un marche, interactions a forte valeur suivies.
- Étape 3Instrumenter les interactions a forte valeur (like, ajout au panier) et la part de recommandations jugees inutiles.Livrable : Tableau de bord d'impact permettant l'arbitrage de modele et de prompts.
- Étape 4Arbitrer le LLM sous-jacent selon cout, qualite multilingue et latence, puis migrer progressivement le trafic.Livrable : Socle de modele stabilise, montee en charge sans surcout significatif.
- Étape 5Etendre a l'ensemble des marches dans les langues locales et enrichir la personnalisation via la connexion au compte.Livrable : Assistant en production multi-marches avec personnalisation liee au compte.
Première étape : Identifier le moment de consideration ou le client cherche l'inspiration sans reponse (que porter pour telle occasion) et y brancher un assistant conversationnel adosse au catalogue et au compte, sur un marche pilote.
Le même pattern, prouvé dans d'autres industries
Amorepacific
agent conseil beaute genAI adosse a un diagnostic de peau
Booking.com
assistant de planification de voyage genAI
Burberry
copilote genAI pour conseiller (recherche, reconnaissance image, complete-the-look)
Sources
- S1 More personal and smarter - the Zalando Assistant with enhanced capabilities to inspire customers Primaire archive à générer
- S2 Boosting the customer retail experience with GPT-4o mini Officiel intéressé archive à générer
- S3 Zalando brings its AI-powered assistant to all markets and adds four new cities to its Trend Spotter Primaire archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.