電子商務個性化博客

產品推薦可以增加利潤。

不幸的是，並非所有建議都是相同的。 我們發現個性化產品推薦大大優於通用產品推薦。

本指南將介紹如何在您的商店中實施個性化推薦。 單擊此處跳至示例，或繼續閱讀完整指南。

注意：此頁面於 2020 年 9 月 7 日更新，以反映有關產品推薦、內容個性化及其對電子商務銷售的影響的最新發現。

我們在這裡詳細介紹了高級產品推薦引擎的工作原理。

然而，簡而言之，我喜歡亞馬遜如何詳細說明他們的推薦引擎是如何工作的。

上面，亞馬遜的推薦引擎結合了各種輸入來創建他們的個性化推薦。

Barilliance 通過機器學習和 AI 功能幫助電子商務商店創建預測性、有效的產品推薦。

下面是它的工作原理。

個性化取決於客戶數據。

Barilliance 整合了三個主要數據源來創建個性化的產品推薦。

他們是：

1.聚合數據（類別/產品視圖，添加到購物車和購買數據，內部搜索查詢等）

2. 用於個性化推薦的用戶特定數據。 與聚合數據類似，用戶數據是特定的用戶交互，例如用戶查看、購買了哪些類別和產品等。

3. 客戶在產品提要中提供的靜態產品數據。 產品 Feed 數據通常包括價格、可用性、品牌、標籤和其他產品屬性。

為了創建有效的個人產品推薦，Barilliance 使用了多種機器學習優化算法。

我們的 AI 技術會根據用戶是誰以及他們在什麼環境中查看您的網站來選擇使用哪種算法來填充產品推薦小部件。

為了說明，以主頁體驗為例。

訪問者可以是新訪問者或回訪者。

如果用戶之前沒有訪問過該網站，則會顯示一系列最暢銷的產品。

但是，如果訪問者返回，訪問者將看到基於他們之前與您的品牌互動的個性化推薦，例如：

- 與他們最近購買的物品相關的產品
- 與他們最近查看的產品相關的產品
- 最近查看的類別中的暢銷商品

以上，我們的內部研究表明，與首次訪問者相比，回訪者的購物車加入率要高得多。 這部分是由內容個性化驅動的，包括由於用戶信息增加而更有效的產品推薦。

最後，您可以為任意數量的人口統計或行為細分定義銷售規則。

我們在文章 [Guide] Advanced Product Recommendation Tactics to 3x Revenue 中介紹了推銷規則。


從那裡，我們分享瞭如何：

“最好的引擎允許零售商‘否決’軟件的建議，而不是你設置的明確的推銷規則。

示例包括：

上圖，Dearborn Denim 重點介紹了一系列互補腰帶，適用於當前看到的牛仔褲水洗。 突出互補產品可以讓客戶更好地設想他們將如何自己裝飾物品，而不是產品圖像顯示的內容。

此外，推薦免費產品是通過為購物會話增加增量收入來增加客戶平均訂單價值的好方法。

Buy Buy Baby 提供了另一個個性化的產品推薦示例。

他們在產品展示頁面上展示的第一系列產品推薦小部件帶來了類似的產品。 在這裡，它不是根據產品的屬性來查找免費產品，而是從產品目錄中顯示類似的選項。 您可以看到第一個產品推薦小部件顯示了相似的褲子款式和顏色。

第二個產品推薦小部件展示了基於用戶親和力的更廣泛的替代選擇。 親和度是根據會話中的購物行為實時確定的。

在拉取特定競品有助於加深用戶對合適產品的搜索的同時，Buy Buy Baby還通過推薦相關類別和相關搜索來拓寬搜索範圍。

以上是推薦整個產品類別和常見搜索的一個很好的例子。 使用搜索是關注客戶需求並幫助客戶找到所需內容的好方法。

亞馬遜是個性化產品推薦小部件的先驅。 時至今日，它們比大多數電子商務商店更能促進比較購物。

上面放置了用戶生成的數據（評分）、站點數據（以動態產品標籤的形式）和產品提要數據，讓客戶快速比較相似的產品。

上圖，Mint Julep 展示了帶有配飾的主要商品（印花連衣裙）。 他們通過名為“Shop the Look”的個性化產品推薦小部件，讓客戶可以輕鬆購買整套服裝。

訂單確認頁面通常是客戶生命週期中優化不足的一步。 然而，這些頁面代表了一個很好的機會，可以以最高的參與度與客戶交談。

上圖，亞馬遜在確認訂單詳情后，展示了一系列推薦小部件。 在這種情況下，個性化推薦小部件的標題為“我們品牌的商品，靈感來自您的觀點”

人口統計數據是個性化產品推薦的客戶信息的絕佳來源。 簡單的例子包括簡單地根據哪些項目最適用於客戶來呈現正確的類別。

然而，我個人最喜歡的使用人口統計數據來個性化推薦的例子來自 Target。

在這裡，他們使用客戶人口統計數據和過去的購買記錄，不僅可以識別當前需求，還可以預測未來需求。

下面，Target 給出了一個他們知道大多數有嬰兒的家庭最終需要的明確報價——配方奶粉。 請注意，獎勵是一張禮品卡，它不僅可以鎖定重複購買，還有助於將 Target 確立為獲得這種主食的地方。

亞馬遜提供了另一個使用數據個性化優惠的好例子。 這一次，他們使用日期時間。 識別假期和購買活動何時適合您的各種客戶群體，這不僅是製作外展活動的好方法，而且是實施現場內容個性化策略的好方法。

下面，亞馬遜利用即將到來的假期（母親節）來創建一系列個性化的產品推薦。

為了展示個性化產品推薦的有效性，我們收集了有關推薦小部件如何影響整個客戶旅程中的電子商務商店的數據。

下面我們查看以下統計數據：平均訂單價值、收入、轉化率和購物車放棄率。

個性化的產品推薦顯著提高了 AOV（平均訂單價值） 。

與建議沒有任何互動的會話的 AOV 為 44.41 美元。

當潛在客戶參與單一推薦時，這個數字會增加 369%。 效果繼續攀升，直到大約 5 次咔嗒聲逐漸減弱。

很明顯，越個性化和吸引人的推薦，越多的商店從更大的採購訂單中受益。

*注：本研究涉及多個行業。 這項研究的意義不在於名義數量，而是相對增加。

我們對 300 名隨機選擇的客戶進行了研究。 這是我們發現的。

產品推薦佔電子商務網站收入的 31%。

平均而言，客戶將 12% 的銷售額歸功於我們的產品推薦產品。

我們還發現產品推薦可以提高轉化率。

上面，我們看到會話的轉化率隨著他們的參與度同步增加。

同樣，最大的改進發生在第一次點擊時。 不接受推薦的潛在客戶轉化率為 1.02%。 單次互動後，這個數字增加了 288%。

我們的發現與SalesForce 進行的一項類似研究一致。 他們發現，點擊推薦的購物者將商品添加到購物車的可能性增加了 4.5 倍，完成購買的可能性增加了 4.5 倍。

最後，推薦對放棄購物車有顯著影響。

在這裡，我們將購物車放棄定義為完成購買的會話數除以潛在客戶將商品添加到購物車的總會話數。 然後，我們根據他們在該會議中與建議的互動方式對這些數字進行了細分。

我們發現，完全不參與推薦的會話，只是將商品添加到購物車中的會話更有可能放棄購買。

事實上，實施個性化的產品推薦可以將購物車放棄率提高 4.35%。

最後，有趣的是，在一定程度的參與後，對購物車放棄的影響會逆轉。 當您考慮買家行為時，這是有道理的——尤其是那些在研究短語中使用推薦來尋找產品的行為。

產品推薦的位置會影響它們的有效性。 我們發現放置在首屏的小部件的效果幾乎是首屏小部件的兩倍（1.7 倍）。

在本研究審查的 20 多種產品推薦類型中，最具吸引力的推薦類型是“客戶最終購買的產品”。

當新訪客來到您的商店時，您不知道要推薦什麼產品。

最佳做法是向頂部供應商店中最暢銷的商品。 您還可以考慮擁有多個小部件，每個小部件用於您的頂級類別。

隨著客戶與您的網站互動，您的產品推薦引擎將開始了解該客戶感興趣的產品類型，並提供更個性化的建議。

產品推薦的位置會影響它們的有效性。 我們發現放置在首屏的小部件的效果幾乎是首屏小部件的兩倍（1.7 倍）。

這與我們對提高轉化率的動態內容的發現一致。

另一種個性化電子郵件的好方法是通過產品注入。 Barilliance 等軟件可以將產品推薦直接注入電子郵件中。

該小部件經過定制以反映每個客戶最感興趣的產品。下面是一個基於性別的定制建議的好例子。

下面是我們用我們發現的一些關鍵產品推薦統計數據構建的信息圖。

產品推薦是您電子商務個性化策略的基礎。

提高轉化率的下一步是建立更高級的個性化策略。

最後，要查看 Barilliance 是否適合您的產品推薦引擎，請與我們安排一個簡短的演示。