eコマースパーソナライズブログ

製品の推奨事項は利益を増やすことができます。

残念ながら、すべての推奨事項が同じというわけではありません。 パーソナライズされた製品の推奨事項は、一般的な製品の推奨事項を大幅に上回っています。

このガイドでは、ストアにパーソナライズされた推奨事項を実装する方法について説明します。 ここをクリックして例にスキップするか、完全なガイドを読んでください。

注：このページは2020年9月7日に更新され、製品の推奨事項、コンテンツのパーソナライズ、およびそれらがeコマースの売上に与える影響に関する最新の調査結果を反映しています。

ここでは、高度な製品推奨エンジンがどのように機能するかについて詳しく説明しました。

ただし、簡単に言うと、Amazonがレコメンデーションエンジンの仕組みを詳しく説明しているのが好きです。

上記のように、Amazonのレコメンデーションエンジンには、パーソナライズされたレコメンデーションを作成するためのさまざまな入力が組み込まれています。

Barillianceは、eコマースストアが機械学習とAI機能を備えた予測的で効果的な製品の推奨事項を作成するのに役立ちます。

仕組みは次のとおりです。

パーソナライズは顧客データに依存します。

Barillianceは、パーソナライズされた製品の推奨事項を作成するために、3つの主要なデータソースを組み込んでいます。

彼らです：

1.集約データ（カテゴリ/製品ビュー、カートおよび購入データへの追加、内部検索クエリなど）

2.推奨事項をパーソナライズするために使用されるユーザー固有のデータ。 集約データと同様に、ユーザーデータは、ユーザーが表示、購入したカテゴリや製品など、特定のユーザーインタラクションです。

3.製品フィードでクライアントから提供される静的な製品データ。 商品フィードデータには通常、価格、在庫状況、ブランド、タグ、その他の商品属性が含まれます。

効果的なパーソナル製品の推奨事項を作成するために、Barillianceはさまざまな機械学習に最適化されたアルゴリズムを使用しています。

当社のAIテクノロジーは、ユーザーが誰であり、どのコンテキストでサイトを表示しているかに基づいて、製品推奨ウィジェットを埋めるために使用するアルゴリズムを選択します。

説明のために、ホームページを体験してください。

訪問者は、新規訪問者または再訪問者のいずれかである可能性があります。

ユーザーが以前にサイトにアクセスしたことがない場合は、一連のベストセラー商品が表示されます。

ただし、訪問者が戻ってきた場合、訪問者には、次のようなブランドとの以前のエンゲージメントに基づいて、パーソナライズされた推奨事項が表示されます。

-最近購入した商品に関連する商品
-最近閲覧した商品に関連する商品
-最近表示されたカテゴリのトップセラー

上記の内部調査によると、リピーターは初めての訪問者に比べてカートへの追加率が大幅に高くなっています。 これは、部分的には、ユーザー情報の増加により効果的な製品の推奨事項を含むコンテンツのパーソナライズによって推進されます。

最後に、任意の数の人口統計または行動のセグメンテーションのマーチャンダイジングルールを定義することができます。

マーチャンダイジングのルールについては、記事[ガイド]3xRevenueへの高度な製品推奨戦術で説明しました。


そこから、次の方法を共有しました。

「最高のエンジンにより、小売業者は、設定した明示的なマーチャンダイジングルールの代わりに、ソフトウェアの推奨事項を「却下」することができます。

例は次のとおりです。

上記のDearbornDenimは、現在見られているジーンズのウォッシュ用の一連の補完ベルトを強調しています。 補完的な製品を強調表示することで、顧客は、製品の画像が表示するものを超えて、アイテム自体をどのようにアクセサリー化するかをよりよく想像することができます。

さらに、無料の製品を推奨することは、ショッピングセッションに増分収益を追加することにより、顧客の平均注文額を増やすための優れた方法です。

Buy Buy Babyは、別のパーソナライズされた製品推奨の例を提供します。

製品表示ページに表示される最初の一連の製品推奨ウィジェットは、同様の製品を提供します。 ここでは、製品の属性に基づいて無料の製品を見つける代わりに、製品カタログから同様のオプションを表示します。 最初の製品推奨ウィジェットが同様のパンツのスタイルと色を示していることがわかります。

2番目の製品推奨ウィジェットは、ユーザーの親和性に基づいた幅広い選択肢を示しています。 親和性は、セッション中の買い物行動に基づいてリアルタイムで決定されます。

特定の競合製品を引き出すことで、ユーザーが適切な製品を探すのに役立ちますが、バイバイベイビーは、関連するカテゴリや関連する検索を推奨することで、検索範囲を広げます。

上記は、製品カテゴリ全体と一般的な検索を推奨する優れた例です。 検索を使用することは、顧客の要望に焦点を合わせ、顧客が探しているものを見つけるのに役立つ優れた方法です。

Amazonは、パーソナライズされた製品推奨ウィジェットのパイオニアです。 それでも今日でも、ほとんどのeコマースストアよりも比較ショッピングを容易にしています。

その上に、ユーザーが生成したデータ（評価）、サイトデータ（動的な製品ラベルの形式）、および製品フィードデータを配置して、顧客が類似製品をすばやく比較できるようにします。

上では、ミントジュレップがメインアイテム（プリントドレス）とアクセサリーを展示しています。 「ShoptheLook」というタイトルのパーソナライズされた製品推奨ウィジェットを使用して、顧客が衣装全体を簡単に購入できるようにします。

注文確認ページは、多くの場合、顧客ライフサイクルの最適化されていないステップです。 ただし、これらのページは、最高レベルのエンゲージメントで顧客と話す絶好の機会を表しています。

上記では、Amazonは注文の詳細を確認した後、一連の推奨ウィジェットを表示します。 この場合、パーソナライズされた推奨ウィジェットのタイトルは「あなたの意見に触発された当社ブランドのアイテム」です。

人口統計データは、製品の推奨事項をパーソナライズするための顧客情報の優れた情報源です。 簡単な例としては、顧客に最も適したアイテムに基づいて適切なカテゴリを提示することが挙げられます。

ただし、人口統計データを使用して推奨事項をパーソナライズする私の個人的なお気に入りの例は、Targetからのものです。

ここでは、顧客の人口統計と過去の購入を使用して、現在のニーズを特定するだけでなく、将来のニーズも予測します。

以下に、Targetは、乳児を抱えるほとんどの家族が最終的に必要とすることを知っている明確な提案を示しています。 報酬がギフトカードであることに注意してください。これは、繰り返し購入するだけでなく、この定番を入手する場所としてTargetを確立するのにも役立ちます。

Amazonは、データを使用してオファーをパーソナライズするもう1つの優れた例を提供します。 今回は日時を使用します。 休日や購入イベントがさまざまな顧客グループに適しているかどうかを認識することは、アウトリーチキャンペーンを作成するだけでなく、オンサイトのコンテンツパーソナライズ戦略を実装するための優れた方法です。

以下では、Amazonは次の休日（母の日）を使用して、一連のパーソナライズされた製品の推奨事項を作成します。

パーソナライズされた製品の推奨がどれほど効果的であるかを示すために、推奨ウィジェットがカスタマージャーニー全体でeコマースストアにどのように影響するかに関するデータを収集しました。

以下に、平均注文額、収益、コンバージョン率、ショッピングカートの放棄率の統計を示します。

パーソナライズされた製品の推奨により、AOV（平均注文額）が劇的に増加します。

推奨事項に関与していないセッションのAOVは44.41ドルです。

見込み客が単一の推奨事項に関与する場合、この数は369％倍になります。 効果は、約5クリックで減少するまで上昇し続けます。

パーソナライズされた魅力的な推奨事項が多いほど、より多くの店舗がより多くの発注書の恩恵を受けることは明らかです。

*注：この調査は複数の業界にまたがっています。 この研究の重要性は、名目上の金額ではなく、相対的な増加です。

ランダムに選択された300人の顧客を対象に調査を実施しました。 これが私たちが見つけたものです。

製品の推奨事項は、eコマースサイトの収益の最大31％を占めています。

平均して、顧客は売上の12％が当社の製品推奨製品に起因すると見ています。

また、製品の推奨によりコンバージョン率が向上することもわかりました。

上記のように、セッションのコンバージョン率は、エンゲージメントに応じてロックステップで増加します。

繰り返しますが、最大の改善は最初のクリックで発生します。 推奨事項に関与しない見込み客は1.02％でコンバージョンします。 その数は、1回の対話後に288％増加します。

私たちの調査結果は、 SalesForceが実施した同様の調査と一致していました。 推奨事項をクリックした買い物客は、カートに商品を追加する可能性が4.5倍高く、購入を完了する可能性が4.5倍高いことがわかりました。

最後に、推奨事項はショッピングカートの放棄に大きな影響を及ぼします。

ここでは、カートの放棄を、購入を完了したセッションを、見込み客がカートにアイテムを追加した合計セッションで割ったものとして定義しました。 次に、これらの数値を、そのセッションでの推奨事項にどのように関与したかによってセグメント化しました。

推奨事項にまったく関与せず、カートにアイテムを追加しただけのセッションでは、購入を断念する可能性がはるかに高いことがわかりました。

実際、パーソナライズされた製品の推奨事項を実装すると、カートの放棄を最大4.35％改善できます。

最後に、カートの放棄への影響は、一定レベルの関与の後に逆転することに注意するのは興味深いことです。 これは、購入者の行動、特に推奨事項を使用して商品を見つける調査フレーズの行動を検討する場合に意味があります。

製品の推奨事項の位置は、それらがどれほど効果的であるかに影響します。 折り目の上に配置されたウィジェットは、折り目の下のウィジェットのほぼ2倍の効果（1.7倍）であることがわかりました。

この調査でレビューされた20以上の製品推奨タイプのうち、最も魅力的な推奨タイプは「顧客が最終的に購入するもの」でした。

新しい訪問者があなたの店に来るとき、あなたはどの製品を推薦するべきかわかりません。

ベストプラクティスは、ストアのベストセラーを上位に提供することです。 また、上位のカテゴリごとに1つずつ、複数のウィジェットを用意することも検討できます。

顧客があなたのサイトに関与すると、あなたの製品レコメンデーションエンジンは、この顧客がどのタイプの製品に興味を持っているかを理解し始め、よりパーソナライズされた提案を提供します。

製品の推奨事項の位置は、それらがどれほど効果的であるかに影響します。 折り目の上に配置されたウィジェットは、折り目の下のウィジェットのほぼ2倍の効果（1.7倍）であることがわかりました。

これは、コンバージョン率を高める動的コンテンツに関する調査結果と一致しています。

電子メールをパーソナライズするもう1つの優れた方法は、製品インジェクションを使用することです。 Barillianceのようなソフトウェアは、製品の推奨事項を電子メールに直接挿入できます。

ウィジェットは、各顧客が最も関心を持っている製品を反映するように調整されています。以下は、性別に基づいて提案を調整する優れた例です。

以下は、私たちが見つけた主要な製品推奨統計のいくつかを使用して作成したインフォグラフィックです。

製品の推奨事項は、 eコマースのパーソナライズ戦略の基盤として機能します。

コンバージョンを増やすための次のステップは、より高度なパーソナライズ戦術を構築することです。

最後に、Barillianceがあなたに適した製品レコメンデーションエンジンであるかどうかを確認するために、私たちと一緒に簡単なデモをスケジュールしてください。