電子商取引の売上を 3 倍にするための 10 の製品推奨戦略

序章

インドは 9 億人のインターネット ユーザーを擁し、世界で 2 番目に大きなオンライン市場です。 デジタル ユーザーのこの急激な増加は、大まかにオンライン アクティビティの活性化に反映されており、電子商取引はその重要な部分を占めています。 しかし、企業にとって増加は必ずしも喜ばしいことではありません。小売市場へのユーザーや組織の流入により、ブランドの競争が激化し、電子商取引は非常に競争の激しい空間になっています。

こうした現代の顧客は現在、買い物の選択肢が大量にあることに直面しています。 毎分何千もの電子商取引 Web サイトが、同じではないにしても、同様の商品を販売しようとしています。 それでも、オンライン支出の予算はこれまで以上に厳しく設定されています。

では、電子商取引サイトはどのようにして顧客の財布に侵入し、売上目標を達成することで業界を支配しているのでしょうか? 信頼できる方法の 1 つは、顧客が興味のある商品を目立つように表示するために使用される動的予測システムである製品の推奨を利用することです。

電子商取引サイトの 71% 以上がホームページで商品を推奨しています。 これにより、エンゲージメント、コンバージョン、収益が増加しました。 レコメンデーションが訪問数に貢献したのはわずか 7% でしたが、収益の 26% を占めました。

レコメンデーション システムとは何か、そしてその仕組みについて詳しく説明しますが、先に進む前にその基本を理解しておきましょう。 以下の目標到達プロセスは、レコメンデーションによってウォームリードが製品発見を簡素化することで、どのようにして購買意欲の高い買い物客に転換されるかを示しています。

レコメンデーション システムは、買い物客の行動を理解し、将来のニーズを予測するために大量のデータを分析するアルゴリズムを使用して構築されています。 まさに、Netflix が次に見たい映画を知る方法と同じです。 このような顧客ニーズの分析と予測は顧客プロファイリングとして知られており、推奨事項をパーソナライズするのに役立ちます。

買い物客がそのような推奨事項をクリックすると、商品をカートに追加して取引を完了する可能性が 4.5 倍高くなります。これは、システムが買い物行動、または最大のユーザーが一緒に購入したものに基づいて製品を提案するためです。製品。

これらの推奨事項により、平均注文額 (AOV) が 10% 増加します。 同意しましょう。推奨事項は購入者の生活を楽にするだけでなく、e コマース マーケティング担当者にとって売上を伸ばして目標を達成するための究極のツールでもあります。

電子商取引のコンバージョン率: 計算と解釈

ほとんどのレコメンデーションの目的は、購入を促進することです。 ただし、この目標は Web サイトの性質によって異なり、カスタマー サービスへの連絡、ニュースレターの購読、見込み顧客獲得フォームへの記入などのアクションが含まれます。

その結果、コンバージョンとは、この最終目標 (トランザクション、フォーム、結果など) の完了に対する Web サイト セッションの割合となります。 これは、サイトの意図したアクションを完了した訪問者の割合を測定するのに役立ちます。 目標が商品を購入することだった場合、コンバージョンは「購入した訪問者の合計を Web サイト訪問者の合計で割って計算されます。」 これを 100 に乗算すると、それがコンバージョン率になります。

たとえば、Web サイトの訪問者が 80,000 人で、そのうち 6,000 人が製品を購入した場合、コンバージョン率は 7.5% になります。

計算式は次のとおりです: 電子商取引コンバージョン率 (7.5%) = 購入した訪問者の総数 (80,000) / Web サイトの訪問者の総数 (6,000) x 100

製品推奨の成功はコンバージョン率によって最もよく評価されますが、平均注文額 (AOV) とクリックスルー率 (CTR) も、顧客のニーズに最適な製品を提供するメリットを反映しています。

平均注文額は、Web サイトの顧客が費やした平均ドル (ルピー) 金額です。 これは収益を注文総数で割ることによって計算され、アップセル/クロスセルにおいてレコメンデーションがどの程度成功したかを証明します。

式は次のとおりです: 平均注文額 (AOV) = 収益 / 注文数

同様に、クリックスルー率は、Web サイト上の特定のリンクがクリックされた回数を表します。 これは、クリック数をインプレッション (つまり、リンクが表示された回数) で割ることによって計算されます。

計算式: CTR = クリック数 (広告をクリックした人の数) / インプレッション数 (広告を閲覧した人の数) x 100

CTR は、推奨事項をクリックした購入者が戻ってくる可能性がほぼ 2 倍であるため、意向の高い購入者の割合を示します。 つまり、レコメンデーションがクリックされた場合、コンバージョン率と収益の増加に非常に効果的です。

製品の推奨とは何ですか?

私たちは今では、何千人もの買い物客の過去の取引を分析し、将来のニーズを予測することで、商品の推奨が舞台裏の魔法を行っていることを理解しています。 この分析は、Web サイト訪問者に推奨事項の形で表示され、より早く、より多くの商品を購入するよう促します。

FirstCry の Web サイトから下の画像を簡単に見てみましょう。 「あなたも好きかも」と「よく一緒に購入されている」タイトルは両方とも、購入または選択の際にユーザーを促すブランドによる推奨です。

ほとんどの電子商取引サイトは 2.5 ～ 3% のコンバージョン率で苦労していますが、製品の推奨により、訪問者の 49% 以上が本来意図していなかった製品を購入するように誘導される可能性があります。

まだ納得していない場合は、電子商取引サイトに製品の推奨事項を含める必要がある 4 つの重要な理由を確認してください。

1. ユーザーエクスペリエンスの向上 –

私たちのオフライン生活では、地元のスーパーマーケットの店主の提案に頼ることがよくありました。 なぜ？ 便利で早いからです。 オンライン製品の推奨は、サイトの閲覧からチェックアウトまでの顧客のサイト内での移動を容易にすることで、同じ目的を果たします。

これらは非常に重要になっており、顧客の 56% が推奨サイトに戻り、ショッピング体験がパーソナライズされていない場合は 71% が不満を感じています。

2. 顧客エンゲージメントの向上 –

顧客は信頼と理解されているという感覚によって成長します。 マーケティング担当者は、購入パターンを補うパーソナライズされた製品の推奨を提供することでこれを実現できます。 これにより、サイトでのクリック数が増加し、訪問数が増加し、電子メールなどの他のコミュニケーション チャネルが活性化されます。

たとえば、これはインドのストリーミング サービスである ALTBalaji が、購読者数の増加を促進するために電子メールでパーソナライズされた推奨事項を送信した方法です。 これはサイトの推奨ではありませんが、電子メール、SMS、プッシュ通知はすべて、購入を復活させたりリピートを増やしたりするための媒体として使用できます。



3. 収益の増加 –

製品の推奨は、類似製品またはアップグレードされた製品で購入者の好みを補完する素晴らしい機会を提供することは明らかです。 マーケティング担当者は、この機会を利用して、「よく一緒に購入されている商品」や「これを購入した顧客はこんな商品も購入しています」などのセクションを使用してクロスセルやアップセルを行う必要があります。 以下は、同様のジャンルの書籍に関する Amazon による別の推奨事項です。



4. ロイヤルティを構築 –

レコメンデーションによってあらゆるタッチポイントでカスタマージャーニーがパーソナライズされるため、全体的な満足度が向上します。 満足した顧客は、口コミを通じてサイトを宣伝するだけでなく、再訪する可能性が高くなります。

レコメンデーション エンジンはどのように構築されますか?

電子商取引サイトの訪問者にパーソナライズされた推奨事項を表示するためにアルゴリズムがどのように使用されるかについて簡単に説明しました。 それについて深く掘り下げてみましょう。

製品推奨エンジンは、機械学習 (ML) を使用して大量のユーザー データを分析およびモデル化します。 まず、ユーザーの過去のトランザクション、ブラウザ履歴、リンクのクリック、その他のエンゲージメントに関するデータ (入力) が受信されます。 このデータがクリーンアップされ、同様の行動を持つユーザーがさまざまなパラメーターに基づいてセグメント化されると、推奨システムが作成されます。

ほとんどのレコメンデーション システムは、次の 3 つのアプローチのいずれかを使用して実装されます。

1. 協調フィルタリング: このモデルは、過去に同様の製品を購入したユーザーが将来もそのパターンを繰り返す可能性が高いという前提に基づいて機能します。 つまり、ジャスミンがピザとサラダを買ったのに対し、アリヤがそれらに加えてダイエットコーラを買ったとしたら、ジャスミンもそうするでしょう。
2. コンテンツベースのモデル: このモデルは、訪問したすべてのサイトの Cookie からのデータを使用して、各ユーザーの好き嫌いを理解します。 その後、過去のインタラクションと同様のアイテムを楽しむことを前提として、推奨される製品がフィルタリングされます。

たとえば、ニックが黄色の靴、シャツ、チノパンを購入した場合、将来は黄色のズボンを探す可能性があります。


3. ハイブリッド フィルタリング: この方法では、コンテンツと共同ベースのフィルタリングを組み合わせて、ユーザー間の共有設定を考慮しますが、個々のユーザーの設定に基づいてフィルタリングした後に結果を表示します。 Netflix を例に挙げると、類似したユーザーの習慣に基づいて映画をフィルタリングしますが、このユーザーの過去のインタラクションに一致するものだけを表示します。

e コマースのコンバージョンを高めるための 10 の製品推奨戦略

新型コロナウイルス感染症により、私たちの買い物の仕方が変わりました。 発展途上国に限っても、オンライン買い物客の割合は 33% から 60% に急増しています。 その結果、いくつかのビジネスがオンライン化を余儀なくされました。 しかし、その多くは依然としてレコメンデーションのパーソナライズに苦労しており、その結果、トラフィックを競合に奪われています。

一方で、パーソナライズされた推奨事項を表示して成功している企業は、顧客が購入する可能性が 91% 高くなります。 重要なのは、誰に何を見せるかを知ることです。 そこで、この質問に答えるのに役立ついくつかの種類の製品の推奨事項を紹介します。

• パーソナライゼーション – アクション スリラーを見ましたか、それとも青いドレスを購入しましたか? 同じレストランで食事を繰り返し注文したことがありますか? このデータはすべて、顧客の好き嫌いを理解し、関連する推奨事項を作成するために分析されます。

これらの推奨事項が顧客の好みに近ければ近いほど、コンバージョン率は高くなります。 また、パーソナライズされた推奨事項により、買い物客の 54% が平均注文額を増加させることに成功しました。



• 関連製品: 何千もの商品から買い物ができるため、顧客はあるページから別のページに移動しなければならないことに簡単にイライラする可能性があります。 しかし、ここで「類似製品」の推奨カテゴリが役に立ちます。

顧客はより多くの製品をチェックできるだけでなく、オプションを簡単に比較し、シームレスに取引を完了することができます。



• クロスセルとアップセル: 最近携帯電話を購入した顧客はすぐにケースが必要になると考えるのはほぼ直感的です。 同様に、ジャケットを検討している人は、さらに冬用のウェアが必要になる可能性があります。

製品の推奨では、「同じような人が購入したもの」や「よく一緒に購入されている商品」などのカテゴリを使用してアイテムをアップセルまたはクロスセルすることで、この機会を最大限に活用します。

• 社会的証明: 買い物客はレビューによって安心感を与え、信頼を築くことができるため、成功します。 調査によると、買い物客の 47% 以上が電子商取引サイトで (視覚的な) 社会的証明を求めています。

したがって、過去の顧客から高く評価された製品を推奨すると、取引をより早く完了させることができます。 一般的なカテゴリには、「トップ評価の製品」や「インフルエンサーのおすすめ」などがあります。



• 季節 – 季節の変化に応じて顧客が進化する必要があるのは当然のことです。 このカテゴリの推奨事項は、食品やファッション製品の場合にうまく機能します。

たとえば、夏にはマンゴーマニアが集まり、春には花柄の衣装が流行します。

• 新着情報: ファスト ファッションと急速に進化するテクノロジーの時代では、「新着情報」に基づく推奨は効果的な製品プロモーション戦略です。



このような推奨事項は、顧客の間に見逃しの恐怖 (FOMO) を引き起こします。 結局のところ、新しい電話やドレスを誇示したくない人はいないでしょうか。

• バンドル: 幅広い顧客ベースで繰り返される傾向にあるショッピング トレンドを利用して、「これを見た人はこちらも見ています」や「よく一緒に購入されている商品」などのカテゴリーでおすすめを表示できます。 したがって、通常はチェックアウトの前後に製品がまとめられ、売上と平均注文額 (AOV) が増加します。



• 閲覧履歴に基づく – 深刻な購入意図なしに電子商取引 Web サイトを閲覧するのは人間の傾向です。 したがって、アルゴリズムは過去の閲覧データを使用してユーザーのニーズ/要望を特定し、それに応じて推奨事項を表示します。
• 在庫のある製品: 家具の電子商取引サイトでは一般的で、このタイプの推奨事項は、より早く完売する製品を活用して売上を促進します。

在庫を心配する顧客に危機感を与えるだけでなく、リピーター間のブランドロイヤルティの構築にも役立ちます。

どのタイプの推奨事項を選択する場合でも、それを適切に配置するようにしてください。 そうでなければ、それらはすべて販売機会の損失にすぎません。

一流ブランドの商品推奨例

製品発見の問題を解決すると、電子商取引サイトのユーザー エクスペリエンスが確実に向上します。 Amazon、Myntra、Netflix などの市場を支配する企業が、トップを維持するために「製品レコメンデーション」レースを勝ち抜いているのも不思議ではありません。 3 つのブランドを詳細に調査して、推奨事項がどのようなメリットをもたらしたかを理解しましょう –

例 1: アマゾン

Amazon は、より高いクリックスルーとコンバージョンを達成するために、ユーザー ジャーニー全体にわたって戦略的に配置された幅広いレコメンデーション スタイルを使用しています。

Amazon India の「これを買った人はこんな商品も買っています」レコメンデーションの例をいくつか紹介します。 マッキンゼーによると、この種のパーソナライズされたレコメンデーションは総収益の 35% 以上に貢献し、売上の 29% 増加を引き起こしました。

例 2: ニカア

インド最大のビューティー＆ウェルネス小売業者の 1 つである Nykaa は、ユーザー グループ間の共通の関心に基づいて製品をクロスセルするために、「あなたも好きかも」という推奨タイプを使用しました。 その結果、2020 年までに Nykaa の顧客の 50% が定期的に訪問するようになり、彼らの購入ガイド形式の推奨事項は、その年の流通総額 (GMV) の 3% に貢献しました。

避けるべき間違い

製品の推奨事項を示すだけでは十分ではありません。 タイミングから配置まで、その他すべてが成功に重要な役割を果たします。 避けるべき5つの間違いは次のとおりです –

• 不適切な配置 – ノートパソコンの製品ページにショーツの推奨事項を表示しても役に立ちません。 代わりに、ラップトップ バッグなどの関連商品を表示すると、コンバージョン率が高くなります。
• 圧倒的な推奨事項 – 情報が多すぎるとノイズになります。 そして、推奨事項が多すぎると、まったく効果がありません。 したがって、購入者の画面に推奨事項を詰め込みすぎないようにしてください。
• コンテキストに依存しない推奨 – すべての推奨は、場所、人口統計、購入履歴など、購入者のコンテキストと互換性がある必要があります。 そうして初めて、購入者はスパムではなく理解されていると感じることができるのです。

以下は、Amazon による無神経な商品推奨の例です。


• A/B テストの欠如: A/B テストは、レコメンデーションの数、外観、配置などのパラメーターを最適化するための前提条件です。 そうすることで、より高いコンバージョン率の推奨事項を特定して維持することができます。
• 貧弱なナビゲーション: レコメンデーションの効果は、それによって促進されるコンバージョンによって決まります。 したがって、リンクをクリックした後のユーザーのジャーニーにおけるあらゆる摩擦を取り除く必要があります。 お問い合わせ、製品カタログ、カートなどの重要なページには常に簡単にアクセスできる必要があります。

結論

売上の促進、注文額の増加、顧客のエンゲージメント向上における製品レコメンデーションの真の可能性を理解することは、目を見張るものとなる可能性があります。 しかし、経験豊富なマーケティング担当者でも、レコメンデーションを最大限に活用することはできません。
レコメンデーションの実行にコストがかかりすぎる、または複雑すぎるためであると考えている場合、これが真実の瞬間です。そうではありません。 WebEngage の製品推奨ツールは非常に簡単で、多くのクライアントが追加の収益をもたらすのに役立っています。

買い物客のほぼ 81% が、パーソナライズされた製品推奨マーケティング電子メールを受信した時点で購入に同意しました。これは、WebEngage クライアントが優れていることを支援する機能です。 WebEngage ユーザーは、マーケティング チャネルで事前に入力されたテンプレートを使用して、顧客とのつながりを築くための非常に魅力的で創造的な方法を考案できます。

WebEngage には、電子商取引サイトの推奨システム要件を満たすための包括的なパッケージが用意されています。 収益を増やすためのオプションをお探しの場合は、今すぐデモに参加して、ビジネスの変革をご覧ください。