Typen eCommerce productaanbevelingsmotoren.
In dit gedeelte laten we je het "hoe" van productaanbevelingsmotoren zien. Hoe ze zo nauwkeurig zijn in het voorstellen van producten en hoe ze werken in de back-end van je webshop. Laten we eens kijken.
#1 Op inhoud 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 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, zou het algoritme je meer hoodies kunnen laten zien.
#2 Collaborative data-filtering
Dit keer combineert het algoritme gegevens van gebruikers die vergelijkbaar gedrag vertonen. Vervolgens doet het aanbevelingen op basis van deze pool van collectieve gebruikersgegevens. Dit is zeker een geavanceerdere methode en het kan verrassend ingewikkelde aanbevelingen doen.
Voorbeeld: Als prospect X en Y van vergelijkbare producten houden, kan collaborative filtering voorspellen dat X producten zou kunnen kopen die Y eerder heeft gekocht. En relevante producten aanbevelen op basis van gedragsgegevens.
#3 Combinatie van op inhoud gebaseerde en collaborative filtering.
Deze hybride methode analyseert zowel persoonlijke als groepsbeslissingen om een aanbeveling op maat te maken voor een specifieke bezoeker.
Voorbeeld: Het algoritme voor video-aanbevelingen van YouTube is hier het perfecte voorbeeld van. Het is bijna te nauwkeurig omdat het zowel jouw gewoonten op het gebied van contentconsumptie volgt als die van gebruikers die overeenkomen met jouw profiel. Daarom is YouTube een zwart gat zodra je begint te kijken.
4 voordelen van een productaanbevelingsmotor
Het is duidelijk dat productaanbevelingsmotoren profiteren van hoogwaardige machine learning-processen. En dat roept vragen op. Natuurlijk de meest dominante: hoe duur is het? Is het de investering waard?
Nou, kort gezegd: ja.
Dat is hoe pionierende bedrijven zoals Amazon een enorme kloof hebben gecreëerd met hun concurrenten. Jaren en jaren hebben ze hun machine learning-motoren getraind om de meest nauwkeurige gepersonaliseerde aanbevelingen te doen.
Laten we het hebben over enkele tastbare voordelen en zien waarom het een zeer waardevolle investering is:
Verhoogde omzet: een onderzoek door Barilliance toonde aan dat productaanbevelingen een groot deel uitmaken en tot 31% van de eCommerce-omzet bijdragen. 12% van de totale aankopen was afkomstig van de aanbevelingen.
Minder verlaten winkelwagentjes: bezoekers die interactie hebben met je aanbevelingen hebben tot 4,35% minder kans om hun winkelwagentje te verlaten. Als je je add-to-cart-percentage wilt verhogen, kun je ook ons artikel over eCommerce activeringstips bekijken.
Tijd doorgebracht in de winkel: Bezoekers die interactie hadden met een productaanbeveling spraken gemiddeld 12,9 minuten in je winkel door vs 2,9 minuten voor degenen die dat niet deden. Dit kan natuurlijk gemakkelijk leiden tot meer conversies en verkopen.
Verhoogd retentiepercentage: nauwkeurige aanbevelingen maken het gemakkelijk voor je klanten. Daarom heeft 56% van de online shoppers meer kans om terug te keren naar een website die slimme aanbevelingen doet.
Overtuigend, toch? Laten we het nu hebben over de beste praktijken en strategieën die er zijn.
Voorwaarts.
9 beste praktijken voor eCommerce productaanbevelingen
#1 Toon je bestsellers
De eenvoudigste maar meest effectieve vorm van productaanbeveling. Je hebt hier niet eens een geavanceerd machine learning-trackingsysteem voor nodig. Het enige wat je hoeft te doen is je meest populaire producten kennen/volgen en ze aanbevelen aan je bezoekers.
Vergeet niet dat meestal 80% van je winst afkomstig is van 20% van je producten. Dus als je dit goed aanpakt, kan dat je een enorme groei opleveren.
#2 Toon waarderingen en beoordelingen
Het zoeken naar waarderingen en beoordelingen van andere klanten is nu een vast onderdeel van de Customer journey voor veel online shoppers. Zoals verwacht leiden producten met 5-sterrenbeoordelingen of honderden reviews tot hogere conversiepercentages.
Zie hoe Amazon de beoordelingen, opmerkingen en beantwoorde vragen op één plek weergeeft om sterke signalen van sociaal bewijs naar de kopers te sturen.
#3 Toon productaanbevelingen op basis van het profiel van kopers
Ik denk dat we het erover eens kunnen zijn dat "Je vindt dit misschien ook leuk" nu een standaardpraktijk is onder eCommerce-bedrijven. Maar natuurlijk vereisen nauwkeurige aanbevelingen veel voorbereidend werk. Zoals we eerder vermeldden, maakt dit soort aanbevelingen gebruik van op inhoud gebaseerde, collaborative filtering of hybride filteringbenaderingen.
Door de voorkeuren van het publiek te analyseren, vindt het algoritme producten in samenhang met elkaar en beveelt deze vervolgens aan aan klanten. Als je het wilt ervaren, kun je een eCommerce-website kiezen die je nog nooit eerder hebt bezocht en beginnen te klikken op dingen die je leuk vindt. En al snel zul je getuige zijn van de magie van machine learning.
P.S. Wij geloven dat Zalando een van de beste productaanbevelingen en UX heeft. Bekijk zeker hun app.
#4 Toon kortingen en uitverkoop
We zijn tenslotte allemaal op zoek naar onze volgende deal, toch? We vinden liever koopjes dan dat we het duurste product op de markt kopen. Dit is de realiteit.
Dus als je meer conversies wilt, moet je overwegen om kortingen en uitverkoopcampagnes aan je klanten te tonen. Onthoud dat 80% van de mensen gemotiveerd is om bij een nieuw merk te kopen als ze een goed koopje kunnen vinden.
#5 Aanbevelingen van het type: Klanten die [dit artikel] kochten, kochten ook [dat artikel].
Dit is gebaseerd op dezelfde machine learning-principes. Maar het echte verschil is hoe je het presenteert. Wij geloven dat de verwoording hier ervoor zorgt dat deze aanbevelingsstrategie goed werkt. Zoals we al zeiden, zijn mensen geneigd anderen te volgen, zelfs als het volslagen vreemden zijn.
Amazon gebruikt dit al jaren en gebruikt het nog steeds met een reden.
#6 Vaak samen gekocht
Stopt de Customer journey nadat ze een product hebben gekocht? Nee. Stel dat het product een gaming-laptop is, dan hebben ze misschien het volgende nodig:
Gaming-muis
Gaming-toetsenbord
Gaming-koptelefoon
Muismat
En ga zo maar door.
Daarom doen slimme eCommerce-platforms aanvullende productaanbevelingen. Ze denken altijd een stap verder en leren hun algoritmen om ondersteunende/gerelateerde producten aan hun klanten voor te stellen.
#7 Bied aanbevolen productcombinaties aan bij het afrekenen
Net als het punt hierboven, probeer je ze te overtuigen van gerelateerde producten op de afrekenpagina. Dit is je laatste kans om de gemiddelde bestelwaarde te verhogen. Dit kan echter snel een tweesnijdend zwaard worden. Zorg er dus voor dat je je kopers niet afleidt door ze ongerelateerde producten aan te bevelen.
#8 Toon producten voor aankomende feestdagen of speciale dagen.
Vrij eenvoudig maar effectief. Speciale dagen en aankomende evenementen zijn de raketbrandstof voor eCommerce-bedrijven. Als je je aanbevelingen goed kunt plannen en wijzigen, zul je waarschijnlijk een sprong in je verkoop zien.
Kortom
We hopen dat je nieuwe dingen hebt geleerd die je kunt gebruiken tijdens je eCommerce-reis.
Nu is het tijd voor ons om iets aan te bevelen dat "je misschien leuk vindt". Als je het leuk vindt wat je leest en denkt dat je eCommerce-winkel baat kan hebben bij deze strategieën, kunnen we je helpen. Je kunt contact met ons opnemen om je wensen en behoeften te bespreken. En hopelijk kunnen we samen je aanbevelingsmotor bouwen om je conversies te verhogen!
