Blog de personalizare comerț electronic

Recomandările de produse pot multiplica profiturile.

Din păcate, nu toate recomandările sunt la fel. Am descoperit că recomandările personalizate de produse le depășesc cu mult pe cele generice.

Acest ghid prezintă modul de implementare a recomandărilor personalizate în magazinul dvs. Faceți clic aici pentru a trece la exemple sau citiți mai departe pentru ghidul complet.

Notă: această pagină a fost actualizată pe 7 septembrie 2020 pentru a reflecta cele mai recente constatări privind recomandările de produse, personalizarea conținutului și efectul acestora asupra vânzărilor de comerț electronic.

Am acoperit în detaliu cum funcționează motoarele avansate de recomandare a produselor aici.

Cu toate acestea, pe scurt, îmi place cum Amazon detaliază cum funcționează motorul lor de recomandare.

Mai sus, motorul de recomandare al Amazon încorporează o varietate de intrări pentru a crea recomandări personalizate.

Barilliance ajută magazinele de comerț electronic să creeze recomandări de produse predictive și eficiente cu învățare automată și capabilități AI.

Iată cum funcționează.

Personalizarea depinde de datele clienților.

Barilliance încorporează trei surse majore de date pentru a crea recomandări personalizate de produse.

Sunt:

1.Date agregate (afișări de categorii/produs, adăugare în coș și date de achiziție, interogări de căutare internă etc.)

2. Date specifice utilizatorului care sunt folosite pentru personalizarea recomandărilor. Similar datelor agregate, datele utilizatorului sunt interacțiunile specifice ale utilizatorului, cum ar fi categoriile și produsele pe care utilizatorul le-a văzut, a cumpărat etc.

3. Datele statice despre produse care sunt furnizate de client în fluxul de produse. Datele din feedul de produse includ de obicei prețul, disponibilitatea, marca, etichetele și alte atribute ale produsului.

Pentru a crea recomandări de produse personale eficiente, Barilliance utilizează o varietate de algoritmi optimizați pentru învățarea automată.

Tehnologia noastră AI selectează ce algoritm să folosească pentru a completa widgetul de recomandare a produselor, în funcție de cine este utilizatorul și în ce context vă vizualizează site-ul.

Pentru a ilustra, luați experiența pe pagina de pornire.

Vizitatorul poate fi fie un nou vizitator, fie un vizitator care revine.

Dacă utilizatorul nu a mai vizitat site-ul, atunci vor fi afișate o serie de cele mai bine vândute produse.

Cu toate acestea, dacă vizitatorul se întoarce, vizitatorii vor vedea recomandări personalizate bazate pe implicarea lor anterioară cu marca dvs., cum ar fi:

- Produse legate de articolele achiziționate recent
- Produse legate de produsele lor recent vizualizate
- Cele mai vândute din categoriile lor recent vizualizate

Mai sus, studiile noastre interne arată că vizitatorii care revin au rate semnificativ mai mari de adăugare în coș în comparație cu vizitatorii pentru prima dată. Acest lucru, în parte, este determinat de personalizarea conținutului, inclusiv de recomandări de produse, care sunt mai eficiente datorită informațiilor sporite ale utilizatorilor.

În cele din urmă, aveți capacitatea de a defini reguli de comercializare pentru orice număr de segmentări demografice sau comportamentale.

Am acoperit regulile de comercializare în articolul nostru [Ghid] Tactici avansate de recomandare a produselor pentru a depăși veniturile de trei ori.


De acolo, am împărtășit cum:

„cele mai bune motoare permit comercianților să „înlăture” recomandările software-ului în locul regulilor de comercializare explicite pe care le-ați stabilit.

Exemplele includ:

Mai sus, Dearborn Denim evidențiază o serie de curele complementare pentru spălarea blugilor vizualizată în prezent. Evidențierea produselor complementare permite clientului să-și imagineze mai bine cum vor accesoriza singuri articolul, dincolo de ceea ce afișează imaginile produsului.

În plus, recomandarea de produse gratuite este o modalitate excelentă de a crește valoarea medie a comenzii clienților prin adăugarea de venituri suplimentare la sesiunea de cumpărături.

Buy Buy Baby oferă un alt exemplu de recomandare de produse personalizate.

Prima serie de widget-uri de recomandare de produse pe care le afișează pe pagina de afișare a produsului prezintă produse similare. Aici, în loc să găsească produse complementare pe baza atributelor produsului, evidențiază opțiuni similare din catalogul de produse. Puteți vedea că primul widget de recomandare de produse arată stiluri și culori similare de pantaloni.

Al doilea widget de recomandare de produse prezintă o selecție mai largă de alternative bazate pe afinitatea utilizatorului. Afinitatea este determinată în timp real pe baza comportamentului de cumpărături în sesiune.

În timp ce tragerea de produse specifice concurente ajută la aprofundarea căutării utilizatorului pentru produsul potrivit, Buy Buy Baby extinde, de asemenea, căutarea, recomandând categorii înrudite și căutări similare.

Mai sus este un exemplu excelent de recomandare a categoriilor întregi de produse și căutări comune. Utilizarea căutărilor este o modalitate excelentă de a vă concentra asupra dorințelor clienților și de a-i ajuta pe clienți să găsească ceea ce caută.

Amazon este un pionier în widget-urile personalizate de recomandare a produselor. Și astăzi facilitează cumpărăturile comparative mai bine decât majoritatea magazinelor de comerț electronic.

Mai sus plasează date generate de utilizatori (evaluări), datele site-ului (sub formă de etichete dinamice ale produselor) și date despre feedul de produse pentru a le permite clienților să compare rapid produse similare.

Mai sus, Mint Julep prezintă elementul principal (o rochie imprimată) cu accesorii. Acestea facilitează clienților achiziționarea întregii ținute cu ajutorul widget-ului personalizat de recomandare a produselor intitulat „Shop the Look”.

Paginile de confirmare a comenzii sunt un pas adesea sub optimizat din ciclul de viață al clientului. Cu toate acestea, aceste pagini reprezintă o oportunitate excelentă de a vorbi cu clienții la cel mai înalt nivel de implicare.

Mai sus, Amazon prezintă o serie de widget-uri de recomandare după ce confirmă detaliile comenzii. În acest caz, widget-urile de recomandare personalizate sunt intitulate „Articole de la mărcile noastre inspirate de opiniile tale”

Datele demografice sunt o sursă excelentă de informații despre clienți pentru a personaliza recomandările de produse. Exemplele simple includ pur și simplu prezentarea categoriilor potrivite în funcție de articolele care sunt cele mai aplicabile clienților.

Cu toate acestea, exemplul meu personal favorit de utilizare a datelor demografice pentru a personaliza recomandările vine de la Target.

Aici, folosesc datele demografice ale clienților și achizițiile anterioare nu numai pentru a identifica nevoile actuale, ci și pentru a le prezice pe cele viitoare.

Mai jos, Target oferă o ofertă clară despre care știu că majoritatea familiilor cu copii au nevoie în cele din urmă - formula. Rețineți că recompensa este un card cadou, care nu numai că blochează o achiziție repetată, dar ajută și la stabilirea țintă ca loc pentru a obține acest produs de bază.

Amazon oferă un alt exemplu grozav de utilizare a datelor pentru a personaliza ofertele. De data aceasta, folosesc data și ora. Recunoașterea când vacanțele și evenimentele de cumpărare sunt pentru diferitele grupuri de clienți este o modalitate excelentă nu numai de a crea campanii de informare, ci și de a implementa strategii de personalizare a conținutului la fața locului.

Mai jos, Amazon folosește o vacanță viitoare (Ziua Mamei) pentru a crea o serie de recomandări personalizate de produse.

Pentru a demonstra cât de eficiente sunt recomandările personalizate de produse, am adunat date despre modul în care widgeturile de recomandare influențează magazinele de comerț electronic pe parcursul călătoriei clienților.

Mai jos ne uităm la statistici pentru: valoarea medie a comenzii, venitul, ratele de conversie și ratele de abandon al coșului de cumpărături.

Recomandările personalizate de produse cresc dramatic AOV (valoarea medie a comenzii) .

Sesiunile care nu au nicio implicare cu recomandări au un AOV de 44,41 USD.

Acest număr se înmulțește cu 369% atunci când clienții potențiali interacționează cu o singură recomandare. Efectul continuă să crească până la scăderea în jurul a 5 clicuri.

Este clar că cu cât recomandările sunt mai personalizate și captivante, cu atât mai multe magazine beneficiază de comenzi de cumpărare mai mari.

*Notă: acest studiu a vizat mai multe industrii. Semnificația acestui studiu nu este valoarea nominală, ci creșterea relativă.

Am efectuat un studiu pe 300 de clienți selectați aleatoriu. Iată ce am găsit.

Recomandările de produse reprezintă până la 31% din veniturile site-urilor de comerț electronic.

În medie, clienții au văzut 12% din vânzările lor atribuite produsului nostru de recomandare de produse.

De asemenea, am constatat că recomandările de produse cresc ratele de conversie .

Mai sus, vedem că rata de conversie a sesiunilor crește în pas de blocare odată cu implicarea lor.

Din nou, cea mai mare îmbunătățire are loc la primul clic. Perspectivii care nu se angajează cu recomandări convertesc la 1,02%. Acest număr crește cu 288% după o singură interacțiune.

Descoperirile noastre au fost în conformitate cu un studiu similar realizat de SalesForce . Ei au descoperit că cumpărătorii care au dat clic pe recomandări au șanse de 4,5 ori mai mari să adauge articole în coș și de 4,5 ori mai multe șanse de a finaliza achiziția.

În sfârșit, recomandările au un efect semnificativ asupra abandonului coșului de cumpărături.

Aici, am definit abandonul coșului de cumpărături ca fiind sesiunile care au finalizat o achiziție împărțită la numărul total de sesiuni în care clienții potențiali au adăugat un articol în coșul lor. Apoi am segmentat aceste numere în funcție de modul în care s-au implicat cu recomandările în acea sesiune.

Am constatat că sesiunile care nu s-au implicat deloc cu recomandări, ci pur și simplu au adăugat un articol în coșul lor, erau mult mai probabil să abandoneze achiziția.

De fapt, implementarea recomandărilor personalizate de produse poate îmbunătăți abandonul coșului cu până la 4,35%.

În cele din urmă, este interesant de observat că efectul asupra abandonului coșului se inversează după un anumit nivel de implicare. Acest lucru are sens atunci când luați în considerare comportamentul cumpărătorului - în special cei din expresia de cercetare care folosesc recomandări pentru a găsi produse.

Poziția recomandărilor de produse influențează cât de eficiente sunt acestea. Am constatat că widget-urile plasate deasupra pliului au fost aproape de două ori mai eficiente (1,7x) decât widget-urile de sub fold.

Din cele peste 20 de tipuri de recomandări de produse care au fost analizate în acest studiu, cel mai captivant tip de recomandare a fost „ceea ce cumpără clienții în cele din urmă”.

Când un nou vizitator vine în magazinul tău, nu știi ce produse să recomanzi.

Cea mai bună practică este să oferiți cei mai buni vânzători ai magazinului dvs. spre vârf. Puteți lua în considerare, de asemenea, să aveți mai multe widget-uri, câte unul pentru fiecare dintre categoriile dvs. de top.

Pe măsură ce clienții interacționează cu site-ul dvs., motorul dvs. de recomandare de produse va începe să înțeleagă de ce tipuri de produse este interesat acest client și va oferi sugestii mai personalizate.

Poziția recomandărilor de produse influențează cât de eficiente sunt acestea. Am constatat că widget-urile plasate deasupra pliului au fost aproape de două ori mai eficiente (1,7x) decât widget-urile de sub fold.

Acest lucru este în concordanță cu constatările noastre privind conținutul dinamic care crește rata de conversie.

O altă modalitate excelentă de a personaliza e-mailurile este prin injecții de produse. Software precum Barilliance poate injecta recomandări de produse direct în e-mail.

Widgetul este adaptat pentru a reflecta produsele de care fiecare client este cel mai interesat. Mai jos este un exemplu grozav de sugestii de personalizare bazate pe sex.

Mai jos este un infografic pe care l-am creat cu unele dintre statisticile cheie de recomandare a produselor pe care le-am găsit.

Recomandările de produse servesc drept bază pentru strategia dvs. de personalizare a comerțului electronic .

Următorul pas pentru a crește numărul de conversii este construirea unor tactici de personalizare mai avansate.

În cele din urmă, pentru a vedea dacă Barilliance este motorul de recomandare de produse potrivit pentru dvs., programați o scurtă demonstrație cu noi.