Rekommendationsmotor

Hvad er en anbefalelsesmotor?

En anbefalelsesmotor analyserer data om kundeadfærd og bruger algoritmer til at foreslå produkter, den enkelte kunde sandsynligvis er interesseret i. Det kendes fra "Du vil måske også kunne lide..." eller "Kunder der købte dette, købte også..." på produktsider og i e-mails.

Anbefalelsesmotorer er ansvarlige for en stor del af omsætningen i moderne e-commerce. Amazon anslår, at 35% af deres salg drives af produktanbefalinger.

Typer af anbefalinger

Samarbejdsbaseret filtrering (collaborative filtering)

Anbefaler produkter baseret på, hvad lignende kunder har købt. "Kunder der købte X, købte også Y". Kræver et vist volumen af transaktionsdata for at virke effektivt.

Indholdsbaseret filtrering (content-based)

Anbefaler produkter med lignende egenskaber som dem, kunden har vist interesse for. Hvis en kunde har kigget på sorte løbesko, vises andre sorte løbesko eller sportssko.

Populærbaserede anbefalinger

Viser de mest populære eller bedst sælgende produkter. Simpelt men effektivt for nye besøgende, hvor der ikke er personlig data at bygge på.

Kontekstbaserede anbefalinger

Anbefaler baseret på den aktuelle kontekst, fx sæson, vejr, tid på dagen eller den side kunden befinder sig på.

Hvor vises anbefalinger?

• Produktsider: "Du vil måske også kunne lide..." eller "Andre købte også..." under produktbeskrivelsen.
• Kurv/checkout: "Komplet dit køb med...", perfekt til tilbehør og komplementære produkter.
• Forsiden: "Anbefalede produkter til dig" for tilbagevendende kunder.
• Søgeresultater: Supplér søgeresultater med anbefalede produkter.
• E-mails: Personaliserede produktanbefalinger i nyhedsbreve og ordrebekræftelser.
• Forladt kurv-mails: Vis de produkter kunden forlod plus relaterede alternativer.

Effekten af produktanbefalinger

• Øget gennemsnitlig ordreværdi (AOV): Kunder der klikker på anbefalinger, tilføjer typisk flere produkter til kurven.
• Bedre konverteringsrate: Relevante anbefalinger hjælper kunder med at finde det rigtige produkt hurtigere.
• Øget engagement: Kunder bruger mere tid i butikken og ser flere produkter.
• Forbedret kundeoplevelse: Personalisering får butikken til at føles relevant og opmærksom.

Produktanbefalinger i Shoporama

Shoporama understøtter produktanbefalinger via:

• Relaterede produkter: Du kan manuelt tilknytte produkter til hinanden som relaterede. Relationen er en flad mange-til-mange-tilknytning, hvor hvert produkt kan have et antal relaterede produkter, og hver relation kan vægtes for at styre rækkefølgen.
• Lignende produkter: Bruges typisk til at vise alternativer fra samme kategori eller brand.
• Landingssider: Dynamiske produktlister baseret på kategorier, labels og regler, fungerer som automatiserede anbefalinger.
• E-mail-anbefalinger: Shoporamas nyhedsbrevssystem har dedikerede produktblokke, der viser produkter fra udvalgte kategorier eller landingssider.
• Ordrebekræftelses-anbefalinger: Dedikeret template til produktanbefalinger i post-purchase e-mails.

Best practices

• Relevans over kvantitet: 3-4 relevante anbefalinger slår 20 tilfældige. Kvalitet er vigtigere end antal.
• A/B-test placering: Test om anbefalinger performer bedst under produktbeskrivelsen, i en sidebar, eller efter "Læg i kurv".
• Undgå at anbefale det samme produkt: Vis ikke det produkt, kunden allerede ser, i anbefalingerne.
• Vis billeder og priser: Produktanbefalinger med billeder og priser konverterer markant bedre end bare tekst-links.