Blog de personnalisation du commerce électronique
Publié: 2021-09-06Les recommandations de produits peuvent multiplier les profits.
Malheureusement, toutes les recommandations ne sont pas identiques. Nous avons constaté que les recommandations de produits personnalisées surpassent largement les recommandations génériques.
Ce guide explique comment mettre en œuvre des recommandations personnalisées dans votre magasin. Cliquez ici pour passer aux exemples, ou lisez la suite pour le guide complet.
Remarque : cette page a été mise à jour le 7 septembre 2020 pour refléter les dernières découvertes sur les recommandations de produits, la personnalisation du contenu et leur effet sur les ventes en ligne.
Recommandations de produits personnalisées et prédictives et leur fonctionnement
Nous avons couvert en détail le fonctionnement des moteurs de recommandation de produits avancés ici.
Cependant, en bref, j'aime la façon dont Amazon détaille le fonctionnement de son moteur de recommandation.
Ci-dessus, le moteur de recommandation d'Amazon intègre une variété d'entrées pour créer leurs recommandations personnalisées.
Création d'un système prédictif de recommandations de produits de vente au détail
Barilliance aide les magasins de commerce électronique à créer des recommandations de produits prédictives et efficaces avec des capacités d'apprentissage automatique et d'IA.
Voici comment cela fonctionne.
Étape 1 : Recueillir des données pour fonder des recommandations personnelles sur
La personnalisation dépend des données client.
Barilliance intègre trois principales sources de données pour créer des recommandations de produits personnalisées.
Ils sont:
1. Données agrégées (vues de catégories/produits, ajout au panier et données d'achat, requêtes de recherche internes, etc.)
2. Données spécifiques à l'utilisateur utilisées pour personnaliser les recommandations. Semblables aux données agrégées, les données utilisateur sont les interactions spécifiques de l'utilisateur, telles que les catégories et les produits que l'utilisateur a consultés, achetés, etc.
3.Données de produit statiques fournies par le client dans le flux de produits. Les données de flux de produits incluent généralement le prix, la disponibilité, la marque, les balises et d'autres attributs de produit.
Étape 2 : Utiliser l'IA pour déterminer l' algorithme à utiliser en fonction du contexte de l'utilisateur
Pour créer des recommandations de produits personnalisées efficaces, Barilliance utilise une variété d'algorithmes optimisés pour l'apprentissage automatique.
Notre technologie d'intelligence artificielle sélectionne l'algorithme à utiliser pour remplir le widget de recommandation de produit en fonction de l'identité de l'utilisateur et du contexte dans lequel il consulte votre site.
Pour illustrer, prenez l'expérience de la page d'accueil.
Le visiteur peut être un nouveau visiteur ou un visiteur de retour.
Si l'utilisateur n'a jamais visité le site auparavant, une série de produits les plus vendus sera affichée.
Cependant, si le visiteur revient, les visiteurs verront des recommandations personnalisées basées sur leur engagement précédent avec votre marque, telles que :
- Produits liés à leurs articles récemment achetés
- Produits liés à leurs produits récemment consultés
- Meilleurs vendeurs de leurs catégories récemment consultées
Ci-dessus, nos études internes montrent que les visiteurs qui reviennent ont des taux d'ajout au panier significativement plus élevés que les nouveaux visiteurs. Ceci, en partie, est motivé par la personnalisation du contenu, y compris les recommandations de produits qui sont plus efficaces en raison de l'augmentation des informations sur les utilisateurs.
Étape 3 : Remplacer l'apprentissage automatique dans certains cas (règles de marchandisage)
Enfin, vous avez la possibilité de définir des règles de merchandising pour n'importe quel nombre de segmentations démographiques ou comportementales.
Nous avons couvert les règles de merchandising dans notre article [Guide] Tactiques avancées de recommandation de produits pour multiplier par 3 les revenus.
À partir de là, nous avons partagé comment :
« les meilleurs moteurs permettent aux détaillants de « passer outre » les recommandations du logiciel au lieu des règles de marchandisage explicites que vous avez définies.
Les exemples comprennent:
Créez facilement des recommandations de produits personnalisées : créez des offres attrayantes et augmentez l'AOV avec le moteur de recommandation basé sur l'IA et l'apprentissage automatique de Barilliance. Demandez une démo ici.
Exemples de recommandations de produits personnalisés
1. Produits complémentaires PDP basés sur les attributs du produit ft: Dearborn Denim
Ci-dessus, Dearborn Denim met en évidence une série de ceintures complémentaires pour le lavage actuel des jeans. La mise en avant de produits complémentaires permet au client de mieux imaginer comment il accessoirisera lui-même l'article, au-delà de ce que les images des produits affichent.
De plus, recommander des produits complémentaires est un excellent moyen d'augmenter la valeur moyenne des commandes des clients en ajoutant des revenus supplémentaires à la session d'achat.
2. PDP Aide à la découverte de produits en recommandant des produits similaires avec BuyBuyBaby
Buy Buy Baby fournit un autre exemple de recommandation de produit personnalisée.
La première série de widgets de recommandation de produits qu'ils affichent sur la page d'affichage du produit met en avant des produits similaires. Ici, au lieu de trouver des produits complémentaires en fonction des attributs du produit, il fait apparaître des options similaires dans le catalogue de produits. Vous pouvez voir que le premier widget de recommandation de produit affiche des styles et des couleurs de pantalons similaires.
Le deuxième widget de recommandation de produit présente une sélection plus large d'alternatives en fonction de l'affinité de l'utilisateur. L'affinité est déterminée en temps réel en fonction du comportement d'achat en cours de session.
3. PDP Élargir la recherche avec des catégories et des recherches connexes ft. BuyBuyBaby
Alors que tirer des produits concurrents spécifiques aide à approfondir la recherche de l'utilisateur pour le bon produit, Buy Buy Baby élargit également la recherche en recommandant des catégories et des recherches connexes.
Ci-dessus, un excellent exemple de recommandation de catégories de produits entières et de recherches courantes. L'utilisation des recherches est un excellent moyen de se concentrer sur les désirs des clients et d'aider les clients à trouver ce qu'ils recherchent.
4. PDP Faciliter les achats de comparaison avec Amazon
Amazon est un pionnier des widgets de recommandation de produits personnalisés. Aujourd'hui encore, ils facilitent mieux les achats comparatifs que la plupart des magasins de commerce électronique.
Au-dessus, ils placent des données générées par les utilisateurs (évaluations), des données de site (sous la forme d'étiquettes de produits dynamiques) et des données de flux de produits pour permettre aux clients de comparer rapidement des produits similaires.
5. PDP Créer une demande avec des recommandations de produits avec Mint Julep
Ci-dessus, Mint Julep présente l'article principal (une robe imprimée) avec des accessoires. Ils permettent aux clients d'acheter facilement l'ensemble de la tenue grâce à leur widget de recommandation de produit personnalisé intitulé "Shop the Look".
6. La confirmation de commande fait des ventes incitatives avec Amazon
Les pages de confirmation de commande sont une étape souvent sous-optimisée dans le cycle de vie du client. Cependant, ces pages représentent une excellente occasion de parler aux clients à leur plus haut niveau d'engagement.
Ci-dessus, Amazon présente une série de widgets de recommandation après avoir confirmé les détails de la commande. Dans ce cas, les widgets de recommandation personnalisés sont intitulés "Articles de nos marques inspirés par vos vues"
7. Tirer parti des données démographiques pour influencer les recommandations ft. Target
Les données démographiques sont une excellente source d'informations sur les clients pour personnaliser les recommandations de produits. Des exemples simples incluent simplement la présentation des bonnes catégories en fonction des éléments les plus applicables aux clients.
Cependant, mon exemple personnel préféré d'utilisation des données démographiques pour personnaliser les recommandations provient de Target.
Ici, ils utilisent les données démographiques des clients et les achats passés non seulement pour identifier les besoins actuels, mais également pour prédire les besoins futurs.
Ci-dessous, Target donne une offre claire dont ils savent que la plupart des familles avec des bébés ont éventuellement besoin - du lait maternisé. Notez que la récompense est une carte-cadeau, qui non seulement verrouille un achat répété, mais aide également à établir Target comme l'endroit où obtenir cet aliment de base.
8. Utiliser la date et l'heure pour personnaliser les offres sur les pages d'accueil (ft. Amazon)
Amazon fournit un autre excellent exemple d'utilisation des données pour personnaliser les offres. Cette fois, ils utilisent la date et l'heure. Reconnaître les vacances et les événements d'achat pour vos différents groupes de clients est un excellent moyen non seulement de créer des campagnes de sensibilisation, mais également de mettre en œuvre des stratégies de personnalisation du contenu sur site.
Ci-dessous, Amazon utilise un jour férié à venir (fête des mères) pour créer une série de recommandations de produits personnalisées.
Statistiques personnalisées sur les recommandations de produits : taux de conversion et plus encore
Pour démontrer l'efficacité des recommandations de produits personnalisées, nous avons rassemblé des données sur l'impact des widgets de recommandation sur les magasins de commerce électronique tout au long du parcours client.
Ci-dessous, nous examinons les statistiques pour : la valeur moyenne des commandes, les revenus, les taux de conversion et les taux d'abandon du panier d'achat.
Statistiques de recommandations de produits personnalisées sur la valeur moyenne des commandes
Les recommandations de produits personnalisées augmentent considérablement l'AOV (valeur moyenne des commandes) .
Les sessions qui n'ont aucun engagement avec les recommandations ont un AOV de 44,41 $.
Ce nombre est multiplié par 369 % lorsque les prospects s'engagent avec une seule recommandation. L'effet continue de grimper jusqu'à diminuer d'environ 5 clics.
Il est clair que plus les recommandations sont personnalisées et engageantes, plus les magasins bénéficient de commandes d'achat plus importantes.
*Remarque : Cette étude a porté sur plusieurs secteurs. L'importance de cette étude n'est pas le montant nominal, mais l'augmentation relative.
Recommandations de produits personnalisées Statistiques sur les revenus
Nous avons mené une étude auprès de 300 clients sélectionnés au hasard. Voici ce que nous avons trouvé.
Les recommandations de produits représentent jusqu'à 31 % des revenus des sites de commerce électronique.
En moyenne, les clients ont vu 12 % de leurs ventes attribuées à notre produit de recommandation de produits.
« Les recommandations de produits représentent jusqu'à 31 % des revenus du commerce électronique. En moyenne, les clients ont vu 12 % de leurs ventes attribuées à notre produit de recommandation de produits » - Barilliance Research
Recommandations de produits personnalisées Statistiques sur les taux de conversion
Nous avons également constaté que les recommandations de produits augmentent les taux de conversion .
Ci-dessus, nous voyons le taux de conversion des sessions augmenter au fur et à mesure de leur engagement.
Encore une fois, la plus grande amélioration se produit au premier clic. Les prospects qui ne s'engagent pas avec les recommandations convertissent à 1,02 %. Ce nombre augmente de 288 % après une seule interaction.
Nos conclusions sont conformes à une étude similaire menée par SalesForce . Ils ont constaté que les acheteurs qui ont cliqué sur les recommandations sont 4,5 fois plus susceptibles d'ajouter des articles au panier et 4,5 fois plus susceptibles de finaliser leur achat.
Statistiques de recommandations de produits personnalisées sur l'abandon de panier
Enfin, les recommandations ont un effet significatif sur l'abandon du panier.
Ici, nous avons défini l'abandon de panier comme les sessions qui ont effectué un achat divisées par le nombre total de sessions au cours desquelles les prospects ont ajouté un article à leur panier. Nous avons ensuite segmenté ces chiffres en fonction de la manière dont ils se sont engagés avec les recommandations lors de cette session.
Nous avons constaté que les sessions qui ne s'engageaient pas du tout avec des recommandations, mais qui ajoutaient simplement un article à leur panier étaient beaucoup plus susceptibles d'abandonner leur achat.
En fait, la mise en œuvre de recommandations de produits personnalisées peut améliorer l'abandon de panier jusqu'à 4,35 %.
Enfin, il est intéressant de noter que l'effet sur l'abandon de panier s'inverse après un certain niveau d'engagement. Cela a du sens lorsque vous considérez le comportement des acheteurs - en particulier ceux de la phrase de recherche qui utilisent des recommandations pour trouver des produits.
Conseils pour des recommandations de produits personnalisées efficaces
1. Mettez les recommandations de produits au-dessus du pli
La position des recommandations de produits influence leur efficacité. Nous avons trouvé que les widgets placés au-dessus du pli étaient presque deux fois plus efficaces (1,7x) que les widgets en dessous du pli.
2. Les widgets "Ce que les clients achètent en fin de compte" sont les plus performants
Parmi les plus de 20 types de recommandations de produits examinés dans cette étude, le type de recommandation le plus engageant était "ce que les clients achètent en fin de compte".
3. Utilisez les recommandations "Meilleures ventes" pour les nouveaux visiteurs
Lorsqu'un nouveau visiteur arrive dans votre magasin, vous ne savez pas quels produits recommander.
La meilleure pratique consiste à fournir les meilleurs vendeurs de votre magasin vers le haut. Vous pouvez également envisager d'avoir plusieurs widgets, un pour chacune de vos principales catégories.
Au fur et à mesure que les clients interagissent avec votre site, votre moteur de recommandation de produits commencera à comprendre les types de produits qui intéressent ce client et fournira des suggestions plus personnalisées.
4. Personnalisez les recommandations de produits en fonction du comportement Web
La position des recommandations de produits influence leur efficacité. Nous avons trouvé que les widgets placés au-dessus du pli étaient presque deux fois plus efficaces (1,7x) que les widgets en dessous du pli.
Cela correspond à nos conclusions sur le contenu dynamique qui augmente le taux de conversion.
5. Injectez des recommandations personnelles dans les e-mails
Une autre excellente façon de personnaliser les e-mails consiste à utiliser des injections de produits. Des logiciels comme Barilliance peuvent injecter des recommandations de produits directement dans l'e-mail.
Le widget est conçu pour refléter les produits qui intéressent le plus chaque client. Vous trouverez ci-dessous un excellent exemple de suggestions de personnalisation en fonction du sexe.
Vous trouverez ci-dessous une infographie que nous avons construite avec certaines des principales statistiques de recommandation de produits que nous avons trouvées.
Prochaines étapes...
Les recommandations de produits servent de base à votre stratégie de personnalisation de commerce électronique .
La prochaine étape pour augmenter les conversions consiste à élaborer des tactiques de personnalisation plus avancées.
Enfin, pour voir si Barilliance est le bon moteur de recommandation de produits pour vous, planifiez une brève démonstration avec nous.