Blog personalizacji e-commerce

Rekomendacje produktów mogą zwielokrotnić zyski.

Niestety nie wszystkie zalecenia są takie same. Stwierdziliśmy, że spersonalizowane rekomendacje produktów znacznie przewyższają ogólne.

Z tego przewodnika dowiesz się, jak wdrożyć spersonalizowane rekomendacje w Twoim sklepie. Kliknij tutaj, aby przejść do przykładów, lub czytaj dalej, aby uzyskać pełny przewodnik.

Uwaga: ta strona została zaktualizowana 7 września 2020 r. w celu odzwierciedlenia najnowszych ustaleń dotyczących rekomendacji produktów, personalizacji treści i ich wpływu na sprzedaż w handlu elektronicznym.

Szczegółowo omówiliśmy tutaj działanie zaawansowanych silników rekomendacji produktów.

Krótko mówiąc, podoba mi się, jak Amazon opisuje, jak działa ich silnik rekomendacji.

Powyżej silnik rekomendacji Amazon zawiera różne dane wejściowe, aby stworzyć spersonalizowane rekomendacje.

Barilliance pomaga sklepom internetowym w tworzeniu predykcyjnych, skutecznych rekomendacji produktów dzięki uczeniu maszynowemu i możliwościom sztucznej inteligencji.

Oto jak to działa.

Personalizacja zależy od danych klienta.

Barilliance wykorzystuje trzy główne źródła danych do tworzenia spersonalizowanych rekomendacji produktów.

Oni są:

1. Dane zagregowane (widoki kategorii/produktów, dodawanie danych do koszyka i zakupów, wewnętrzne zapytania wyszukiwania itp.)

2. Specyficzne dane użytkownika , które służą do personalizacji rekomendacji. Podobnie jak w przypadku danych zagregowanych, dane użytkownika to określone interakcje użytkownika, takie jak kategorie i produkty, które użytkownik oglądał, kupował itp.

3.Statyczne dane produktowe , które są dostarczane przez klienta w feedzie produktowym. Dane pliku danych o produktach zazwyczaj zawierają cenę, dostępność, markę, tagi i inne atrybuty produktu.

Aby stworzyć spersonalizowane rekomendacje produktów, Barilliance wykorzystuje różne algorytmy zoptymalizowane pod kątem uczenia maszynowego.

Nasza technologia AI wybiera, którego algorytmu użyć do wypełnienia widżetu rekomendacji produktów na podstawie tego, kim jest użytkownik i w jakim kontekście przegląda Twoją witrynę.

Aby to zilustrować, weź doświadczenie ze strony głównej.

Odwiedzający może być albo nowym, albo powracającym.

Jeśli użytkownik nie odwiedził wcześniej witryny, zostanie wyświetlona seria najlepiej sprzedających się produktów.

Jeśli jednak odwiedzający wróci, odwiedzający zobaczą spersonalizowane rekomendacje oparte na ich poprzednim zaangażowaniu w Twoją markę, takie jak:

- Produkty związane z ostatnio zakupionymi przedmiotami
- Produkty powiązane z ich ostatnio oglądanymi produktami
- Najlepsi sprzedawcy z ostatnio przeglądanych kategorii

Powyżej, nasze wewnętrzne badania pokazują, że powracający odwiedzający mają znacznie wyższy współczynnik dodawania do koszyka w porównaniu do odwiedzających po raz pierwszy. Częściowo jest to spowodowane personalizacją treści, w tym rekomendacjami produktów, które są bardziej skuteczne dzięki większej ilości informacji o użytkownikach.

Wreszcie masz możliwość zdefiniowania zasad merchandisingu dla dowolnej liczby segmentacji demograficznych lub behawioralnych.

Omówiliśmy zasady merchandisingu w naszym artykule [Poradnik] Zaawansowane taktyki rekomendacji produktów do 3x przychodu.


Stamtąd podzieliliśmy się, jak:

„najlepsze wyszukiwarki pozwalają sprzedawcom „uchylać” zalecenia oprogramowania zamiast jawnych reguł sprzedaży, które ustanowiłeś.

Przykłady obejmują:

Powyżej Dearborn Denim przedstawia serię uzupełniających się pasków do aktualnie oglądanego prania dżinsów. Wyróżnienie produktów komplementarnych pozwala klientowi lepiej wyobrazić sobie, w jaki sposób sam wyposaży przedmiot, poza tym, co wyświetlają zdjęcia produktów.

Co więcej, polecanie produktów komplementarnych to świetny sposób na zwiększenie średniej wartości zamówienia klientów poprzez zwiększenie przychodów z sesji zakupowej.

Buy Buy Baby to kolejny przykład spersonalizowanych rekomendacji produktów.

Pierwsza seria widżetów rekomendacji produktów, które wyświetlają na stronie wyświetlania produktu, przedstawia podobne produkty. Tutaj, zamiast szukać komplementarnych produktów w oparciu o atrybuty produktu, wyświetla podobne opcje z katalogu produktów. Widać, że pierwszy widżet rekomendacji produktów pokazuje podobne style i kolory spodni.

Drugi widżet rekomendacji produktów przedstawia szerszy wybór alternatyw na podstawie upodobań użytkownika. Powinowactwo jest określane w czasie rzeczywistym na podstawie zachowań zakupowych w trakcie sesji.

Podczas gdy pobieranie określonych konkurencyjnych produktów pomaga pogłębić wyszukiwanie przez użytkownika odpowiedniego produktu, Buy Buy Baby rozszerza również wyszukiwanie, polecając powiązane kategorie i podobne wyszukiwania.

Powyżej jest doskonałym przykładem polecania całych kategorii produktów i typowych wyszukiwań. Korzystanie z wyszukiwań to świetny sposób na skupienie się na potrzebach klientów i pomoc klientom w znalezieniu tego, czego szukają.

Amazon jest pionierem w dziedzinie spersonalizowanych widżetów rekomendacji produktów. Jeszcze dziś ułatwiają porównywanie cen lepiej niż większość sklepów eCommerce.

Powyżej umieszczają dane wygenerowane przez użytkowników (oceny), dane witryny (w postaci dynamicznych etykiet produktów) oraz dane z pliku danych o produktach, aby umożliwić klientom szybkie porównywanie podobnych produktów.

Powyżej Mint Julep prezentuje główny element (drukowaną sukienkę) wraz z dodatkami. Ułatwiają klientom zakup całego zestawu dzięki spersonalizowanemu widżetowi z rekomendacjami produktów zatytułowanym „Shop the Look”.

Strony z potwierdzeniem zamówienia są często niedostatecznie zoptymalizowanym krokiem w cyklu życia klienta. Jednak te strony stanowią doskonałą okazję do rozmowy z klientami na najwyższym poziomie zaangażowania.

Powyżej Amazon prezentuje serię widżetów rekomendacji po potwierdzeniu szczegółów zamówienia. W tym przypadku spersonalizowane widżety rekomendacji mają tytuł „Produkty naszych marek inspirowane Twoimi opiniami”.

Dane demograficzne to doskonałe źródło informacji o klientach do personalizacji rekomendacji produktów. Proste przykłady to po prostu przedstawienie właściwych kategorii na podstawie tego, które pozycje są najbardziej odpowiednie dla klientów.

Jednak moim ulubionym przykładem wykorzystania danych demograficznych do personalizacji rekomendacji jest Target.

Tutaj wykorzystują dane demograficzne klientów i wcześniejsze zakupy, aby nie tylko zidentyfikować bieżące potrzeby, ale także przewidzieć przyszłe.

Poniżej Target przedstawia jasną ofertę, której większość rodzin z dziećmi wie, że ostatecznie potrzebuje – formuła. Zwróć uwagę, że nagrodą jest karta podarunkowa, która nie tylko blokuje powtórny zakup, ale także pomaga ustalić, że Target jest miejscem, w którym można zdobyć tę zszywkę.

Amazon stanowi kolejny świetny przykład wykorzystania danych do personalizacji ofert. Tym razem używają daty i godziny. Rozpoznawanie, kiedy święta i wydarzenia zakupowe są przeznaczone dla różnych grup klientów, to świetny sposób nie tylko na tworzenie kampanii informacyjnych, ale także na wdrażanie strategii personalizacji treści na miejscu.

Poniżej Amazon wykorzystuje nadchodzące Święto (Dzień Matki), aby stworzyć serię spersonalizowanych rekomendacji produktów.

Aby zademonstrować, jak skuteczne są spersonalizowane rekomendacje produktów, zebraliśmy dane na temat wpływu widżetów rekomendacji na sklepy eCommerce na całej ścieżce klienta.

Poniżej przyjrzymy się statystykom: średniej wartości zamówienia, przychodu, współczynników konwersji i współczynników porzucania koszyka.

Spersonalizowane rekomendacje produktów znacznie zwiększają AOV (średnią wartość zamówienia) .

Sesje, które nie są zaangażowane w rekomendacje, mają AOV w wysokości 44,41 USD.

Liczba ta mnoży się o 369%, gdy potencjalni klienci angażują się w pojedynczą rekomendację. Efekt narasta, aż do zmniejszenia o około 5 kliknięć.

Oczywiste jest, że im bardziej spersonalizowane i angażujące rekomendacje, tym więcej sklepów czerpie korzyści z większych zamówień.

*Uwaga: to badanie dotyczyło wielu branż. Znaczenie tego badania nie polega na wartości nominalnej, ale na względnym wzroście.

Przeprowadziliśmy badanie wśród 300 losowo wybranych klientów. Oto, co znaleźliśmy.

Rekomendacje produktów stanowią do 31% przychodów witryny eCommerce.

Klienci widzieli średnio 12% swojej sprzedaży przypisywanej naszemu produktowi polecającemu produkt.

Odkryliśmy również, że rekomendacje produktów zwiększają współczynniki konwersji .

Powyżej widzimy, jak współczynnik konwersji sesji wzrasta wraz z ich zaangażowaniem.

Ponownie największa poprawa następuje przy pierwszym kliknięciu. Potencjalni klienci, którzy nie korzystają z rekomendacji, konwertują na 1,02%. Liczba ta wzrasta o 288% po pojedynczej interakcji.

Nasze ustalenia były zgodne z podobnym badaniem przeprowadzonym przez SalesForce . Okazało się, że kupujący, którzy kliknęli rekomendacje, są 4,5 razy bardziej skłonni do dodania produktów do koszyka i 4,5 razy częściej sfinalizują zakup.

Wreszcie, rekomendacje mają znaczący wpływ na porzucanie koszyka.

Tutaj zdefiniowaliśmy porzucenie koszyka jako sesje, które zakończyły zakup, podzielone przez całkowitą liczbę sesji, w których potencjalni klienci dodali produkt do koszyka. Następnie podzieliliśmy te liczby według ich zaangażowania w rekomendacje podczas tej sesji.

Odkryliśmy, że sesje, które w ogóle nie zawierały rekomendacji, ale po prostu dodały produkt do koszyka, znacznie częściej powodowały porzucenie zakupu.

W rzeczywistości wdrożenie spersonalizowanych rekomendacji produktów może poprawić porzucanie koszyka nawet o 4,35%.

Na koniec warto zauważyć, że wpływ porzucania koszyka odwraca się po pewnym poziomie zaangażowania. Ma to sens, gdy weźmiesz pod uwagę zachowania kupujących – zwłaszcza tych w frazie badawczej, która korzysta z rekomendacji w celu znalezienia produktów.

Pozycja rekomendacji produktów wpływa na ich skuteczność. Odkryliśmy, że widżety umieszczone w części strony widocznej na ekranie były prawie dwa razy skuteczniejsze (1.7x) niż widżety umieszczone w części strony widocznej na ekranie.

Spośród ponad 20 typów rekomendacji produktów, które zostały sprawdzone w tym badaniu, najbardziej angażującym typem rekomendacji było „co ostatecznie kupują klienci”.

Kiedy nowy gość przychodzi do Twojego sklepu, nie wiesz, jakie produkty polecić.

Najlepszą praktyką jest dostarczanie najlepszych sprzedawców w Twoim sklepie na szczyt. Możesz także rozważyć posiadanie wielu widżetów, po jednym dla każdej z najlepszych kategorii.

Gdy klienci zaangażują się w Twoją witrynę, Twój silnik rekomendacji produktów zacznie rozumieć, jakimi rodzajami produktów jest zainteresowany, i dostarczać bardziej spersonalizowanych sugestii.

Pozycja rekomendacji produktów wpływa na ich skuteczność. Odkryliśmy, że widżety umieszczone w części strony widocznej na ekranie były prawie dwa razy skuteczniejsze (1.7x) niż widżety umieszczone w części strony widocznej na ekranie.

Jest to zgodne z naszymi ustaleniami dotyczącymi treści dynamicznych, które zwiększają współczynnik konwersji.

Innym świetnym sposobem na personalizację wiadomości e-mail jest wstrzykiwanie produktu. Oprogramowanie takie jak Barilliance może wstrzykiwać rekomendacje produktów bezpośrednio do wiadomości e-mail.

Widget jest dostosowany do produktów, które najbardziej interesują każdego klienta. Poniżej znajduje się świetny przykład dostosowywania sugestii w oparciu o płeć.

Poniżej znajduje się infografika, którą zbudowaliśmy z niektórymi kluczowymi statystykami rekomendacji produktów, które znaleźliśmy.

Rekomendacje produktów stanowią podstawę Twojej strategii personalizacji eCommerce .

Kolejnym krokiem do zwiększenia konwersji jest opracowanie bardziej zaawansowanych taktyk personalizacji.

Na koniec, aby sprawdzić, czy Barilliance jest dla Ciebie odpowiednim silnikiem rekomendacji produktów, umów się z nami na krótką prezentację.