Anbefalingsmotor
En anbefalingsmotor er et system som foreslår relevante produkter til kunder basert på deres atferd, kjøpshistorikk eller lignende kundepreferanser. Det øker salget ved å gjøre det enklere for kundene å finne produkter de er interessert i.
Hva er en anbefalingsmotor?
En anbefalingsmotor analyserer data om kundeatferd og bruker algoritmer til å foreslå produkter som hver enkelt kunde sannsynligvis vil være interessert i. Dette er kjent fra "Du vil kanskje også like..." eller "Kunder som kjøpte dette, kjøpte også..." på produktsider og i e-poster.
Anbefalingsmotorer står for en stor del av inntektene i moderne netthandel. Amazon anslår at 35 % av salget deres er drevet av produktanbefalinger.
Typer anbefalinger
Samarbeidsfiltrering (kollaborativ filtrering)
Anbefaler produkter basert på hva lignende kunder har kjøpt. "Kunder som har kjøpt X, har også kjøpt Y". Krever en viss mengde transaksjonsdata for å fungere effektivt.
Innholdsbasert filtrering (innholdsbasert)
Anbefaler produkter med lignende egenskaper som de kunden har vist interesse for. Hvis en kunde har sett på svarte joggesko, vil andre svarte joggesko eller sportssko vises.
Popular-baserte anbefalinger
Viser de mest populære eller bestselgende produktene. Enkelt, men effektivt for nye besøkende der det ikke finnes noen personlige data å bygge på.
Kontekstbaserte anbefalinger
Anbefaler basert på den aktuelle konteksten - f.eks. årstid, vær, tid på dagen eller siden kunden er inne på.
Hvor vises anbefalingene?
- Produktsider: "Du vil kanskje også like ..." eller "Andre har også kjøpt..." under produktbeskrivelsen.
- Handlekurv/kasse: "Fullfør kjøpet med..." - Perfekt for tilbehør og komplementære produkter.
- Forsiden: "Anbefalte produkter for deg" for tilbakevendende kunder.
- Søkeresultater: Suppler søkeresultater med anbefalte produkter.
- E-post: Personlige produktanbefalinger i nyhetsbrev og ordrebekreftelser.
- E-post om forlatthandlekurv: Vis produktene kunden har forlatt, samt relaterte alternativer.
Effekten av produktanbefalinger
- Økt gjennomsnittlig ordreverdi (AOV): Kunder som klikker på anbefalinger, legger vanligvis flere produkter i handlekurven.
- Bedre konverteringsrate: Relevante anbefalinger hjelper kundene med å finne riktig produkt raskere.
- Økt engasjement: Kundene tilbringer mer tid i butikken og ser flere produkter.
- Forbedret kundeopplevelse: Personalisering gjør at butikken føles relevant og oppmerksom.
Produktanbefalinger i Shoporama
Shoporama støtter produktanbefalinger via Shoporama:
- Relaterte produkter: Du kan knytte relaterte produkter manuelt via foreldre-barn-forhold.
- Landingssider: Dynamiske produktlister basert på kategorier, etiketter og regler - fungerer som automatiserte anbefalinger.
- E-postanbefalinger: Shoporamas nyhetsbrevssystem har dedikerte produktblokker som viser produkter fra utvalgte kategorier eller destinasjonssider.
- Anbefalinger iordrebekreftelser: Dedikert mal for produktanbefalinger i e-poster etter kjøp.
Beste praksis
- Relevans fremfor kvantitet: 3-4 relevante anbefalinger er bedre enn 20 tilfeldige. Kvalitet er viktigere enn kvantitet.
- A/B-test plassering: Test om anbefalinger fungerer best under produktbeskrivelsen, i et sidefelt eller etter "Legg i handlekurven".
- Unngå å anbefale det samme produktet: Ikke vis produktet kunden allerede ser i anbefalingene.
- Vis bilder og priser: Produktanbefalinger med bilder og priser konverterer betydelig bedre enn bare tekstlenker.
Vi i Shoporama kan markedsføring på nett
Vi har selv jobbet med markedsføring på nett i flere tiår. Som det eneste butikksystemet i landet har vi flere ganger holdt foredrag på konferanser som Marketingcamp, SEOday, Shopcamp, Digital Marketing, E-commerce Manager, Ecommerce Day, Web Analytics Wednesday og mange flere.