E-ticaret Kişiselleştirme Blogu

Ürün önerileri, kârları çoğaltabilir.

Ne yazık ki, tüm öneriler aynı değildir. Kişiselleştirilmiş ürün tavsiyelerinin genel tavsiyelerden çok daha iyi performans gösterdiğini bulduk.

Bu kılavuz, mağazanızda kişiselleştirilmiş önerilerin nasıl uygulanacağını açıklar. Örneklere geçmek için burayı tıklayın veya kılavuzun tamamı için okumaya devam edin.

Not: Bu sayfa, ürün önerileri, içerik kişiselleştirme ve bunların e-ticaret satışları üzerindeki etkisine ilişkin en son bulguları yansıtmak üzere 7 Eylül 2020'de güncellendi.

Gelişmiş ürün tavsiye motorlarının nasıl çalıştığını burada ayrıntılı olarak ele aldık.

Ancak, kısaca, Amazon'un öneri motorunun nasıl çalıştığını detaylandırmasını seviyorum.

Yukarıda, Amazon'un tavsiye motoru, kişiselleştirilmiş tavsiyelerini oluşturmak için çeşitli girdiler içermektedir.

Barilliance, e-Ticaret mağazasının makine öğrenimi ve yapay zeka yetenekleriyle tahmine dayalı, etkili ürün önerileri oluşturmasına yardımcı olur.

İşte nasıl çalıştığı.

Kişiselleştirme, müşteri verilerine bağlıdır.

Barilliance, kişiselleştirilmiş ürün önerileri oluşturmak için üç ana veri kaynağını birleştirir.

Bunlar:

1.Toplu veriler (kategori/ürün görünümleri, sepete ekleme ve satın alma verileri, dahili arama sorguları vb.)

2. Önerileri kişiselleştirmek için kullanılan kullanıcıya özel veriler . Toplu verilere benzer şekilde, kullanıcı verileri, kullanıcının hangi kategorileri ve ürünleri görüntülediği, satın aldığı vb. gibi belirli kullanıcı etkileşimleridir.

3. Ürün feed'inde müşteri tarafından sağlanan statik ürün verileri . Ürün feed'i verileri genellikle fiyat, stok durumu, marka, etiketler ve diğer ürün özelliklerini içerir.

Etkili kişisel ürün önerileri oluşturmak için Barilliance, çeşitli makine öğrenimi için optimize edilmiş algoritmalar kullanır.

AI teknolojimiz, kullanıcının kim olduğuna ve sitenizi hangi bağlamda görüntülediklerine bağlı olarak ürün önerisi pencere öğesini doldurmak için hangi algoritmanın kullanılacağını seçer.

Örneklemek için ana sayfa deneyimini ele alalım.

Ziyaretçi, yeni bir ziyaretçi veya geri dönen bir ziyaretçi olabilir.

Kullanıcı siteyi daha önce ziyaret etmemişse, bir dizi en çok satan ürün görüntülenecektir.

Ancak, ziyaretçi geri dönüyorsa, ziyaretçiler markanızla olan önceki etkileşimlerine dayalı olarak aşağıdakiler gibi kişiselleştirilmiş öneriler göreceklerdir:

- Yakın zamanda satın aldıkları ürünlerle ilgili ürünler
- Son görüntüledikleri ürünlerle ilgili ürünler
- Son görüntüledikleri kategorilerden en çok satanlar

Yukarıda, şirket içi çalışmalarımız, geri gelen ziyaretçilerin, ilk kez gelen ziyaretçilere kıyasla önemli ölçüde daha yüksek sepete ekleme oranlarına sahip olduğunu gösteriyor. Bu, kısmen, artan kullanıcı bilgileri nedeniyle daha etkili olan ürün önerileri de dahil olmak üzere içerik kişiselleştirme tarafından yönlendirilir.

Son olarak, herhangi bir sayıda demografik veya davranışsal segmentasyon için ticari satış kuralları tanımlama olanağına sahipsiniz.

3x Gelir için [Kılavuz] Gelişmiş Ürün Tavsiye Taktikleri makalemizde mağazacılık kurallarını ele aldık.


Oradan, nasıl olduğunu paylaştık:

"en iyi motorlar, perakendecilerin, belirlediğiniz açık satış kuralları yerine yazılımın önerilerini "geçersiz kılmalarına" izin verir.

Örnekler şunları içerir:

Yukarıda, Dearborn Denim, şu anda görüntülenen kot yıkama için bir dizi tamamlayıcı kemerin altını çiziyor. Tamamlayıcı ürünlerin vurgulanması, müşterinin ürün görsellerinin gösterdiğinin ötesinde, öğeye kendilerinin nasıl erişeceğini daha iyi tasavvur etmesine olanak tanır.

Ayrıca, ücretsiz ürünler önermek, alışveriş oturumuna ek gelir ekleyerek müşterilerin ortalama sipariş değerini artırmanın harika bir yoludur.

Buy Buy Baby, başka bir kişiselleştirilmiş ürün tavsiyesi örneği sunar.

Ürün teşhir sayfasında gösterdikleri ilk ürün tavsiye widget'ları serisi benzer ürünleri öne çıkarıyor. Burada, ürünün özelliklerine göre tamamlayıcı ürünler bulmak yerine, ürün kataloğundan benzer seçenekler ortaya çıkıyor. İlk ürün tavsiyesi widget'ının benzer pantolon stilleri ve renkleri gösterdiğini görebilirsiniz.

İkinci ürün önerisi widget'ı, kullanıcının ilgi alanına göre daha geniş bir alternatif yelpazesi sunar. Yakınlık, oturum içi alışveriş davranışına dayalı olarak gerçek zamanlı olarak belirlenir.

Belirli rakip ürünleri çekmek, kullanıcının doğru ürünü aramasını derinleştirmeye yardımcı olurken, Buy Buy Baby, ilgili kategorileri ve ilgili aramaları önererek aramayı genişletir.

Yukarıda, tüm ürün kategorilerini ve yaygın aramaları önermenin harika bir örneği bulunmaktadır. Aramaları kullanmak, müşteri isteklerine odaklanmanın ve müşterilerin aradıklarını bulmalarına yardımcı olmanın harika bir yoludur.

Amazon, kişiselleştirilmiş ürün tavsiyesi widget'larında öncüdür. Bugün hala çoğu e-ticaret mağazasından daha iyi karşılaştırmalı alışverişi kolaylaştırıyorlar.

Müşterilerin benzer ürünleri hızlı bir şekilde karşılaştırmasını sağlamak için kullanıcı tarafından oluşturulan verileri (puanları), site verilerini (dinamik ürün etiketleri biçiminde) ve ürün besleme verilerini yerleştirirler.

Yukarıda, Mint Julep, aksesuarlarla birlikte ana öğeyi (baskılı bir elbise) sergiliyor. Müşterilerin "Görünüşü Alışveriş Yap" başlıklı kişiselleştirilmiş ürün tavsiyesi widget'ı ile tüm kıyafeti satın almalarını kolaylaştırıyorlar.

Sipariş onay sayfaları, müşteri yaşam döngüsünde genellikle optimize edilmeyen bir adımdır. Ancak bu sayfalar, müşterilerle en üst düzeyde etkileşimde bulunmak için harika bir fırsat sunuyor.

Yukarıda Amazon, sipariş ayrıntılarını onayladıktan sonra bir dizi öneri widget'ı sunar. Bu durumda, kişiselleştirilmiş öneri widget'ları "Görüşlerinizden ilham alan markalarımızdan ürünler" olarak adlandırılır.

Demografik veriler, ürün önerilerini kişiselleştirmek için mükemmel bir müşteri bilgisi kaynağıdır. Basit örnekler, müşteriler için en uygun olan öğelere dayalı olarak doğru kategorilerin basitçe sunulmasını içerir.

Bununla birlikte, tavsiyeleri kişiselleştirmek için demografik verileri kullanma konusunda en sevdiğim kişisel örneğim Target'tan geliyor.

Burada, müşteri demografisini ve geçmiş satın alımları yalnızca mevcut ihtiyaçları belirlemekle kalmaz, aynı zamanda gelecekteki ihtiyaçları da tahmin etmek için kullanırlar.

Aşağıda, Target, bebekleri olan çoğu ailenin eninde sonunda ihtiyaç duyduğu formüle sahip olduklarını bildikleri net bir teklif sunuyor. Ödülün, yalnızca tekrar satın almayı kilitlemekle kalmayıp, aynı zamanda bu zımbayı almak için Hedef'i oluşturmaya yardımcı olan bir hediye kartı olduğuna dikkat edin.

Amazon, teklifleri kişiselleştirmek için verileri kullanmanın başka bir harika örneğini sunar. Bu sefer tarih saatini kullanıyorlar. Çeşitli müşteri gruplarınız için tatillerin ve satın alma etkinliklerinin ne zaman olduğunu anlamak, yalnızca sosyal yardım kampanyaları oluşturmakla kalmayıp, aynı zamanda yerinde içerik kişiselleştirme stratejilerini de uygulamak için harika bir yoldur.

Aşağıda Amazon, bir dizi kişiselleştirilmiş ürün önerisi oluşturmak için yaklaşan bir Tatil'i (Anneler Günü) kullanıyor.

Kişiselleştirilmiş ürün önerilerinin ne kadar etkili olduğunu göstermek için öneri widget'larının müşteri yolculuğu boyunca e-ticaret mağazalarını nasıl etkilediğine dair veriler topladık.

Aşağıda, ortalama sipariş değeri, gelir, dönüşüm oranları ve alışveriş sepetini terk etme oranlarıyla ilgili istatistiklere bakıyoruz.

Kişiselleştirilmiş ürün önerileri , AOV'yi (ortalama sipariş değeri) önemli ölçüde artırır .

Tavsiyelerle herhangi bir bağlantısı olmayan oturumların AOV değeri 44,41 $'dır.

Bu sayı, potansiyel müşteriler tek bir öneriyle etkileşime geçtiğinde %369 ile çarpılır. Efekt, yaklaşık 5 tıklama azalana kadar tırmanmaya devam eder.

Öneriler ne kadar kişiselleştirilmiş ve ilgi çekici olursa, daha fazla mağazanın daha büyük satın alma siparişlerinden yararlanacağı açıktır.

*Not: Bu çalışma birden fazla endüstriyi kapsamaktadır. Bu çalışmanın önemi nominal miktar değil, göreceli artıştır.

Rastgele seçilen 300 müşteri üzerinde bir araştırma yaptık. İşte bulduklarımız.

Ürün önerileri, e-ticaret sitesi gelirlerinin %31'ini oluşturuyor.

Ortalama olarak, müşteriler satışlarının %12'sini ürün tavsiyesi ürünümüze bağladı.

Ayrıca ürün önerilerinin dönüşüm oranlarını artırdığını da bulduk.

Yukarıda, katılımlarıyla birlikte oturumların dönüşüm oranının adım adım arttığını görüyoruz.

Yine, en büyük gelişme ilk tıklamada gerçekleşir. Önerilerle ilgilenmeyen potansiyel müşteriler %1,02 oranında dönüşüyor. Bu sayı, tek bir etkileşimden sonra %288 artar.

Bulgularımız SalesForce tarafından yürütülen benzer bir çalışmayla aynı doğrultudaydı. Önerileri tıklayan alışveriş yapanların sepete ürün ekleme olasılığının 4,5 kat ve satın alma işlemini tamamlama olasılığının 4,5 kat daha yüksek olduğunu buldular.

Son olarak, önerilerin alışveriş sepetini terk etme üzerinde önemli bir etkisi vardır.

Burada, alışveriş sepetini terk etmeyi, bir satın alma işlemini tamamlayan oturumların, potansiyel müşterilerin sepetlerine bir ürün eklediği toplam oturumlara bölünmesi olarak tanımladık. Daha sonra bu sayıları, o oturumdaki önerilerle nasıl etkileşim kurduklarına göre bölümlere ayırdık.

Önerilerle hiç etkileşime girmeyen, ancak sepete bir ürün ekleyen oturumların satın alma işleminden vazgeçme olasılığının çok daha yüksek olduğunu gördük.

Aslında, kişiselleştirilmiş ürün önerilerini uygulamak, alışveriş sepetini terk etmeyi %4,35'e kadar iyileştirebilir.

Son olarak, belirli bir etkileşim seviyesinden sonra alışveriş sepetini terk etme üzerindeki etkinin tersine döndüğünü belirtmek ilginçtir. Bu, özellikle araştırma ifadesinde ürünleri bulmak için önerileri kullanan alıcı davranışını düşündüğünüzde anlamlıdır.

Ürün tavsiyelerinin konumu, ne kadar etkili olduklarını etkiler. Ekranın üst kısmına yerleştirilen widget'ların, ekranın altındaki widget'lardan neredeyse iki kat daha etkili (1,7x) olduğunu gördük.

Bu çalışmada incelenen 20'den fazla ürün önerisi türünden en ilgi çekici öneri türü "müşterilerin en sonunda ne satın aldığı" idi.

Mağazanıza yeni bir ziyaretçi geldiğinde, hangi ürünleri önereceğinizi bilemezsiniz.

En iyi uygulama, mağazanızın en çok satanlarını en üste doğru tedarik etmektir. Ayrıca, en iyi kategorilerinizin her biri için bir tane olmak üzere birden fazla widget'a sahip olmayı düşünebilirsiniz.

Müşteriler sitenizle etkileşime girdikçe, ürün öneri motorunuz bu müşterinin ne tür ürünlerle ilgilendiğini anlamaya başlayacak ve daha kişiselleştirilmiş öneriler sunacaktır.

Ürün tavsiyelerinin konumu, ne kadar etkili olduklarını etkiler. Ekranın üst kısmına yerleştirilen widget'ların, ekranın altındaki widget'lardan neredeyse iki kat daha etkili (1,7x) olduğunu gördük.

Bu , dönüşüm oranını artıran dinamik içerikle ilgili bulgularımız ile uyumludur.

E-postaları kişiselleştirmenin bir başka harika yolu da ürün enjeksiyonlarıdır. Barilliance gibi yazılımlar, ürün önerilerini doğrudan e-postaya enjekte edebilir.

Widget, her müşterinin en çok ilgilendiği ürünleri yansıtacak şekilde uyarlanmıştır. Aşağıda, cinsiyete göre uyarlama önerilerinin harika bir örneği bulunmaktadır.

Aşağıda, bulduğumuz bazı önemli ürün öneri istatistikleriyle oluşturduğumuz bir bilgi grafiği yer almaktadır.

Ürün önerileri, e-ticaret kişiselleştirme stratejinizin temelini oluşturur.

Dönüşümleri artırmanın bir sonraki adımı, daha gelişmiş kişiselleştirme taktikleri oluşturmaktır.

Son olarak, Barilliance'ın sizin için doğru ürün tavsiye motoru olup olmadığını görmek için bizimle kısa bir demo planlayın.