บล็อกการปรับแต่งอีคอมเมิร์ซ

ด้านล่างนี้คือกลยุทธ์บางส่วนที่ฉันชื่นชอบในการเพิ่ม Conversion และเพิ่มรายได้

การรวมกลุ่มเป็นวิธีที่ยอดเยี่ยมในการเพิ่มมูลค่าการสั่งซื้อโดยเฉลี่ย

แคมเปญ Kickstarter เป็นแหล่งแรงบันดาลใจที่ยอดเยี่ยม บ่อยครั้ง ครีเอเตอร์มีผลิตภัณฑ์หลักเพียงชิ้นเดียว เพื่อเพิ่มโอกาสในการประสบความสำเร็จ พวกเขาสร้างระดับการมีส่วนร่วมที่หลากหลาย

บ่อยครั้ง ส่วนเสริมเหล่านี้เป็นผลิตภัณฑ์เสริมที่ทำให้ประสบการณ์หลักดีขึ้น

นี่คือตัวอย่างหนึ่ง ด้านล่างนี้ เกมพื้นฐานที่มีราคาไม่แพงพร้อมส่วนขยายเดียวมีราคา $22 มีผู้สนับสนุน 247 คน

ในทางกลับกัน ชุดรวม "All-in" ที่มีแพ็กแผนที่หลายชุด ส่วนขยาย และสินค้าอื่นๆ มีราคา 90 ดอลลาร์ มีผู้สนับสนุน 1,197 คน

อีกตัวอย่างหนึ่งคือ Fashion Nova

ที่นี่ พวกเขาสร้างบันเดิลแบบไดนามิกตามผลิตภัณฑ์ที่กำลังดู โดยนำเสนอในวิดเจ็ตคำแนะนำอย่างง่าย

เมื่อลูกค้าเพิ่มสินค้าลงในรถเข็น ถือเป็นสัญญาณที่ชัดเจนอย่างเหลือเชื่อเกี่ยวกับความเกี่ยวข้องของผลิตภัณฑ์

คุณสามารถใช้ประโยชน์จากช่วงเวลานี้ได้อย่างหลากหลาย กลวิธีหนึ่งคือแสดงป๊อปอัปพร้อมตัวเลือกเพื่อชำระเงินต่อหรือช็อปปิ้งต่อ


ในป๊อปอัปนี้ คุณยังสามารถเสนอผลิตภัณฑ์ฟรีได้อีกด้วย Target ทำสิ่งนี้อย่างสวยงามด้วยลำดับการดำเนินการหลังจากหยิบใส่รถเข็น ที่นี่นำเสนอสินค้าที่ซื้อร่วมกันบ่อยๆ

แนวโน้มการซื้อเป็นโอกาสที่ดีในการนำเสนอข้อเสนอที่เกี่ยวข้องมากขึ้น แม้จะไม่รู้อะไรเกี่ยวกับผู้เข้าชมก็ตาม

Amazon ให้ตัวอย่างที่ดี

ในขณะที่ฉันกำลังเขียนการอัปเดตนี้ เราอยู่ห่างจากวันแม่สองสัปดาห์ การจำลองผู้มาเยี่ยมครั้งแรก Amazon เสนอข้อเสนอวันแม่มากมาย

ที่ครึ่งหน้าบน พวกเขาแสดงพอร์ทัลไปยัง "ร้านของขวัญวันแม่" โดยมีคำกระตุ้นการตัดสินใจแยกต่างหากที่มุมบนขวาของ "ร้านค้าสำหรับเครื่องประดับวันแม่"

เมื่อคุณเลื่อนลงมา วิดเจ็ตคำแนะนำถัดไปจะไฮไลต์ชุดหมวดหมู่ที่มียอดขายสูงสุดในร้านของขวัญวันแม่

แม้ว่าอเมซอนจะไม่รู้ว่าจริง ๆ แล้วผู้เยี่ยมชมเว็บไซต์เป็นครั้งแรกนี้มาเพื่ออะไร แต่พวกเขาตระหนักดีว่ามีโอกาสสูงที่พวกเขาต้องการซื้อของขวัญสำหรับวันแม่

การปรับเปลี่ยนในแบบของคุณเป็นกลยุทธ์ที่มีประสิทธิภาพมากที่สุดในรายการนี้

ลูกค้าของคุณมีความหลากหลาย

บางส่วนมีความอ่อนไหวต่อราคา บางคนสนใจแบรนด์นี้ บางคนสนใจแบรนด์นี้ จะมีผู้เข้าชมครั้งแรกและผู้เข้าชมที่กลับมา

การทำความเข้าใจว่าลูกค้าของคุณเป็นบุคคลธรรมดาเป็นก้าวแรกสู่การแนะนำผลิตภัณฑ์ที่มีประสิทธิภาพ

ด้านล่างนี้ เราเปรียบเทียบประสบการณ์ของร้านค้าหนึ่งแห่งในการใช้คำแนะนำผลิตภัณฑ์ในแบบของคุณ

การปรับเปลี่ยนในแบบของคุณมักจะเพิ่มประสิทธิภาพของคำแนะนำเป็นสองเท่า

Nordstrom นำเสนอกลวิธีแนะนำผลิตภัณฑ์ขั้นสูงอื่น

แทนที่จะใช้วิดเจ็ตคำแนะนำ "ผลิตภัณฑ์มาแรง" ทั่วไป พวกเขาใช้ "มาแรงใกล้ตัวคุณ"

ซึ่งใช้ประโยชน์จากความแตกต่างทางภูมิศาสตร์ เช่น ฤดูกาลและรสชาติ อีกครั้ง เป้าหมายคือการสร้างข้อเสนอที่เกี่ยวข้องโดยไม่ต้องเข้าถึงพฤติกรรมก่อนหน้านี้

การรวมข้อมูลประชากรช่วยขจัดข้อเสนอที่ไม่เกี่ยวข้อง ตัวอย่างเช่น เป็นที่น่าสงสัยที่ลูกค้าของพวกเขาจะเลือกซื้อเสื้อหนาวในซานดิเอโก แม้กระทั่งในเดือนธันวาคม

การแปลงขึ้นอยู่กับความไว้วางใจ

แม้ว่าแนวคิดของการพิสูจน์ทางสังคมจะไม่ใช่เรื่องใหม่หรือ "ขั้นสูง" แต่ก็ทำให้ฉันประหลาดใจที่มีบริษัทเพียงไม่กี่แห่งที่ใช้องค์ประกอบการพิสูจน์ทางสังคมในผลิตภัณฑ์ที่พวกเขาแนะนำ

Amazon ผสานรวมองค์ประกอบการพิสูจน์ทางสังคมผ่านวิดเจ็ตคำแนะนำ

สามารถใช้คำแนะนำผลิตภัณฑ์เพื่อช่วยให้ลูกค้าตัดสินใจได้ดีที่สุด อีกครั้งที่ Amazon ให้ตัวอย่างคำแนะนำเกี่ยวกับวิธีการรวมคำแนะนำผลิตภัณฑ์และข้อมูลแอตทริบิวต์ผลิตภัณฑ์ในรูปแบบที่เข้าใจง่าย

เมื่อรวมกับกลยุทธ์การจัดวางสินค้า แบรนด์จะสามารถควบคุมบริบทที่พวกเขากำลังเปรียบเทียบผลิตภัณฑ์ปัจจุบัน และช่วยโน้มน้าวการตัดสินใจซื้อขั้นสุดท้ายได้

วัตถุประสงค์ของการแนะนำผลิตภัณฑ์มีสองประการ: ประการแรก เพื่อปรับปรุงประสบการณ์การช็อปปิ้ง และประการที่สองเพื่อเพิ่มรายได้

ระบบแนะนำผลิตภัณฑ์ทำได้โดยการนำเสนอข้อเสนอที่ผู้ซื้อมักจะต้องการมากที่สุด

เครื่องยนต์จะกลั่นกรองสินค้านับสิบ หลายร้อย หรือหลายพันรายการที่ร้านค้ามี และตัดสินใจว่ารายการใดเหมาะสมกับผู้ใช้รายนี้มากที่สุด

โดยทั่วไป มีเครื่องมือเทคนิคกว้างๆ สามแบบที่ใช้ในการกรองผ่าน SKU

เครดิตภาพ

การกรองตามเนื้อหามุ่งเน้นไปที่นักช้อปเฉพาะ ซอฟต์แวร์แนะนำผลิตภัณฑ์ติดตามการกระทำของผู้ใช้ เช่น หน้าเว็บที่ดู การคลิกผลิตภัณฑ์ เวลาที่ใช้ในหมวดหมู่ต่างๆ และสินค้าที่เพิ่มลงในรถเข็น

ตามข้อมูลนี้ โปรไฟล์ลูกค้าจะถูกสร้างขึ้น โปรไฟล์นี้จะถูกเปรียบเทียบกับแค็ตตาล็อกผลิตภัณฑ์เพื่อระบุว่าจะแสดงรายการใด

เครดิตภาพ

ซอฟต์แวร์แนะนำที่ดีที่สุดได้รวมเอาทั้งสองเทคนิคเข้าด้วยกันเพื่อให้การทำนายที่แม่นยำที่สุด นี่คือวิธีการทำงานของ Barilliance

ด้วยการรวมเทคนิคทั้งสองเข้าด้วยกัน เครื่องมือแนะนำผลิตภัณฑ์จึงสามารถใช้ "ภูมิปัญญาของฝูงชน" กับผู้มีแนวโน้มจะเป็นลูกค้าได้ก่อนที่จะรวบรวมข้อมูลจำนวนมาก เมื่อเรียนรู้ข้อมูลเพิ่มเติมเกี่ยวกับผู้ใช้รายนั้น คำแนะนำจะกลายเป็นส่วนตัวมากขึ้นเรื่อยๆ ตามเซสชันและประวัติการใช้งานของพวกเขา

ในร้านอิฐและปูน ร้านค้าถูกบังคับให้เลือกกลยุทธ์การขายสินค้าเพียงกลยุทธ์เดียว

ร้านค้าอีคอมเมิร์ซไม่มีข้อจำกัดนี้

ผู้ค้าปลีกสามารถใช้เทคโนโลยีการปรับให้เป็นส่วนตัวเพื่อสร้างกลยุทธ์การจัดวางสินค้าเฉพาะสำหรับลูกค้ากลุ่มใดก็ได้ หนึ่งในเครื่องมือหลักที่ผู้ค้าปลีกใช้เพื่อให้บรรลุเป้าหมายนี้คือคำแนะนำผลิตภัณฑ์

ตามค่าเริ่มต้น กลไกการแนะนำผลิตภัณฑ์จะทำงานตามอัลกอริธึม

อย่างไรก็ตาม กลไกที่ดีที่สุดช่วยให้ผู้ค้าปลีกสามารถ "ลบล้าง" คำแนะนำของซอฟต์แวร์ตามหลักเกณฑ์การจัดวางสินค้าอย่างชัดเจนที่คุณตั้งไว้

ตัวอย่างได้แก่:

ผู้ค้าปลีกกำหนดกฎเกณฑ์ที่มีอยู่ และกฎเหล่านี้จะถูกทริกเกอร์เมื่อใด

อีกครั้งโดยใช้ Barilliance เป็นตัวอย่าง คุณสามารถกำหนดกลุ่มลูกค้าที่มีความสำคัญต่อธุรกิจของคุณได้ จากนั้นคุณสามารถเลือกใช้กฎการจัดวางสินค้าในกลุ่มต่างๆ เหล่านี้ได้

อย่างที่คุณเห็น ผู้ค้าปลีกมีความสามารถในการกำหนดกลุ่มเป้าหมายที่ต้องการแสดงวิดเจ็ตคำแนะนำผลิตภัณฑ์โดยเฉพาะ

วิธีสร้างผลกำไรสูงสุดวิธีหนึ่งในการแบ่งกลุ่มผู้ชมของคุณ คือการ วิเคราะห์ RFM ที่มั่นคง มีหกส่วนหลักที่คุณสามารถ (และควร) สร้างกฎการขายสินค้า ซึ่งรวมถึง:

ด้วยการรวมกฎการจัดวางสินค้าและคำแนะนำผลิตภัณฑ์ คุณสามารถสร้างข้อเสนอที่ตรงเป้าหมายได้

คุณสามารถโปรโมตสินค้าขายดีให้กับผู้เยี่ยมชมไซต์รายใหม่ สินค้าที่ดูล่าสุดแก่ผู้เยี่ยมชมที่กลับมา และผลิตภัณฑ์ที่เกี่ยวข้องโดยอิงจากการซื้อครั้งก่อนให้กับลูกค้าที่กลับมาซื้อซ้ำ

เราทำการศึกษาเชิงลึกเกี่ยวกับลูกค้าของ Barilliance ที่ใช้ โซลูชันการแนะนำผลิตภัณฑ์ ของเรา

ผลลัพธ์ที่ได้นั้นช่างเหลือเชื่อ

การปรับปรุงคำแนะนำผลิตภัณฑ์ของคุณเป็น "ผลที่ต่ำ" ของการปรับแต่งอีคอมเมิร์ซในแบบของคุณ

เราโฮสต์การสาธิตฟรีสำหรับโซลูชันการแนะนำผลิตภัณฑ์ของเรา หากคุณต้องการทราบว่าเราสามารถปรับปรุงคำแนะนำปัจจุบันของคุณด้วยวิธีการเรียนรู้ของเครื่องแบบไฮบริดได้หรือไม่ คลิกที่นี่