Effektiva tekniker som hjälper dig att lyckas med dina produktrekommendationer

Digitala produktrekommendationer är resultatet av komplexa algoritmiska beslut som analyserar användarnas interaktioner på och utanför webbplatsen för att utforma personliga användarupplevelser. Dessa upplevelser är skapade för att möta shoppares behov och krav, samt för att driva engagemang och intäkter som stärker varumärkenas resultat.

Alla som har besökt en e-handelswebbplats har sannolikt stött på produktrekommendationer på nära håll. Tekniken drivs av produktrekommendationssystem och använder aggregerade data samt fördefinierade algoritmer för att förutsäga och presentera de produkter eller tjänster som konsumenterna mest sannolikt är intresserade av.

I dag är förmågan att effektivt distribuera produktrekommendationer ett grundläggande krav för alla e-handelsföretag som vill öka engagemanget, konverteringarna och intäkterna i stor skala. Nedan går jag igenom grundläggande förutsättningar för marknadsförare som vill skapa engagerande rekommendationer och taktik som de kan använda för att maximera effekten av sina insatser.

Högeffektiva produktrekommendationer som engagerar dina besökare och får dem att konvertera bygger på flera avgörande faktorer: den optimala rekommendationsstrategin, den aktuella webbplatsskontexten och användaren, webbsidan som användaren surfar på samt tidpunkten.

Olika typer av användare i olika skeden av kundresan kräver olika typer av produktrekommendationer. Att identifiera rätt tillfällen att rekommendera de lämpligaste produkterna för användaren kan antingen förstärka besökarupplevelsen, få besökaren att genomföra ett köp och öka det totala köpvärdet, eller avskräcka och störa besökaren.

Att fastställa rätt rekommendationsstrategi som ska användas i ett visst sammanhang eller på en viss plats på webbplatsen kräver mycket noggranna beräkningar. Leta efter en produktrekommendationsmotor med maskininlärning som har stöd för alla följande strategier direkt från start:

• Automatisk: Denna anpassningsbara strategi tar hänsyn till kontexten, tillgängliga användardata och mer därtill i ett givet ögonblick och rekommenderar automatiskt de lämpligaste produkterna. 
• Liknande produkter: Rekommenderar produkter som liknar den produkt som för närvarande visas
• Köp tillsammans: Rekommenderar komplementprodukter som vanligtvis köps tillsammans med den produkt som visas för tillfället
• Populärast: Rekommenderar de produkter som för närvarande är populärast på en webbplats
• Mest populärt i kategorin: Rekommenderar de produkter som för närvarande är mest populära inom den produktkategori som visas
• Användarpreferenser: Rekommenderar produkter som matchar varje besökares preferenser och intressen baserat på surfbeteende (produktvisningar, tillägg i varukorg osv.)
• Personaliserad: rekommenderar produkter baserat på produktprestanda per liknande målgrupper (lookalike audiences) och besökare
• Nyligen visade: Rekommenderar de produkter som varje besökare nyligen har visat.
• Nyligen köpta: Visar produkter som vanligtvis köps tillsammans med en vara som kunden tittar på
• Senast köpta: Visar artiklar från en kunds senaste köp
• Köpt tillsammans med det här köpet: rekommenderar produkter som vanligtvis köps med en vara som en användare nyligen har köpt
• Visas med nyligen visade artiklar: Föreslår produkter som liknar sådana som en användare nyligen har visat
• Hybridstrategier: valfri kombination av strategierna ovan

Produktrekommendationer implementeras vanligen på startsidan, produktlistningssidor (PLP) eller kategorisidor, produktsidor (PDP), varukorgssidor eller mellan något av dessa steg med hjälp av överlager och popup-fönster. Olika rekommendationsstrategier kan väljas och optimeras för var och en av dessa specifika sidkontexter, vilket maximerar de potentiella intäkterna. Nedan följer en uppdelning av beprövade riktlinjer för rekommendationer utifrån sidkontext.

Rekommendationer på startsidan, som är huvudentrén för webbplatsbesökare, utgår ofta från strategin ”Populärast”, som visar upp storsäljare för nya besökare. För återkommande besökare kan du använda en personaliserad strategi, till exempel en affinitetsbaserad eller nyligen visad strategi, för att snabbt och enkelt guida användarna till produkter de tidigare har visat intresse för.

För dessa sidor är ”Mest populära i kategori” en bra strategi för att visa produkter för både nya, och ”Personanpassat” / ”Användarpreferens” är de enda alternativen att överväga i det här fallet. Vi rekommenderar att du alltid visar personanpassade strategier för återkommande besökare och återgår till de globala, popularitetsbaserade strategierna för nya besökare.

”Similar Products” och ”Bought Together” är de bästa alternativen för produktsidor. Om endast en rekommendationsenhet eller strategi kan implementeras väljer du ”Similar Products”, eftersom fallstudier har visat att den här strategin tenderar att spela en mer integrerad roll i besökarnas beslutsprocess när de bestämmer sig för att köpa en produkt. ”Bought Together” är också en relevant strategi, men presterar vanligen bäst när den introduceras efter att den aktuella produkten har lagts i varukorgen. Om en rekommendationswidget för ”Just Added” kan implementeras via en popup-ruta efter att en användare har lagt till en artikel i varukorgen kan du överväga att använda strategin ”Bought Together” för att öka det genomsnittliga ordervärdet.

”Köpt tillsammans” är ett utmärkt val för varukorgssidor, särskilt för marknadsförare som vill visa upp produkter som är något billigare än de som finns i användarens varukorg. Det gör det möjligt för användare att fatta snabba köpbeslut, vilket ofta resulterar i merförsäljning. Beroende på produkternas karaktär kan strategin ”Liknande produkter” läggas ovanpå strategin ”Köpt tillsammans” för att rekommendera liknande produkter som en användare kan vara intresserad av, om er webbplatsanalys visar att liknande produkter ofta köps tillsammans. 

Marknadsförare måste realistiskt sett kunna placera rekommendationswidgetar på valfri webbplatssida. Utifrån dina behov och mål kan du testa olika strategier, layouter och placeringar på webbplatsen för att se vad som fungerar bäst för din verksamhet, samt experimentera med popup-fönster vid avsikt att lämna webbplatsen, sidor med noll sökresultat, temabaserade målsidor, e-postmeddelanden med mera. 

Det finns ingen enskild strategi som passar alla webbplatsbesökare. Vissa konsumenter besöker din webbplats flera gånger i veckan, medan andra är förstagångsbesökare som har hittat dit via en sökning. 

De bästa produktrekommendationsmotorerna kan bedöma det som är känt om en viss besökare och tillämpa den lämpligaste strategin baserat på datatillgänglighet, kontext, användarbeteende med mera för att driva användarhandlingar.

Besökare med låg datatillgänglighet (nya användare) kommer till exempel att få generiska rankningsrekommendationer som ”Mest populära”. Konsumenter med historik av att köpa eller titta på varor bör erbjudas kontextdrivna produktrekommendationer. Trogna konsumenter å sin sida har tillgång till rika användarprofiler, vilket gör dem till idealiska kandidater för personliga rekommendationer, till exempel widgets som ”Rekommenderat för dig” på hela webbplatsen.

Ett exempel på hur automatiserat urval av strategier kan ge olika rekommendationer till olika typer av användare illustreras i tabellen nedan:

Dessutom kan vilken rekommendationswidget som helst ha ett flertal merchandisingregler inarbetade i sin logik, vilket möjliggör mikrosegmentering. Att till exempel fastställa att besökare i herr- och dammålgrupperna endast bör se herr- respektive damprodukter, samtidigt som man ser till att barnprodukter rekommenderas till besökare med barn i hushållet, är viktiga merchandisingregler som bör prioriteras när man bygger en ny upplevelse.

Trots att automatiserade algoritmer har goda meriter besitter era säljare enorm expertis och insikt om era kunder. Av denna anledning måste er produktrekommendationsmotor vara flexibel och ha stöd för manuella regler för exponering, som att fästa en specifik artikel eller inkludera/exkludera en viss uppsättning artiklar från de automatiserade rekommendationsresultaten. Exempelvis kan säljare ange regler som instruerar produktrekommendationsmotorn att:

• Inkludera populära artiklar i en produktkategori som en konsument har tittat på under en viss tidsperiod (t.ex. visning av en populär artikel i ”herrshorts” för en besökare som har tittat på minst två par herrshorts under de senaste 30 dagarna)
• Rekommendera mycket lönsamma artiklar till konsumenter som har köpt eller lagt till artiklar till ett värde av 200 $ eller mer i sin varukorg under de senaste 7 dagarna
• Undvik att visa reavaror som marknadsförs på andra delar av varumärkets webbplats för kunder med högt värde
• Skapa mer detaljerade regler för att uppnå specifika affärsmål, som att flytta kvarvarande lager eller trögsålda varor. 

Nu när du har fått de grundläggande kunskaper som krävs för att implementera rekommendationer tänker jag dela med mig av ett antal tips och rekommenderade tillvägagångssätt för marknadsförare som vill maximera effekten av varje implementerad rekommendationswidget, så att de kan få ut mer av marknadsföringsbudgeten och skapa positiva användarupplevelser för alla webbplatsbesökare.

E-postmarknadsföring och nyhetsbrev har ett syfte – att få besökarna att återvända till webbplatsen. Därför bör innehåll och detaljerade specifikationer som får mottagaren att tänka efter och räkna innan hen återvänder till en webbplats undvikas. Priset, i synnerhet om det är högt, skrämmer ofta bort e-postmottagaren. Högupplösta bilder, hög ranking och gynnsamma recensioner fångar användarnas uppmärksamhet och drar till slut tillbaka dem till webbplatsen.

Hänvisnings- och sökwebbtrafik som landar direkt på en specifik kategori- eller produktsida ger ofta en flyktig möjlighet att engagera en webbplatsbesökare. Och oftare än inte missar varumärken chansen att fånga användarnas uppmärksamhet, vilket resulterar i att besökaren lämnar sidan direkt. För att undvika detta måste marknadsförare locka användare att stanna kvar på webbplatsen längre genom att visa upp produkter som liknar den som visas. För att göra det exponerar du denna trafik – känd som sidodörrstrafik – för en mängd olika relevanta och engagerande produkter. Detta kan uppnås genom att:

• Vi introducerar produktrekommendationer högst upp på sidan för användare från denna trafikkälla.
• Visa produktrekommendationer med en Pinterest-liknande widgetdesign under den huvudsakliga utvalda produkten på produktsidan, vilket uppmuntrar användare att skrolla ner och bläddra bland fler produkter utan att behöva lämna sidan.

Demografiska, geografiska och beteendeinriktade data är alla datapunkter med ett högt värde som bör utnyttjas i produktrekommendationer. Med tillgängliga data om varenda kund kan du skapa regler för varuexponering som hjälper dig att skräddarsy deras webbplatsupplevelse på ett bättre sätt. Om det till exempel är kallt just nu i Boston kan du skapa regler som automatiskt rekommenderar vinterkläder till boende i Boston. Beroende på tillgängliga data kan systemet dessutom skapa mer detaljerade rekommendationer utifrån andra användaridentifierare, till exempel kön, hushållsinkomst, varumärkespreferenser med mera.

Ingen besökare är den andra lik, och varje besökare gör sina produktval på olika sätt. Syftet med en kamerasida [eller: kategorisida] är att visa upp hela urvalet av produkter i en viss kategori, vilket ofta resulterar i att hundratals produkter visas.

Att förvänta sig att besökare enkelt ska göra ett val kort efter att de har landat på en kategorigida är orealistiskt. Processen att bläddra igenom sida efter sida är nämligen ofta avskräckande, vilket gör att användarna ger upp och lämnar webbplatsen – och känner sig mer överväldigade eller villrådiga än när de påbörjade sökningen efter en produkt. Även om du erbjuder verktyg för att upptäcka produkter, som fasett- och textsökning samt sorteringsalternativ, upplever besökare ofta beslutsångest på grund av antalet tillgängliga produktalternativ.

En sidlayout och metoden bakom hur produkter sorteras på en kamerasida är avgörande delar av webbplatsupplevelsen. In fact, case studies reveal that över 70 % av de produkter som köps av besökare som bläddrar igenom kategoriesidor visas de två första raderna. Besökare som inte hittade det de letade efter på de första raderna och som skrollade nedåt på sidan hade en betydligt lägre sannolikhet att slutföra ett köp.

Genom att personalisera kategori- och rutnätssidor säkerställs att varje besökare exponeras för de produkter som intresserar dem mest, vilket ökar antalet varor som läggs i kundvagnen och minskar avvisningsfrekvensen.

Genom att till exempel använda rekommendationsstrategin för användarpreferenser kan marknadsförare skräddarsy kategorigidor. Systemet visar relevanta lagerhållningsenheter (SKU) utifrån besökarens preferenser, vilket gör att du automatiskt kan sortera sidan efter besökarnas intresseprofiler.

Alla är intresserade av nedsatta varor, inklusive dina mest trogna storshoppare som gärna fyller sin varukorg med ytterligare rea-varor tillsammans med de ordinarie varor de har valt. Eftersom rea-varor är relevanta för alla bör de rekommenderas – var som helst på webbplatsen. Tvärtemot vad som sägs inom vissa tankeskolor finns det ingen anledning att begränsa rea-varor enbart till avdelningarna för rea och outlet på webbplatsen – att göra det kan avsevärt begränsa ditt genomsnittliga ordervärde och din konverteringsgrad.

Som tidigare nämnts är en optimal rekommendationsstrategi för varukorgssidor ”Köps ofta tillsammans”, vilket rekommenderar kompletterande produkter till det som finns i användarens varukorg.

Webbplatsanalysen kan dock visa att dina kunder ofta köper två eller tre produkter från samma produktfamilj. Detta observeras ofta vid köp av kläder, livsmedel, hemartiklar eller sportartiklar. Dra nytta av detta beteende genom att visa rekommendationer på varukorgssidan. Föreslå liknande produkter för merförsäljning medan kunderna granskar varorna i varukorgen, eller ge användarna möjlighet att öka antalet av en vara i varukorgen om de vill göra ett större inköp i förväg. 

Begränsa inte rekommendationerna till botten av dina produktsidor – inkludera dem i nyhetsbrev, digitala kvitton, särskilda målsidor och dina egna mobilappar (och använd geoplatsdata för att skicka push-notiser med rekommendationer till konsumenter medan de befinner sig i fysiska butiker), produktannonser, navigeringsmenyer, välkomstmeddelanden och exit-intent-popups.

Produktrekommendationer visas inte alltid i en roterande karusell på en enda rad. Faktum är att det inte finns någon enskild, optimal mall, och att optimera utseendet och känslan för era produktrekommendationer kan göra en enorm skillnad – i synnerhet på mobilwebben och i inbyggda appar.

Marknadsförare behöver flexibilitet för att ändra, förändra och anpassa layouten och funktionaliteten hos varje widget. Leta efter en produktrekommendationsmotor som gör att du kan införliva tester och personaliseringstaktik som placerar rekommendationer i olika områden på sidan och webbplatsen för olika målgrupper, och som även gör att du kan ändra layouten eller rekommendationerna beroende på besökartyp.

A/B-testning av olika rekommendationsstrategier är till stor hjälp när du vill ta reda på vilken strategi som fungerar bäst. Det gör att du kan finjustera och öka effekten av varje kampanj i realtid samt identifiera viktiga insikter och lärdomar för framtiden. Genom att införliva olika handlarregler förbättras dessutom dina möjligheter till experimentering, vilket gör att du kan identifiera viktiga affärsmöjligheter. Se till att utnyttja användardata för att effektivt segmentera målgrupper och skapa nya upplevelser som passar konsumenterna och når dem där de befinner sig, så att de alltid rekommenderas produkter som de har visat intresse för eller troligen är intresserade av. Kom ihåg: ju mer personlig webbplatsupplevelsen är, desto större är sannolikheten för att en konsument konverterar (och återvänder).

Strategier för produktrekommendationer varierar kraftigt och genom att experimentera med olika strategier kan du förbättra intäkterna och skapa rikare upplevelser. Förfina din övergripande strategi genom att vara flexibel, testa olika placeringar och analysera prestandadata för att bättre skräddarsy webbplatsupplevelsen för varje användare. När du känner dig bekväm kan du börja experimentera med avancerade inställningar, segmenteringsstrategier och regler för merchandising för att få ut högsta möjliga värde av varje målgruppssegment och börja uppnå bästa avkastning (ROI).