Soorten e-commerce productaanbevelingssystemen.
In deze sectie laten we je de "hoe" van productaanbevelingssystemen zien. Hoe ze zo nauwkeurig zijn in het suggereren van producten en hoe ze werken in de back-end van je online winkel. Laten we eens kijken.
#1 Content-gebaseerd filteren
Analyse van het gedrag van prospects op basis van cookies. Zoals je weet, kunnen cookies je volgen over meerdere bezoeken en je beslissingen op de website volgen. Op basis van cookies kan het algoritme vervolgens 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 laten zien.
#2 Collaborative data-filtering
Deze keer combineert het algoritme gegevens van gebruikers die vergelijkbaar gedrag vertonen. Vervolgens doet het aanbevelingen op basis van deze pool van collectieve gebruikersdata. Dit is zeker een geavanceerdere methode en het kan verrassend complexe aanbevelingen doen.
Voorbeeld: Als prospect X en Y van vergelijkbare producten houden, kan collaboratief filteren voorspellen dat X producten zou kunnen kopen die Y eerder heeft gekocht. En relevante producten aanbevelen op basis van gedragsgegevens.
#3 Combinatie van content-gebaseerd en collaboratief filteren.
Deze hybride methode analyseert zowel persoonlijke als groepsbeslissingen om een op maat gemaakte aanbeveling voor een specifieke bezoeker te creëren.
Voorbeeld: Het YouTube videoaanbevelingsalgoritme is het perfecte voorbeeld hiervan. Het is bijna te nauwkeurig omdat het zowel je inhoudsconsumptiegewoonten als die van gebruikers die bij jouw profiel passen, bijhoudt. Daarom is YouTube een zwart gat zodra je begint te kijken.
4 voordelen van een productaanbevelingssysteem
Het is duidelijk dat productaanbevelingssystemen 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, kort gezegd: ja.
Zo creëerden vooraanstaande bedrijven zoals Amazon een enorme kloof tussen hun concurrenten. Jarenlang hebben ze hun machine learning systemen getraind om de meest nauwkeurige gepersonaliseerde aanbevelingen te doen.
Laten we enkele tastbare voordelen bespreken en zien waarom het een investering waard is:
Toegenomen omzet: een studie van Barilliance toonde aan dat productaanbevelingen een enorm deel uitmaken, goed voor 31% van de eCommerce omzet. 12% van de totale aankopen kwam voort uit de aanbevelingen.
Verminderde winkelwagenverlating: bezoekers die met je aanbevelingen interactie hebben, zijn tot 4,35% minder geneigd om hun winkelwagentjes te verlaten. Als je je add-to-cart percentage wilt verhogen, kun je ook ons artikel over e-commerce activeringstips bekijken.
Tijd doorgebracht in de winkel: Bezoekers die zich bezighielden met een productaanbeveling, brachten gemiddeld 12,9 minuten door in je winkel versus 2,9 minuten voor degenen die dat niet deden. Natuurlijk kan dit gemakkelijk leiden tot meer conversies en verkopen.
Verhoogde retentiegraad: nauwkeurige aanbevelingen maken het je klanten gemakkelijk. Daarom is 56% van de online shoppers eerder geneigd om terug te keren naar een website die slimme aanbevelingen doet.
Overtuigend, toch? Laten we nu eens praten over de beste praktijken en strategieën die er zijn.
Voorwaarts.
9 beste praktijken voor e-commerce productaanbevelingen
#1 Toon je best verkochte producten
De eenvoudigste maar meest effectieve vorm van productaanbevelingen. Voor deze heb je niet eens een geavanceerd machine learning trackingsysteem nodig. Het enige wat je hoeft te doen is je meest populaire producten kennen/volgen en ze aan je bezoekers aanbevelen.
Onthoud dat je meestal 80% van je winst haalt uit 20% van je producten. Dus als je dit goed doet, kan dat je enorme groei opleveren.
#2 Toon beoordelingen en recensies
Zoeken naar beoordelingen en recensies van andere klanten maakt nu deel uit van de reis van veel online shoppers. Zoals verwacht, leiden producten met 5-sterren beoordelingen of honderden recensies tot hogere conversierates.
Zie hoe Amazon de beoordelingen, opmerkingen en beantwoorde vragen op één plek toont om sterke sociaal-bewijs signalen naar kopers te sturen.
#3 Toon productaanbevelingen op basis van het kopersprofiel
Ik denk dat we het erover eens kunnen zijn dat "Je vindt dit misschien ook leuk" nu een standaardpraktijk is onder e-commercebedrijven. Maar natuurlijk vereisen nauwkeurige aanbevelingen veel voorbereiding. Zoals eerder vermeld, maken dit soort aanbevelingen gebruik van content-gebaseerd, collaboratief filteren of hybride filterbenaderingen.
Door de voorkeuren van het publiek te analyseren, vindt het algoritme producten in combinatie met elkaar en beveelt deze vervolgens aan klanten aan. Als je het wilt ervaren, kun je een e-commerce website kiezen die je nog nooit eerder hebt bezocht en beginnen met dingen aan te klikken die je leuk vindt. En al snel zul je het machine learning wonder meemaken.
PS. We geloven dat Zalando een van de beste productaanbevelingen en gebruikerservaringen heeft. Controleer zeker hun app.
#4 Toon kortingen en uitverkopen
Nou, we zijn allemaal op zoek naar onze volgende deal, toch? We geven de voorkeur aan koopjes zoeken in plaats van het duurste product op de markt te kopen. Dit is de realiteit.
Dus, als je meer conversies wilt, moet je overwegen om kortingen en verkoopcampagnes aan je klanten te tonen. Onthoud, 80% van de mensen wordt gestimuleerd om bij een nieuw merk te kopen als ze een goed koopje kunnen vinden.
#5 Aanbevelingen van klanten die [dit item] kochten kochten ook [dat item].
Dit is gebaseerd op dezelfde machine learning principes. Maar het echte verschil is hoe je het presenteert. We geloven dat de formulering hier deze aanbevelingsstrategie goed laat werken. Zoals we al zeiden, hebben mensen de neiging om andere mensen te volgen, zelfs als het complete vreemden zijn.
Amazon gebruikt dit al jaren en doet dat nog steeds om een reden.
#6 Vaak samen gekocht
Stopt de klantreis nadat ze een product hebben gekocht? Nee. Stel dat het product een gaming laptop is, dan hebben ze misschien nog nodig
Gaming muis
Gaming toetsenbord
Gaming koptelefoon
Muismat
Enzovoort.
Daarom maken slimme e-commerce platforms gebruik van complementaire productaanbevelingen. Ze denken altijd één stap verder en leren hun algoritmen om ondersteunende/verwante producten aan hun klanten aan te bevelen.
#7 Bied aanbevolen productcombinaties aan bij de kassa
Net als het punt hierboven, probeer je ze van gerelateerde producten te overtuigen op de betaalpagina. 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 eenvoudig maar effectief. Speciale dagen en naderende evenementen zijn de raketbrandstof voor e-commercebedrijven. Als je goed plant en je aanbevelingen juist aanpast, zul je waarschijnlijk een stijging in je verkoop zien.
Conclusie
We hopen dat je nieuwe dingen hebt geleerd die je zou kunnen gebruiken op je e-commerce 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 e-commerce 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 aanbevelingssysteem opzetten om je conversies te verhogen!
Als je verder wilt lezen, adviseren we de onderstaande artikelen te lezen:
Ecommerce Trends in 2021 You Can’t Miss Out On » Fightclub (wpengine.com)
Ecommerce Brand Awareness – Hoe je het juiste platform kiest en beste praktijken
15 min lezenWaarom is conversieratio optimalisatie belangrijk? A-Z gids voor CROKoen Claes Rouire
