Produktanbefaling er i hovedsak et filtreringssystem som forutsier og viser produktene kundene dine ønsker å kjøpe. Produktanbefalingsmotoren er et komplekst system som bruker algoritmer og brukerdata som produktvurderinger og kommentarer, historikk/returhistorikk, handlekurvhendelser, sidevisninger, klikk- og søkehistorikk, etc.
Når det gjøres på riktig måte, kan produktanbefalinger hjelpe forhandlere med å øke inntektene sine og forbedre kundebevaringen. HiVis Supply, en ledende forhandler av nettklær og høysynlighet, brukte personlig tilpassede anbefalinger og økte inntektene med hele 68,3 %.
Her er et eksempel på hvordan produktanbefalingsmotoren på stedet fungerer:
Ikke bare bruker forhandlere disse produktforslagsmotorene, men strømmegiganter som Netflix og YouTube har også innebygde anbefalingsmotorer for å lage skreddersydde lister over anbefalte klipp som brukerne kan se. Faktisk blir 80 % av programmene du ser på Netflix oppdaget gjennom anbefalingsmotoren.
Individuell pakking. Hvordan skille seg ut?
La oss nå se på de forskjellige typene anbefalingsmotorer som brukes av forhandlere for å skape mer meningsfylte handleopplevelser.
Det er 3 typer produktanbefalingsmotorer:
- Innholdsfiltrering. Denne typen filtrering analyserer en shoppers tidligere preferanser og tidligere valg for å lage en preferanseprofil. Så neste gang du ser anbefalinger som «Hvis du likte dette, vil du kanskje også like dette», husk at dette er et innholdsbasert forslag.
- Samarbeidsfiltrering: denne metoden tar data fra flere kunder og kilder og kryssreferanser deres kjøpshistorikk for å forutsi hva en bestemt kunde ønsker.
- For eksempel, hvis en bruker ser etter sko, kan systemet anbefale et par sokker som andre brukere har kjøpt sammen med det paret.
- I tillegg analyserer den samarbeidende filtreringsmetoden den demografiske sammensetningen av brukere og avgjør om de er førstegangskjøpere eller eksisterende kjøpere. Amazon bruker en vare-for-vare-samarbeidsfiltreringsmetode, som står for 35 % av selskapets inntekter.
- Hybride anbefalinger. Som begrepet antyder, kombinerer denne typen anbefalingsmotorer innholdsbaserte og samarbeidsbaserte metoder, ved å bruke data fra lignende brukere så vel som en bestemt brukers tidligere preferanser for å lage en liste over anbefalte produkter.
Hvordan fungerer produktanbefalingsmotoren?
En typisk produktanbefalingsmotor behandler data i fire forskjellige stadier: innsamling, lagring, analyse og filtrering.
Trinn 1: Datainnsamling. Produktanbefaling
Dette inkluderer både eksplisitte og implisitte data. Eksplisitte data består av informasjon gitt av brukere, for eksempel vurderinger og kommentarer på produkter. På den annen side inneholder implisitte data informasjon som ordrehistorikk/returhistorikk, handlekurvhendelser, sidevisninger, klikk og søkelogger.
Trinn 2: Datalagring
Produktanbefalingsmotoren mater data. Effektiviteten avhenger av mengden data du gjør tilgjengelig for algoritmene. Typen informasjon du bruker for å sette opp anbefalinger kan hjelpe deg med å velge hvilken type lagring du bør bruke. du kan bruke database NoSQL, en standard SQL-database, eller til og med en slags objektlagring.
Trinn 3: Dataanalyse. Produktanbefaling
Filtrering av data ved hjelp av ulike analyseprosesser er neste trinn. Her er noen av måtene å analysere de innsamlede dataene på:
- Sanntidssystemer
- Batchanalyse
- Nær sanntidsanalyse
Trinn 4: Datafiltrering
Det siste trinnet er å velge en filtreringsmetode. Som vi sa i forrige seksjon, kan du velge mellom tre forskjellige filtreringsmetoder: innholdsbaserte, samarbeidende eller hybride anbefalinger.
Hvorfor trenger en nettbutikk et produktanbefalingssystem? Produktanbefaling
For mer enn et tiår siden introduserte Amazon en ny funksjon på nettstedet sitt. De viste et utvalg produkter i en karusell under slagordet: "Kunder som så på denne varen, så også på andre varer."
Amazons produktanbefaling var ikke bare en funksjon, men en flott demonstrasjon av hvordan man bruker data intelligent for forretningssuksess. I dag, etter den enorme suksessen til detaljhandelsgiganten, bruker de fleste forhandlere personlige anbefalinger som et målrettet markedsføringsverktøy både i reklame e-postkampanjer og på de fleste sidene på nettstedet ditt.
Men hvis du driver en butikk e-handel og ennå ikke har aktivert anbefalinger, her er noen viktige fakta og tall som sannsynligvis vil få deg til å revurdere din nåværende strategi.
Produktanbefaling for beste praksis
Mange butikkeiere e-handel, synes å tro at produktanbefalinger ganske enkelt er en samling av lignende produkter. Imidlertid går de ofte glipp av én viktig ting: å optimalisere anbefalingene for konverteringer.
Bruk Data Scie for å forstå kundens kjøpsatferd
For å få produktanbefalinger til å fungere i din favør, må du sørge for at tilbudene du tilbyr er relevante og datadrevne. Så hvordan gir du kundene dine de mest nøyaktige anbefalingene som samsvarer med deres interesser og behov?
Ikke alle klienter er like. Hver kjøper har sine egne unike preferanser og kriterier som de baserer sine kjøpsbeslutninger på.
For eksempel, hvis du eier en helsekosttilskuddsbutikk, kan noen av kundene dine foretrekke spesifikke smaker eller ingredienser. På den annen side vil noen kunder alltid være lojale mot favorittmerkene sine. En effektiv produktanbefalingsmotor bør alltid gjenkjenne denne unike brukeratferden og forstå "hvorfor" bak en kundes beslutning om å kjøpe et bestemt produkt.
Ved å lære av dataene du har samlet inn, vil motoren din vite hva kundene liker og hva som får dem til å kjøpe. På sin side lokker det besøkende med tilpassede produkttilbud. Accenture-undersøkelser viser at svært personlige produktanbefalinger øker sannsynligheten for et kjøp med 75 prosent.
Gi riktig antall anbefalinger. Produktanbefaling
Hensikten med å inkludere produktanbefalinger på nettstedet ditt er å hjelpe besøkende med å finne noe de kanskje liker, og dermed øke kundeengasjementet. Når du blir mer tilbøyelig til å nærme deg anbefalinger bare som en mulighet til å forbedre konverteringene dine, er det en god sjanse for at du vil skade den generelle opplevelsen.
Faktisk kan for mange anbefalinger distrahere besøkende fra det virkelige formålet med siden. Akkurat som den irriterende pop-upen som dukker opp når du surfer på et nettsted, kan produktanbefalinger også være irriterende.
Se hvordan Walmart utførte sin produktanbefalingsstrategi:
I motsetning til Amazon har ikke Walmart en omfattende strategi for produktanbefaling. Ved å holde den minimal og sentrert, sikrer de at produktforslagsfunksjonen ikke avviker fra det faktiske formålet med den gjeldende siden.
Å velge kvalitet fremfor kvantitet er vår ekspertanbefaling. Ved å vise bare noen få fremhevede anbefalinger på utvalgte sider, kan du opprettholde en balanse mellom konverteringsfrekvens og handleopplevelse.
Bruk produktbilder av høy kvalitet. Produktanbefaling
Bilder er avgjørende for suksess. e-handel. Men hvorfor?
Visuelt innhold bygger tillit ved å gi kjøpere en handleopplevelse i butikken.
Produktanbefalinger er intet unntak i dette tilfellet. Å inkludere bilder av høy kvalitet er den beste måten å få folk til å sjekke ut de fremhevede elementene dine.
Nikes produktanbefalinger inneholder førsteklasses bilder som gjør det enkelt for kunder å oppdage, vurdere og kjøpe disse produktene.
Smartere anbefalinger fører til bedre konverteringer
I følge Marketing Dive forlater 48 % av kundene et merkes nettsted og handler hos en konkurrent på grunn av en dårlig personlig opplevelse. For å fange de besøkendes oppmerksomhet, må du komme med smartere, mer personlige produktanbefalinger basert på individuelle preferanser eller sosiale data.
Med produktanbefalinger kan du fange alles handlemønster, oppførsel, kjøpshistorikk eller ønskelister og presentere dem med høyt spesialiserte produktforslag.
Å lage ulike typer anbefalinger er en annen effektiv metode for å skape et engasjerende shoppingmiljø.
Noen av de beste konverteringsanbefalingene inkluderer:
Anbefaling av bestselgere. I anbefaling denne typen inkluderer populære produkter eller bestselgere i en nettbutikk.
Andre kunder blir også sett på. Denne typen anbefaling fungerer etter datainnsamling, interesser eller preferanser til mange brukere og matche dem med oppførselen til en bestemt kjøper på Internett for å gi de mest nøyaktige tilbudene.
Kan hende du også liker: det er et sett med produkter som ligner litt på det kjøperen ser etter. I denne forbindelse samler og sammenligner anbefalingsmotoren ulike brukeratferd og preferanser som kategori, farge, merke, pris osv.
Anbefalinger etter kategori. Noen butikker e-handel vise produktforslag basert på bestselgere eller populære produkter etter kategori. Produktanbefaling
Forbedre AOV ved å bruke Ofte kjøpt sammen-anbefalinger
En av de beste måtene å øke e-handelsbutikkinntektene på er å øke AOV, eller gjennomsnittlig ordreverdi, for transaksjoner. Ofte kjøpt sammen-anbefalinger er rettet mot å skape mer- og krysssalgsmuligheter. Produktanbefaling
I dette tilfellet analyserer en produktanbefalingsmotor enorme mengder data, for eksempel kjøpshistorikk og tidligere oppførsel til lignende brukere, for å anbefale flere produkter.
Amazon gjør alt riktig når du gjør dette:
Hovedmålet med å anbefale "ofte kjøpte sammen"-produkter er å øke AOV for hver transaksjon.
Sett inn sosiale bevis eller merker for å bygge tillit. Produktanbefaling
Å legge til et element av sosial beskyttelse i anbefalingene hjelper forhandlere med å vise tillit til produktene de tilbyr.
HubSpot-undersøkelser viser at 57 % av forbrukerne foretrekker et produkt eller en tjeneste som har minst 4 stjerner. Dessuten er dagens kunder villige til å bruke 31 % mer på bedrifter med bedre anmeldelser.
For å øke tillitskvotienten din kan du sette små ikoner ved siden av hvert produkt for å vise hvor mange som kjøpte det den dagen. Hvis en kjøper innser at noen andre allerede har kjøpt et bestemt produkt, kan dette presse ham nærmere en kjøpsbeslutning.
Forhandlere kan også legge til stjernerangeringer i bestselgeranbefalingene sine for å øke sjansene for konvertering.
Å inkludere etiketter som "bestselger", "toppvalg" eller "redaktørens valg" er også effektive.
Plasser anbefalingene dine over den synlige delen
Siden shopping er et visuelt spill, betyr plasseringen av anbefalingen din mye. Begrepet "above the fold" ble først brukt for å referere til den øverste halvdelen av avisene; for dette formålet var det en enkelt del synlig for forbipasserende. Derfor plasserte utgivere vanligvis overbevisende bilder eller overskrifter over den synlige delen av nettsiden for å tiltrekke besøkende.
Nettsteder er ikke annerledes. Produktanbefaling
I følge Nielsen Norman Group-manifestet er den gjennomsnittlige forskjellen mellom hvordan brukere behandler informasjon over og under 84 %.
Hvis du plasserer produktanbefalingen din på den synlige delen av nettsiden, blir det enklere for kunder å identifisere den. For kjøpere med høyest grad av interesse for kjøp, praktisk plassering over foldingen.
Legg til produktanbefalinger på 404 sider. Produktanbefaling
404-feil kan være frustrerende for kundene.
Faktisk viser en studie at 74 % av kundene som møter en 404-feil vil forlate nettstedet og aldri komme tilbake.
Men ikke bekymre deg! Du kan bruke denne uunngåelige situasjonen til å vise frem noen av dine hotteste produkter. I tillegg til å tilby brukerne en vei ut av feilsiden, gir dette en fantastisk mulighet øke antall konverteringer.
Selv populære forhandlere som Nike, Steve Madden, etc. følger denne taktikken og gjør de uunngåelige 404-feilene til en mulighet.
Hjem Produktanbefalinger Kraftig
Hjemmesiden til et nettsted er det ideelle stedet å legge inn produktanbefalinger.
Baymards forskning viser at 25 % av førstegangskundene gjentatte ganger rullet til hjemmesiden og deretter returnerte igjen for å utforske nettstedets produktutvalg. Nye besøkende som ikke har noen forkunnskaper om merkevarens eksklusive sortiment og er svært avhengig av innholdet hjemmesidefor å øke bevisstheten din. Produktanbefaling
For eksempel plasserte RayBan sine mest populære produkter på hjemmesiden sin for å skape kjøpsmuligheter.
Filosofien er enkel: det er vanligvis vanskelig å anbefale nye tilbud til nye besøkende på grunn av mangel på data. I dette scenariet er den beste produktanbefalingen å vise de mest populære produktene eller de med høyest konverteringsfrekvens på hjemmesiden.
Inkluder anbefalinger i e-poster med bekreftelse og forlatte handlekurv
For hver krone brukt på epost markedsføring, kan du forvente et gjennomsnitt på $42. I tillegg anbefaler 59 % av markedsførerne e-post som den mest effektive kanalen med synspunkter motta inntekt. Takket være høy konvertering e-poster er en av de beste måtene å presentere anbefalinger til kollegene dine på.
Som et eksempel kan du bruke den forlatte handlekurvens e-post S for kunstgjenstander som ligner på forlatte gjenstander.
På den annen side kan du inkludere "ofte kjøpt sammen"-anbefalinger i e-posten med ordrebekreftelse.
Siste tanker
En Infosys-undersøkelse av handleopplevelsen viser at 74 % av forbrukerne er frustrerte når de lander på et nettsted som viser innhold som ikke har noe å gjøre med deres interesser og preferanser. Kundesentrert personalisering kan imidlertid øke konverteringene dine med 5 % og gi en avkastning på 5 til 8 ganger på markedsføringskostnadene dine.
Personlige produktanbefalinger driver vekst og lønnsomhet samtidig som det gjør det enklere for kundene å kjøpe ved å forstå deres spesifikke preferanser. Som en av de mest populære trender innen e-handel, gir produktanbefalinger forhandlere muligheten til å konkurrere med og overgå bransjens største navn samtidig som de gir kundene en eksepsjonell handleopplevelse.
Оставить комментарий