[Bon app’] Swingli, pour toujours avoir une idée de films à voir et de livre à lire
On connaissait déjà Recommend, l’application qui permet de se recommander mutuellement des lieux à visiter (en voyage ou en soirée), voici Swingli. Le concept y ressemble mais cette fois-ci, les membres du réseau partagent des idées de films ou séries à voir, de musiques à écouter et de livres à lire. Les recommandations sont confidentielles: l’utilisateur peut choisir à qui elles sont destinées à chaque fois.
« A l’heure où fleurissent des algorithmes qui pensent connaître vos goûts et vos envies mieux que n’importe qui, notre jeune start-up française a choisi, par conviction, un positionnement très différent : nos amis sont les mieux placés pour nous recommander des contenus qui nous plairont. Nous avons remarqué que sur le secteur des biens culturels, il y avait une grosse tendance sur l’algorithme et pour nous ce n’est pas satisfaisant » raconte François Truong, dirigeant de Swingli.
Il a cofondé cette start-up basée dans le 15ème arrondissement de Paris avec Théodore Chastel et Charles-Hubert Basuiau. Ils espèrent réussir à réunir 150 000 euros auprès de business angels d’ici à cet été pour financer le marketing et faire connaître leur concept.
Affiliation et recommandations sponsorisées
L’équipe envisage deux pistes de monétisation: l’affiliation avec des plates-formes de ventes de biens culturels (iTunes, Amazon, la Fnac…) et les recommandations sponsorisées. Les utilisateurs se verraient orientés vers ces plates-formes et la start-up prélèverait une commission (5% en moyenne) sur les achats passés. M. Truong souligne: « l’idée c’est de proposer suffisamment de possibilités pour que la personne retrouve la plate-forme qu’elle a l’habitude d’utiliser ».
Pour ce qui est des recommandations sponsorisées: un cinéma pourrait par exemple choisir de cibler les habitants du quartier où il est implanté en payant pour faire ressortir certains films à l’affiche. L’équipe devra alors convaincre des diffuseurs de contenus intéressés. La géolocation de l’utilisateur est une possibilité technique pour cibler les contenus, mais celle-ci n’est pas encore utilisée sur cette application.
La version iOS de Swingli a été lancée en janvier puis a été mise à jour début février. Elle est gratuite et compte presque 1 000 utilisateurs pour l’instant. L’objectif que se donne l’équipe est d’atteindre les 100 000 utilisateurs à fin 2015. Une version sous Android est également à l’étude, elle devrait sortir d’ici à la fin du printemps.
>> Exclusif – Recommend boucle une deuxième levée de fonds
Crédit photo: Fotolia, banque d’images, vecteurs et videos libres de droits
Mmmm. Réflexion surprenante à l’heure où des chercheurs ont prouvé que les réseaux sociaux connaissent mieux les personnes que leurs proches les connaissent. Je pense qu’il s’agit surtout d’une solution de facilité car mettre en place une IA efficace est un vrai défi. Mais c’est intéressant de voir de nouvelles initiatives.
Les algos peuvent t’enfermer dans une boucle. Si tu aimes les vidéos de petit chats sur Youtube, le site te proposera éternellement des vidéos de petits chats et ne te fera pas découvrir autre chose.
Revenir à l’humain est une bonne chose.
Je suis d’accord avec toi sur ce point. C’est bien là toute la difficulté de pondre un bon algorithme. Mais il existe bien des moyens d’associer les qualités d’un algorithme et les qualités d’une proposition humaine.
Bref, pour ton exemple de Youtube, c’est assez basique et c’est loin de refléter la qualité des algorithmes d’aujourd’hui. On ne se base plus uniquement sur un nombre de visites mais sur le profil social, la sociabilité, les émotions, etc. Il reste beaucoup de progrès à faire dans ce domaine mais c’est un sujet très actuel et pris au sérieux, loin des recommendations d’achat basiques d’Amazon. ;)
Hello! Merci pour vos messages! On est heureux de susciter un tel débat! :) C’est un réel choix pour nous de mettre les recommandations de ses amis proches au cœur de l’application. C’est bien entendu discutable mais nous sommes persuadé qu’une recommandation d’un ami aura toujours plus de force qu’un algorithme. Selon moi, la question n’est pas simplement la recherche du taux de satisfaction le plus élevé. Je préfère en effet recevoir une bonne et une mauvaise recommandation d’un ami plutôt que deux bonnes recommandations d’un algorithme. Pourquoi? Tout simplement parce que la mauvaise recommandation de mon ami pourra donner naissance à une discussion endiablée!
Super App que je recommande tres très fortement ! Bravo à l’équipe !!
Super idée !!