电子商务个性化博客

产品推荐可以增加利润。

不幸的是，并非所有建议都是相同的。 我们发现个性化产品推荐大大优于通用产品推荐。

本指南将介绍如何在您的商店中实施个性化推荐。 单击此处跳至示例，或继续阅读完整指南。

注意：此页面于 2020 年 9 月 7 日更新，以反映有关产品推荐、内容个性化及其对电子商务销售的影响的最新发现。

我们在这里详细介绍了高级产品推荐引擎的工作原理。

然而，简而言之，我喜欢亚马逊如何详细说明他们的推荐引擎是如何工作的。

上面，亚马逊的推荐引擎结合了各种输入来创建他们的个性化推荐。

Barilliance 通过机器学习和 AI 功能帮助电子商务商店创建预测性、有效的产品推荐。

下面是它的工作原理。

个性化取决于客户数据。

Barilliance 整合了三个主要数据源来创建个性化的产品推荐。

他们是：

1.聚合数据（类别/产品视图，添加到购物车和购买数据，内部搜索查询等）

2. 用于个性化推荐的用户特定数据。 与聚合数据类似，用户数据是特定的用户交互，例如用户查看、购买了哪些类别和产品等。

3. 客户在产品提要中提供的静态产品数据。 产品 Feed 数据通常包括价格、可用性、品牌、标签和其他产品属性。

为了创建有效的个人产品推荐，Barilliance 使用了多种机器学习优化算法。

我们的 AI 技术会根据用户是谁以及他们在什么环境中查看您的网站来选择使用哪种算法来填充产品推荐小部件。

为了说明，以主页体验为例。

访问者可以是新访问者或回访者。

如果用户之前没有访问过该网站，则会显示一系列最畅销的产品。

但是，如果访问者返回，访问者将看到基于他们之前与您的品牌互动的个性化推荐，例如：

- 与他们最近购买的物品相关的产品
- 与他们最近查看的产品相关的产品
- 最近查看的类别中的畅销商品

以上，我们的内部研究表明，与首次访问者相比，回访者的购物车加入率要高得多。 这部分是由内容个性化驱动的，包括由于用户信息增加而更有效的产品推荐。

最后，您可以为任意数量的人口统计或行为细分定义销售规则。

我们在文章 [Guide] Advanced Product Recommendation Tactics to 3x Revenue 中介绍了推销规则。


从那里，我们分享了如何：

“最好的引擎允许零售商‘否决’软件的建议，而不是你设置的明确的推销规则。

示例包括：

上图，Dearborn Denim 重点介绍了一系列互补腰带，适用于当前看到的牛仔裤水洗。 突出互补产品可以让客户更好地设想他们将如何自己装饰物品，而不是产品图像显示的内容。

此外，推荐免费产品是通过为购物会话增加增量收入来增加客户平均订单价值的好方法。

Buy Buy Baby 提供了另一个个性化的产品推荐示例。

他们在产品展示页面上展示的第一系列产品推荐小部件带来了类似的产品。 在这里，它不是根据产品的属性来查找免费产品，而是从产品目录中显示类似的选项。 您可以看到第一个产品推荐小部件显示了相似的裤子款式和颜色。

第二个产品推荐小部件展示了基于用户亲和力的更广泛的替代选择。 亲和度是根据会话中的购物行为实时确定的。

在拉取特定竞品有助于加深用户对合适产品的搜索的同时，Buy Buy Baby还通过推荐相关类别和相关搜索来拓宽搜索范围。

以上是推荐整个产品类别和常见搜索的一个很好的例子。 使用搜索是关注客户需求并帮助客户找到所需内容的好方法。

亚马逊是个性化产品推荐小部件的先驱。 时至今日，它们比大多数电子商务商店更能促进比较购物。

上面放置了用户生成的数据（评分）、站点数据（以动态产品标签的形式）和产品提要数据，让客户快速比较相似的产品。

上图，Mint Julep 展示了带有配饰的主要商品（印花连衣裙）。 他们通过名为“Shop the Look”的个性化产品推荐小部件，让客户可以轻松购买整套服装。

订单确认页面通常是客户生命周期中优化不足的一步。 然而，这些页面代表了一个很好的机会，可以以最高的参与度与客户交谈。

上图，亚马逊在确认订单详情后，展示了一系列推荐小部件。 在这种情况下，个性化推荐小部件的标题为“我们品牌的商品，灵感来自您的观点”

人口统计数据是个性化产品推荐的客户信息的绝佳来源。 简单的例子包括简单地根据哪些项目最适用于客户来呈现正确的类别。

然而，我个人最喜欢的使用人口统计数据来个性化推荐的例子来自 Target。

在这里，他们使用客户人口统计数据和过去的购买记录，不仅可以识别当前需求，还可以预测未来需求。

下面，Target 给出了一个他们知道大多数有婴儿的家庭最终需要的明确报价——配方奶粉。 请注意，奖励是一张礼品卡，它不仅可以锁定重复购买，还有助于将 Target 确立为获得这种主食的地方。

亚马逊提供了另一个使用数据个性化优惠的好例子。 这一次，他们使用日期时间。 识别假期和购买活动何时适合您的各种客户群体，这不仅是制作外展活动的好方法，而且是实施现场内容个性化策略的好方法。

下面，亚马逊利用即将到来的假期（母亲节）来创建一系列个性化的产品推荐。

为了展示个性化产品推荐的有效性，我们收集了有关推荐小部件如何影响整个客户旅程中的电子商务商店的数据。

下面我们查看以下统计数据：平均订单价值、收入、转化率和购物车放弃率。

个性化的产品推荐显着提高了 AOV（平均订单价值） 。

与建议没有任何互动的会话的 AOV 为 44.41 美元。

当潜在客户参与单一推荐时，这个数字会增加 369%。 效果继续攀升，直到大约 5 次咔嗒声逐渐减弱。

很明显，越个性化和吸引人的推荐，越多的商店从更大的采购订单中受益。

*注：本研究涉及多个行业。 这项研究的意义不在于名义数量，而是相对增加。

我们对 300 名随机选择的客户进行了研究。 这是我们发现的。

产品推荐占电子商务网站收入的 31%。

平均而言，客户将 12% 的销售额归功于我们的产品推荐产品。

我们还发现产品推荐可以提高转化率。

上面，我们看到会话的转化率随着他们的参与度同步增加。

同样，最大的改进发生在第一次点击时。 不接受推荐的潜在客户转化率为 1.02%。 单次互动后，这个数字增加了 288%。

我们的发现与SalesForce 进行的一项类似研究一致。 他们发现，点击推荐的购物者将商品添加到购物车的可能性增加了 4.5 倍，完成购买的可能性增加了 4.5 倍。

最后，推荐对放弃购物车有显着影响。

在这里，我们将购物车放弃定义为完成购买的会话数除以潜在客户将商品添加到购物车的总会话数。 然后，我们根据他们在该会议中与建议的互动方式对这些数字进行了细分。

我们发现，完全不参与推荐的会话，只是将商品添加到购物车中的会话更有可能放弃购买。

事实上，实施个性化的产品推荐可以将购物车放弃率提高 4.35%。

最后，有趣的是，在一定程度的参与后，对购物车放弃的影响会逆转。 当您考虑买家行为时，这是有道理的——尤其是那些在研究短语中使用推荐来寻找产品的行为。

产品推荐的位置会影响它们的有效性。 我们发现放置在首屏的小部件的效果几乎是首屏小部件的两倍（1.7 倍）。

在本研究审查的 20 多种产品推荐类型中，最具吸引力的推荐类型是“客户最终购买的产品”。

当新访客来到您的商店时，您不知道要推荐什么产品。

最佳做法是向顶部供应商店中最畅销的商品。 您还可以考虑拥有多个小部件，每个小部件用于您的顶级类别。

随着客户与您的网站互动，您的产品推荐引擎将开始了解该客户感兴趣的产品类型，并提供更个性化的建议。

产品推荐的位置会影响它们的有效性。 我们发现放置在首屏的小部件的效果几乎是首屏小部件的两倍（1.7 倍）。

这与我们对提高转化率的动态内容的发现一致。

另一种个性化电子邮件的好方法是通过产品注入。 Barilliance 等软件可以将产品推荐直接注入电子邮件中。

该小部件经过定制以反映每个客户最感兴趣的产品。下面是一个基于性别的定制建议的好例子。

下面是我们用我们发现的一些关键产品推荐统计数据构建的信息图。

产品推荐是您电子商务个性化策略的基础。

提高转化率的下一步是建立更高级的个性化策略。

最后，要查看 Barilliance 是否适合您的产品推荐引擎，请与我们安排一个简短的演示。