Types of eCommerce product recommendation engines.

In deze sectie laten we je zien hoe productaanbevelingsmachines werken. Hoe ze zo nauwkeurig zijn in het voorstellen van producten en hoe ze werken aan de achterkant van je online winkel. Laten we beginnen.

#1 Content-gebaseerde filtering

Analyse van het gedrag van potentiële klanten op basis van cookies. Zoals je weet, kunnen cookies je over meerdere bezoeken volgen en je beslissingen op de website bijhouden. Op basis van cookies kan het algoritme dan bepaalde producten of diensten aanbevelen. Het idee is simpel: als je geïnteresseerd bent in een specifiek item, kun je geïnteresseerd zijn in vergelijkbare producten en gepersonaliseerde aanbevelingen krijgen.

Voorbeeld: als je van hoodies hield, kan het algoritme je meer hoodies tonen.

#2 Collaboratief data-filtering

Dit keer combineert het algoritme gegevens van gebruikers die vergelijkbaar gedrag vertonen. Vervolgens maakt het aanbevelingen op basis van deze pool van collectieve gebruikersgegevens. Dit is zeker een meer geavanceerde methode en kan verrassend ingewikkelde aanbevelingen maken.

Voorbeeld: Als prospect X en Y vergelijkbare producten leuk vinden, kan collaboratieve filtering voorspellen dat X producten zou kunnen kopen die Y eerder heeft gekocht. En relevante producten aanbevelen op basis van gedragsgegevens.

#3 Combinatie van content-gebaseerde en collaboratieve filtering.

Deze hybride methode analyseert zowel persoonlijke als groepsbeslissingen om een op maat gemaakte aanbeveling voor een specifieke bezoeker te creëren.

Voorbeeld: Het YouTube-algoritme voor video-aanbevelingen is het perfecte voorbeeld hiervan. Het is bijna te accuraat omdat het je contentconsumptiepatronen volgt, evenals die van gebruikers die op jouw profiel lijken. Daarom is YouTube een zwart gat zodra je begint te kijken.

4 voordelen van een productaanbevelingsmachine

Het is duidelijk dat productaanbevelingsmachines profiteren van geavanceerde machine learning-processen. En dat roept enkele vragen op. Natuurlijk, de meest dominante: hoe duur is het? Is het de investering waard?

Welnu, in het kort: ja.

Zo hebben pionierbedrijven zoals Amazon een enorme kloof tussen hun concurrenten gecreëerd. Jarenlang hebben ze hun machine learning-engines getraind om de meest nauwkeurige gepersonaliseerde aanbevelingen te maken.

Laten we enkele tastbare voordelen bespreken en kijken waarom het een waardevolle investering is:

1. Verhoogde omzet: een onderzoek van Barilliance toonde aan dat productaanbevelingen een groot deel uitmaken, goed voor 31% van de eCommerce-omzet. 12% van de totale aankopen kwam voort uit de aanbevelingen.

2. Verminderde winkelwagenverlating: bezoekers die interactie hebben met je aanbevelingen zijn tot 4,35% minder geneigd hun winkelwagens te verlaten. Als je je add-to-cart ratio wilt verhogen, kun je ook ons artikel over eCommerce activeringstips bekijken.

3. Tijd doorgebracht in de winkel: Bezoekers die betrokken waren bij een productaanbeveling brachten gemiddeld 12,9 minuten door in je winkel versus 2,9 minuten voor degenen die dat niet deden. Dit kan natuurlijk gemakkelijk leiden tot meer conversies en verkopen.

4. Verhoogde retentie: nauwkeurige aanbevelingen maken het je klanten gemakkelijk. Daarom is 56% van de online shoppers eerder geneigd terug te keren naar een website die slimme aanbevelingen biedt.

Overtuigend, toch? Laten we nu de beste praktijken en strategieën bespreken die er zijn.

Voorwaarts.

9 beste praktijken voor eCommerce productaanbevelingen

#1 Toon je bestsellers

De eenvoudigste maar meest effectieve vorm van productaanbeveling. Je hebt niet eens een geavanceerd machine learning-tracksysteem nodig voor deze. Het enige wat je hoeft te doen is je meest populaire producten te kennen/tracken en deze aan je bezoekers aan te bevelen.

Onthoud, meestal komt 80% van je winst van 20% van je producten. Dus als je dit goed doet, kan het je immense groei brengen.

#2 Toon beoordelingen en recensies

Het zoeken naar beoordelingen en recensies van andere klanten is nu onderdeel van de reis voor veel online shoppers. Zoals verwacht leiden producten met 5-sterrenbeoordelingen of honderden recensies tot hogere conversieratio's.

Kijk hoe Amazon de beoordelingen, opmerkingen en beantwoorde vragen op één plek weergeeft om sterke sociale bewijssignalen naar kopers te sturen.

#3 Toon productaanbevelingen op basis van het kopersprofiel

Ik denk dat we het erover eens kunnen zijn dat "U vindt misschien ook leuk" nu een standaardpraktijk is onder eCommerce-bedrijven. Maar natuurlijk vereisen nauwkeurige aanbevelingen veel werk vooraf. Zoals we eerder hebben vermeld, gebruikt dit type aanbeveling content-gebaseerde, collaboratieve filtering of hybride benaderingen.

Door de voorkeuren van het publiek te analyseren, vindt het algoritme producten in samenhang en beveelt ze deze aan klanten aan. Als je het wilt ervaren, kun je een eCommerce-website kiezen die je nog nooit hebt bezocht en dingen aanklikken die je leuk vindt. En al snel zul je het magie van machine learning beleven.

P.S. We geloven dat Zalando een van de beste productaanbevelingen en UX heeft. Bekijk zeker hun app.

#4 Toon kortingen en uitverkopen

Nou, we zijn allemaal op zoek naar onze volgende deal, toch? We vinden liever koopjes dan het duurste product op de markt. Dit is de realiteit.

Dus, als je meer conversies wilt, moet je overwegen kortingen en uitverkoopcampagnes aan je klanten te tonen. Onthoud dat 80% van de mensen gemotiveerd is om van een nieuw merk te kopen als ze een goede koop kunnen vinden.

#5 Klanten die [dit item] kochten, kochten ook [dat item] aanbevelingen.

Dit is gebaseerd op dezelfde machine learning-principes. Maar het echte verschil zit in hoe je het presenteert. We geloven dat de formulering hier deze aanbevelingsstrategie goed doet werken. Zoals we al zeiden, zijn mensen geneigd andere mensen te volgen, zelfs als het complete vreemden zijn.

Amazon gebruikt dit al jaren en doet dit nog steeds om een reden.

#6 Vaak samen gekocht

Stopt de klantreis nadat ze een product hebben gekocht? Nee. Stel dat het product een gaminglaptop is, ze hebben misschien nodig

• Gamingmuis

• Gamingtoetsenbord

• Gaminghoofdtelefoons

• Muismat

• Enzovoort.

Daarom maken slimme eCommerce-platforms aanvullende productaanbevelingen. Ze denken altijd een stap verder en leren hun algoritmen ondersteunende/gerelateerde producten aan hun klanten aan te bevelen.

#7 Bied aanbevolen productcombinaties aan bij het afrekenen

Net als het voorgaande punt, probeer je ze te overtuigen van gerelateerde producten op de afrekenpagina. Dit is je laatste kans om de gemiddelde bestelwaarde te verhogen. Maar dit kan snel een tweesnijdend zwaard worden. Zorg er dus voor dat je je kopers niet afleidt door hen niet-gerelateerde producten aan te bevelen.

#8 Toon producten voor aankomende feestdagen of speciale dagen.

Vrij rechttoe rechtaan, maar effectief. Speciale dagen en aankomende evenementen zijn de raketbrandstof voor eCommerce-bedrijven. Als je je aanbevelingen goed kunt plannen en aanpassen, zie je waarschijnlijk een stijging in je verkoop.

Conclusie

We hopen dat je nieuwe dingen hebt geleerd die je kunt gebruiken op je eCommerce-reis.

Nu is het tijd voor ons om iets aan te bevelen dat je "misschien leuk vindt". Als je leuk vond wat je las en denkt dat je eCommerce-winkel kan profiteren van deze strategieën, kunnen we je helpen. Je kunt contact met ons opnemen om je behoeften en wensen te bespreken. En hopelijk kunnen we samen je aanbevelingsmachine bouwen om je conversies te verhogen!

Als je verder wilt lezen, raden we je aan de onderstaande artikelen te lezen:

• Ecommerce Trends in 2021 You Can’t Miss Out On » Fightclub (wpengine.com)

• Ecommerce Brand Awareness – Hoe de Juiste Platform en Beste Praktijken Kies

15 minuten lezenWaarom is conversierate-optimalisatie belangrijk? A-Z gids voor CROKoen Claes Rouire