전자상거래 개인화 블로그

다음은 전환을 높이고 수익을 늘리기 위해 내가 가장 좋아하는 몇 가지 전략입니다.

번들은 평균 주문 가치를 높이는 환상적인 방법입니다.

킥스타터 캠페인은 훌륭한 영감의 원천입니다. 종종 제작자는 하나의 핵심 제품만 가지고 있습니다. 성공 가능성을 높이기 위해 다양한 참여 계층을 만듭니다.

종종 이러한 추가 기능은 핵심 경험을 개선하는 무료 제품입니다.

여기 한 가지 예가 있습니다. 아래에서 단일 확장이 포함된 보다 저렴한 기본 게임이 $22에 제공됩니다. 247명의 후원자가 있습니다.

대조적으로, 여러 맵 팩, 확장 및 기타 상품이 포함된 "올인" 번들은 $90에 제공됩니다. 1,197명의 후원자가 있습니다.

또 다른 예는 패션 노바입니다.

여기에서 보고 있는 제품을 기반으로 동적 번들을 만들어 간단한 추천 위젯에 표시합니다.

고객이 장바구니에 품목을 추가하는 것은 제품 선호도에 대한 매우 강력한 신호입니다.

이 순간을 다양한 방법으로 활용할 수 있습니다. 한 가지 전략은 결제를 계속하거나 쇼핑을 계속할 수 있는 옵션이 있는 팝업을 표시하는 것입니다.


이 팝업에서 무료 제품을 제공할 수도 있습니다. Target은 장바구니에 추가 후 작업 시퀀스를 사용하여 이 작업을 훌륭하게 수행합니다. 자주 함께 구매하는 아이템을 소개합니다.

구매 동향은 방문자에 대해 전혀 알지 못하더라도 보다 관련성 높은 제안을 제시할 수 있는 훌륭한 기회를 제공합니다.

아마존은 좋은 예를 제공합니다.

이 업데이트를 작성하는 동안 어머니의 날이 2주 남았습니다. 처음 방문자를 시뮬레이션하는 Amazon은 수많은 어머니의 날 제안을 제공합니다.

스크롤 없이 볼 수 있는 부분 위에 "어머니날 선물 가게"에 대한 포털이 표시되며 오른쪽 상단에는 "어머니날 보석 쇼핑"에 대한 별도의 클릭 유도문안이 있습니다.

아래로 스크롤하면 다음 추천 위젯이 어버이날 선물 가게에서 가장 많이 팔리는 카테고리를 강조 표시합니다.

아마존은 처음 방문자가 실제로 무엇을 위해 사이트를 방문하는지 알지 못하지만 어머니날 선물을 사고 싶어할 가능성이 높다는 것을 알고 있습니다.

개인화는 이 목록에서 가장 효과적인 전술입니다.

고객은 다양합니다.

일부는 가격에 민감합니다. 어떤 사람들은 이 브랜드에 관심을 갖고 다른 사람들은 그것에 관심을 갖습니다. 처음 방문하시는 분들과 재방문하시는 분들이 있을 것입니다.

고객이 개인임을 이해하는 것이 효과적인 제품 추천을 위한 첫 번째 단계입니다.

아래에서는 제품 추천 개인화를 구현한 한 매장의 경험을 비교합니다.

개인화는 종종 효과적인 권장 사항을 두 배로 만듭니다.

Nordstrom은 또 다른 고급 제품 추천 전략을 선보입니다.

보다 일반적인 "트렌딩 제품" 추천 위젯을 사용하는 대신 "주변 트렌드"를 사용합니다.

이것은 계절과 맛과 같은 지리적 차이를 이용합니다. 다시 말하지만, 목표는 이전 동작에 액세스하지 않고도 관련 제안을 생성하는 것입니다.

인구 통계 데이터를 통합하면 관련 없는 제안을 제거하는 데 도움이 됩니다. 예를 들어, 샌디에고의 고객이 12월에도 겨울 코트를 쇼핑하는지 의심스럽습니다.

전환은 신뢰에 달려 있습니다.

사회적 증거의 개념이 새로운 것도 아니고 "고급"도 아니지만 추천 제품에 사회적 증거 요소를 사용하는 회사가 거의 없다는 사실에 놀랐습니다.

Amazon은 추천 위젯 전체에 사회적 증거 요소를 통합합니다.

제품 권장 사항은 고객이 최상의 결정을 내리는 데에도 사용할 수 있습니다. 다시 말하지만, Amazon은 제품 권장 사항과 제품 속성 데이터를 요약하기 쉬운 형식으로 결합하는 방법에 대한 유익한 예를 제공합니다.

상품화 전략과 결합할 때 브랜드는 현재 제품을 비교하는 컨텍스트를 제어하고 궁극적인 구매 결정에 영향을 미칠 수 있습니다.

제품 추천의 목적은 두 가지입니다. 첫 번째는 쇼핑 경험을 개선하는 것이고 두 번째는 수익을 늘리는 것입니다.

제품 추천 시스템은 쇼핑객이 가장 원할 것 같은 제안을 제시함으로써 이를 수행합니다.

엔진은 매장에서 취급하는 수십, 수백 또는 수천 개의 품목을 살펴보고 이 특정 사용자에게 가장 적합한 품목을 결정합니다.

일반적으로 엔진이 SKU를 필터링하는 데 사용하는 세 가지 광범위한 기술이 있습니다.

이미지 크레딧

콘텐츠 기반 필터링은 특정 구매자에 초점을 맞춥니다. 제품 추천 소프트웨어는 조회한 웹 페이지, 클릭한 제품, 다양한 카테고리에서 보낸 시간 및 장바구니에 추가된 항목과 같은 사용자 작업을 추적합니다.

이 정보를 기반으로 고객 프로필이 생성됩니다. 그런 다음 이 프로필을 제품 카탈로그와 비교하여 표시할 항목을 식별합니다.

이미지 크레딧

최고의 추천 소프트웨어는 실제로 두 기술을 결합하여 가장 정확한 예측을 제공합니다. 이것이 Barilliance가 작동하는 방식입니다.

두 기술을 결합하여 제품 추천 엔진은 많은 데이터를 수집하기 전에 잠재 고객에게 "군중의 지혜"를 적용할 수 있습니다. 특정 사용자에 대해 더 많은 정보를 알게 되면 권장 사항은 세션 및 사용 기록을 기반으로 점점 더 개인화됩니다.

오프라인 매장에서는 단일 상품화 전략을 선택해야 합니다.

전자 상거래 상점에는 이 제한이 없습니다.

소매업체는 개인화 기술을 사용하여 고객의 모든 세그먼트에 대한 특정 상품화 전략을 만들 수 있습니다. 이를 달성하기 위해 소매업체가 사용하는 주요 도구 중 하나는 제품 추천입니다.

기본적으로 제품 추천 엔진은 알고리즘 방식으로 작동합니다.

그러나 최고의 엔진을 사용하면 소매업체에서 사용자가 설정한 명시적인 상품화 규칙 대신 소프트웨어 권장 사항을 "무효화"할 수 있습니다.

예는 다음과 같습니다.

소매업체는 존재하는 규칙과 이러한 규칙이 실행되는 시기를 정의합니다.

다시 말하지만, Barilliance를 예로 사용하여 비즈니스에 중요한 고객 세그먼트를 결정할 수 있습니다. 그런 다음 이러한 다양한 세그먼트에서 상품화 규칙을 선택적으로 사용할 수 있습니다.

보시다시피 소매업체는 특정 제품 추천 위젯을 표시하려는 대상을 정확히 정의할 수 있습니다.

청중을 분류하는 가장 수익성 있는 방법 중 하나는 견고한 RFM 분석 입니다. 다음을 포함하여 상품화 규칙을 생성할 수 있고 생성해야 하는 6가지 주요 세그먼트가 있습니다.

상품화 규칙과 제품 권장 사항을 결합하여 고도로 타겟팅된 제안을 생성할 수 있습니다.

신규 사이트 방문자에게는 베스트 셀러 상품을, 재방문 고객에게는 최근 본 상품을, 재방문 고객에게는 이전 구매를 기반으로 하는 관련 상품을 홍보할 수 있습니다.

우리는 제품 추천 솔루션을 구현한 Barilliance 고객에 대한 심층 연구를 수행했습니다.

결과는 놀라웠습니다.

제품 권장 사항을 개선하는 것은 전자 상거래 개인화의 "낮은 성과"입니다.

제품 추천 솔루션에 대한 무료 데모를 호스팅합니다. 하이브리드 머신 러닝 접근 방식으로 현재 권장 사항을 개선할 수 있는지 알아 보려면 여기를 클릭하십시오.