Tillämpa regler för försäljningsplanering på produktrekommendationer

Idag behöver marknadsförare och handlare flexibiliteten att anpassa algoritmer efter sina mål, vilket hjälper dem att göra ett gott intryck på konsumenterna när de skapar unika och fängslande upplevelser. Marknadsförare kan använda ett antal strategier för att driva rekommendationer, som alla kan anpassas med filtreringsregler. Med de här reglerna kan du exkludera eller inkludera produkter, vilket garanterar att användarna visas de mest lämpliga artiklarna baserat på deras preferenser och beteenden.

När marknadsförare använder ett automatiserat produktrekommendationssystem kan de programmera manuella villkor. Dessa villkor, som kallas merchandising-regler, gör det möjligt för användare att åsidosätta maskininlärningsmotorn för att bättre specificera målgruppskriterier.

Med hjälp av dessa regler kan marknadsförare och säljansvariga anpassa algoritmfunktionerna och på en detaljerad nivå styra vilka objekt som visas i varje widget. Om ett detaljhandelsvarumärke till exempel vill sälja en större mängd av sin storsäljande kappa kan e-handelsteamet ställa in regler som fäster denna artikel på en framträdande plats i en rekommendationswidget.

Den första typen av regler för merchandising är en inkluderingsregel. Den här regeln säkerställer att endast en delmängd av produkterna visas i utvalda fält i en rekommendationswidget. Dessa produkter definieras av villkor baserade på respektive produkts attribut, som läses in av motorn med hjälp av ett produktflöde. Produkterna visas sedan i widgeten i enlighet med den gällande rekommendationsstrategin.

• Exempel: En återförsäljare vill säkerställa att män som kommer till webbplatsen endast visas populära produkter för män i en rekommendationswidget på startsidan. Produkterna som visas i widgeten sorteras efter varje produkts popularitetspoäng (beräknat utifrån antalet interaktioner, tillägg i varukorg, köp med mera).

Den andra typen av merchandisingregel är en ”exkluderingsregel”. Den här regeln, till skillnad från inkluderingsregeln, säkerställer att en delmängd av produkter inte visas i utvalda fält i en rekommendationswidget. Dessa svartlistade produkter definieras av villkor som baseras på varje produkts attribut.

• Exempel: En återförsäljare som vill öka storleken på varukorgen vill se till att en rekommendationswidget på utlösta e-postmeddelanden som använder rekommendationsstrategin ”Similarity” inte presenterar produkter som prissatts till över 20 $ för alla användare. Endast berättigade produkter visas i widgeten, och var och en sorteras efter sin likhetspoäng i förhållande till artiklar som redan finns i användarens varukorg.

En tredje typ av merchandisingregel är regeln ”Pin”. Den här regeln kan helt åsidosätta alla rekommendationsstrategier och låta marknadsförare manuellt välja produkter att koppla till specifika platser i en rekommendationswidget.

• Exempel: Om en återförsäljare har ett överskott av en viss skomodell i lager kan denne välja att fästa den här varan i den första rutan i en rekommendationswidget på startsidan för att visa den för fler användare. 

När marknadsförare sätter upp nya regler kan de fördjupa sig i kriterier som är kopplade till varje regel och ange tidsramar, värden, målgruppssegment med mera. Några av dessa exempel omfattar:

• Visa populära artiklar under ”damklänningar” för en besökare som har tittat på minst två klänningar de senaste 14 dagarna
• Undvik att visa reavaror för värdefulla kunder
• Rekommendera varor med hög lönsamhet till konsumenter som har köpt eller lagt till varor till ett värde av 150 $ eller mer i sin varukorg den senaste veckan

Marknadsförare är inte begränsade till en enda regel när de skapar marknadsföringsregler för sina rekommendationswidgetar. De kan skapa mer än en regel för inkludering/exkludering som alla kommer att tillämpas, så länge varje villkor uppfylls av de besökare som får rekommendationerna. Det är avgörande att aldrig skapa motstridiga regler, eftersom de kan leda till oväntade resultat eller inga resultat alls.

Dessutom bör marknadsförare som använder rätt motor kunna hantera prioriteringar när de hanterar flera regler. När du till exempel fäster objekt är det möjligt att ställa in flera nålar. Marknadsföraren eller handlaren behöver helt enkelt hantera regelprioriteringarna och identifiera vilken regel som har företräde framför andra.

För att maximera intäkterna från maskininlärningsdrivna produktrekommendationer måste marknadsförare dra nytta av varenda droppe potential i varje kampanj de skapar. När allt kommer omkring känner merchandisers till sina produkter (och varje produkts attribut) bättre än någon annan. Genom att använda denna kunskap som grund för strategier, regler och produktrekommendationer förbättras inte bara upptäcktsprocessen – det hjälper också användarna att begränsa sina köpbeslut och genererar därmed intäkter och avkastning.