Produktanbefaling er i bund og grund et filtreringssystem, der forudsiger og viser de produkter, dine kunder gerne vil købe. Produktanbefalingsmotoren er et komplekst system, der bruger algoritmer og brugerdata såsom produktbedømmelser og kommentarer, historik/returhistorik, vognbegivenheder, sidevisninger, klik- og søgehistorik osv.
Når det er gjort korrekt, kan produktanbefalinger hjælpe detailhandlere med at øge deres omsætning og forbedre kundefastholdelsen. HiVis Supply, en førende onlinebeklædnings- og højsynlighedsforhandler, brugte personlige anbefalinger og øgede sin omsætning med hele 68,3 %.
Her er et eksempel på, hvordan on-site produktanbefalingsmotoren fungerer:
Forhandlere bruger ikke kun disse produktforslagsmotorer, men streaminggiganter som Netflix og YouTube har også indbyggede anbefalingsmotorer til at skabe skræddersyede lister over anbefalede klip, som brugerne kan se. Faktisk bliver 80 % af de shows, du ser på Netflix, opdaget gennem anbefalingsmotoren.
Individuel pakning. Hvordan skiller man sig ud?
Lad os nu se på de forskellige typer anbefalingsmotorer, der bruges af detailhandlere til at skabe mere meningsfulde køb.
Der er 3 typer produktanbefalingsmotorer:
- Indholdsfiltrering. Denne type filtrering analyserer en shoppers tidligere præferencer og tidligere valg for at oprette en præferenceprofil. Så næste gang du ser anbefalinger som "Hvis du kunne lide dette, kunne du måske også lide dette," husk, at dette er et indholdsbaseret forslag.
- Samarbejdsfiltrering: denne metode tager data fra flere kunder og kilder og krydsreferencer deres købshistorik for at forudsige, hvad en bestemt kunde ønsker.
- For eksempel, hvis en bruger leder efter sko, kan systemet anbefale et par sokker, som andre brugere har købt sammen med det par.
- Derudover analyserer den kollaborative filtreringsmetode den demografiske sammensætning af brugere og afgør, om de er førstegangskøbere eller eksisterende købere. Amazon bruger en produkt-for-vare-samarbejdsfiltreringsmetode, som tegner sig for 35% af virksomhedens omsætning.
- Hybride anbefalinger. Som udtrykket antyder, kombinerer denne type anbefalingsmotor indholdsbaserede og samarbejdsbaserede metoder, ved at bruge data fra lignende brugere såvel som en bestemt brugers tidligere præferencer til at oprette en liste over anbefalede produkter.
Hvordan fungerer produktanbefalingsmotoren?
En typisk produktanbefalingsmotor behandler data i fire forskellige stadier: indsamling, opbevaring, analyse og filtrering.
Trin 1: Dataindsamling. Produktanbefaling
Dette omfatter både eksplicitte og implicitte data. Eksplicitte data består af oplysninger leveret af brugere, såsom vurderinger og kommentarer til produkter. På den anden side indeholder implicitte data information såsom ordrehistorik/returhistorik, kurvhændelser, sidevisninger, klik og søgelogfiler.
Trin 2: Datalagring
Produktanbefalingsmotoren leverer data. Dens effektivitet afhænger af mængden af data, du stiller til rådighed for algoritmerne. Den type oplysninger, du bruger til at opsætte anbefalinger, kan hjælpe dig med at vælge den type lagring, du skal bruge. du kan bruge database NoSQL, en standard SQL-database eller endda en form for objektlagring.
Trin 3: Dataanalyse. Produktanbefaling
Filtrering af data ved hjælp af forskellige analyseprocesser er næste trin. Her er nogle af måderne at analysere de indsamlede data på:
- Realtidssystemer
- Batch analyse
- Nær realtidsanalyse
Trin 4: Datafiltrering
Det sidste trin er at vælge en filtreringsmetode. Som vi sagde i det foregående afsnit, kan du vælge mellem tre forskellige filtreringsmetoder: indholdsbaserede, kollaborative eller hybride anbefalinger.
Hvorfor har en onlinebutik brug for et produktanbefalingssystem? Produktanbefaling
For mere end ti år siden introducerede Amazon en ny funktion til sin hjemmeside. De viste et udvalg af produkter i en karrusel under sloganet: "Kunder, der så denne vare, så også andre varer."
Amazons produktanbefaling var ikke bare en funktion, men en fantastisk demonstration af, hvordan man bruger data intelligent til forretningssucces. I dag, efter detailgigantens enorme succes, bruger de fleste detailhandlere personlige anbefalinger som et målrettet marketingværktøj både i reklame e-mail-kampagner og på de fleste sider på dit websted.
Men hvis du driver en butik e-handel og endnu ikke har aktiveret anbefalinger, her er nogle vigtige fakta og tal, der sandsynligvis vil få dig til at genoverveje din nuværende strategi.
Produktanbefaling for bedste praksis
Mange butiksejere e-handel, synes at tro, at produktanbefalinger simpelthen er en samling af lignende produkter. De går dog ofte glip af én vigtig ting: at optimere deres anbefalinger til konverteringer.
Brug Data Scie til at forstå kundernes købsadfærd
For at få produktanbefalinger til at virke til din fordel, skal du sikre dig, at de tilbud, du tilbyder, er relevante og datadrevne. Så hvordan giver du dine kunder de mest præcise anbefalinger, der matcher deres interesser og behov?
Ikke alle kunder er ens. Hver køber har deres egne unikke præferencer og kriterier, som de baserer deres købsbeslutninger på.
For eksempel, hvis du ejer en kosttilskudsbutik, foretrækker nogle af dine kunder måske specifikke smagsvarianter eller ingredienser. På den anden side vil nogle kunder altid være loyale over for deres yndlingsmærker. En effektiv produktanbefalingsmotor bør altid genkende denne unikke brugeradfærd og forstå "hvorfor" bag en kundes beslutning om at købe et bestemt produkt.
Ved at lære af de data, du har indsamlet, vil din motor vide, hvad dine kunder kan lide, og hvad der får dem til at købe. Til gengæld lokker det besøgende med tilpassede produkttilbud. Accenture-undersøgelser viser, at meget personlige produktanbefalinger øger sandsynligheden for et køb med 75 procent.
Giv det rigtige antal anbefalinger. Produktanbefaling
Formålet med at inkludere produktanbefalinger på din hjemmeside er at hjælpe besøgende med at finde noget, de kunne lide, og derved øge kundernes engagement. Når du bliver mere tilbøjelig til at henvende dig til anbefalinger blot som en mulighed for at forbedre dine konverteringer, er der en god chance for, at du vil skade den samlede oplevelse.
Faktisk kan for mange anbefalinger distrahere besøgende fra sidens egentlige formål. Ligesom den irriterende pop-up, der dukker op, når du surfer på en hjemmeside, kan produktanbefalinger også være irriterende.
Se, hvordan Walmart udførte sin strategi for produktanbefaling:
I modsætning til Amazon har Walmart ikke en omfattende produktanbefalingsstrategi. Ved at holde den minimal og centreret sikrer de, at dens produktforslagsfunktion ikke afviger fra det faktiske formål med den aktuelle side.
At vælge kvalitet frem for kvantitet er vores ekspertanbefaling. Ved kun at vise nogle få fremhævede anbefalinger på udvalgte sider, kan du opretholde en balance mellem konverteringsrate og shoppingoplevelse.
Brug produktbilleder af høj kvalitet. Produktanbefaling
Billeder er afgørende for succes. e-handel. Men hvorfor?
Visuelt indhold opbygger tillid ved at give kunderne en indkøbsoplevelse i butikken.
Produktanbefalinger er ingen undtagelse i dette tilfælde. Medtagelse af billeder i høj kvalitet er den bedste måde at få folk til at tjekke dine udvalgte genstande.
Nikes produktanbefalinger indeholder førsteklasses billeder, der gør det nemt for kunderne at opdage, vurdere og købe disse produkter.
Smartere anbefalinger fører til bedre konverteringer
Ifølge Marketing Dive forlader 48 % af shoppere et brands hjemmeside og handler hos en konkurrent på grund af en dårligt personlig oplevelse. For at fange dine besøgendes opmærksomhed skal du komme med smartere, mere personlige produktanbefalinger baseret på individuelle præferencer eller sociale data.
Med produktanbefalinger kan du fange alles indkøbsmønstre, adfærd, købshistorik eller ønskelister og præsentere dem med højt specialiserede produktforslag.
At skabe forskellige typer anbefalinger er en anden effektiv metode til at skabe et engagerende shoppingmiljø.
Nogle af de bedste typer konverteringsanbefalinger inkluderer:
Anbefaling af bestsellere. I anbefaling denne type omfatter populære produkter eller bestsellere i en netbutik.
Andre kunder bliver også set. Denne type anbefalinger fungerer efter dataindsamling, interesser eller præferencer hos mange brugere og matche dem med en bestemt købers adfærd på internettet for at give de mest præcise tilbud.
Du kan måske også lide: det er et sæt produkter, der minder lidt om det, køberen leder efter. I denne forbindelse indsamler og sammenligner anbefalingsmotoren forskellige brugeradfærd og præferencer såsom kategori, farve, mærke, pris osv.
Anbefalinger efter kategori. Nogle butikker e-handel vise produktforslag baseret på bestsellere eller populære produkter efter kategori. Produktanbefaling
Forbedre AOV ved hjælp af ofte købte sammen-anbefalinger
En af de bedste måder at øge omsætningen i e-handelsbutikker på er at øge AOV, eller den gennemsnitlige ordreværdi, for transaktioner. Ofte købt sammen-anbefalinger er rettet mod at skabe muligheder for mersalg og krydssalg. Produktanbefaling
I dette tilfælde analyserer en produktanbefalingsmotor enorme mængder data, såsom købshistorik og tidligere adfærd fra lignende brugere, for at anbefale yderligere produkter.
Amazon gør alt rigtigt, når du gør dette:
Hovedmålet med at anbefale "ofte købt sammen" produkter er at øge AOV for hver transaktion.
Indsæt socialt bevis eller badges for at opbygge tillid. Produktanbefaling
Tilføjelse af et element af social beskyttelse til anbefalinger hjælper detailhandlere med at vise tillid til de produkter, de tilbyder.
HubSpot-undersøgelser viser, at 57 % af forbrugerne foretrækker et produkt eller en tjeneste, der har mindst en 4-stjernet vurdering. Hvad mere er, er nutidens kunder villige til at bruge 31 % mere på virksomheder med bedre anmeldelser.
For at øge din tillidskvotient kan du sætte små ikoner ud for hvert produkt for at vise, hvor mange mennesker der har købt det den dag. Hvis en køber indser, at nogle andre allerede har købt et bestemt produkt, kan det skubbe ham tættere på en købsbeslutning.
Forhandlere kan også tilføje stjernevurderinger til deres bestseller-anbefalinger for at øge chancerne for konvertering.
At inkludere etiketter som "bestseller", "topvalg" eller "redaktørens valg" er også effektive.
Placer dine anbefalinger over folden
Da shopping er et visuelt spil, betyder placeringen af din anbefaling meget. Udtrykket "over folden" blev først brugt til at henvise til den øverste halvdel af aviser; til dette formål var der en enkelt del synlig for forbipasserende. Derfor placerede udgivere normalt overbevisende billeder eller overskrifter over skillelinjen for at tiltrække besøgende.
Hjemmesider er ikke anderledes. Produktanbefaling
Ifølge Nielsen Norman Group-manifestet er den gennemsnitlige forskel mellem, hvordan brugere behandler oplysninger over og under, 84 %.
Ved at placere din produktanbefaling over skillelinjen hjælper kunderne nemt med at identificere den. For købere med den højeste grad af interesse i at købe, bekvem placering over foldningen.
Tilføj produktanbefalinger på 404 sider. Produktanbefaling
404-fejl kan være frustrerende for kunderne.
Faktisk viser en undersøgelse, at 74 % af shoppere, der støder på en 404-fejl, vil forlade webstedet og aldrig vende tilbage.
Men bare rolig! Du kan bruge denne uundgåelige situation til at fremvise nogle af dine hotteste produkter. Ud over at tilbyde dine brugere en vej ud af fejlsiden, giver dette en fantastisk mulighed øge antallet af konverteringer.
Selv populære forhandlere som Nike, Steve Madden osv. følger denne taktik og gør de uundgåelige 404-fejl til en mulighed.
Hjem Produktanbefalinger Kraftig
Hjemmesiden på et websted er det ideelle sted at sende produktanbefalinger.
Baymards undersøgelse viser, at 25 % af førstegangskunderne gentagne gange rullede til hjemmesiden og derefter vendte tilbage igen for at udforske webstedets produktsortiment. Nye besøgende, som ikke har noget forhåndskendskab til mærkets eksklusive sortiment og er meget afhængige af indholdet hjemmesideat øge din bevidsthed. Produktanbefaling
For eksempel placerede RayBan sine mest populære produkter på sin hjemmeside for at skabe købsmuligheder.
Filosofien er enkel: Det er normalt svært at anbefale nye tilbud til nye besøgende på grund af manglende data. I dette scenarie er den bedste produktanbefaling at vise de mest populære produkter eller dem med de højeste konverteringsrater på startsiden.
Inkluder anbefalinger i e-mails med bekræftelse og forladte kurv
For hver krone brugt på e-mail markedsføring, kan du forvente et gennemsnit på $42. Derudover anbefaler 59 % af marketingfolk e-mail som den mest effektive kanal med synspunkter modtage indkomst. Takket være høj konvertering e-mails er en af de bedste måder at præsentere anbefalinger til dine kolleger på.
Som et eksempel kan du bruge den forladte kurv-e-mail S til kunstgenstande, der ligner forladte varer.
På den anden side kan du inkludere "ofte købt sammen"-anbefalinger i din ordrebekræftelses-e-mail.
Sidste tanker
En Infosys detailhandelsoplevelsesundersøgelse viser, at 74 % af forbrugerne er frustrerede, når de lander på et websted, der viser indhold, der ikke har noget at gøre med deres interesser og præferencer. Kundecentreret personalisering kan dog øge dine konverteringer med 5 % og give et afkast på 5x til 8x på dit marketingudgifter.
Personlige produktanbefalinger driver vækst og rentabilitet, mens det gør det nemmere for kunder at købe ved at forstå deres specifikke præferencer. Som en af de mest populære tendenser inden for e-handel, giver produktanbefalinger detailhandlere mulighed for at konkurrere med og overgå branchens største navne, samtidig med at kunderne får en enestående shoppingoplevelse.
Efterlad en kommentar