10 Strategii de recomandări de produse pentru a-ți tripla vânzările de comerț electronic

Introducere

Cu 900 de milioane de utilizatori de internet, India este a doua cea mai mare piață online din lume. Această creștere exponențială a utilizatorilor digitali se traduce vag prin activitatea lor online, iar comerțul electronic este o parte semnificativă a acesteia. Dar mai mult nu este întotdeauna vesel pentru afaceri – afluxul de utilizatori și organizații pe piața de retail a adus mai multă concurență pentru mărci, făcând comerțul electronic un spațiu extrem de competitiv.

Acești clienți moderni se confruntă acum cu un aflux de opțiuni de la care să cumpere. Mii de site-uri de comerț electronic încearcă să le vândă produse similare, dacă nu aceleași, în fiecare minut. Cu toate acestea, cheltuielile lor online sunt strâns bugetate mai mult decât oricând!

Deci, cum domină site-urile de comerț electronic industria prin accesarea portofelului unui client și îndeplinirea obiectivelor de vânzări? O metodă fiabilă este prin recomandările de produse – un sistem dinamic de predicție utilizat pentru a afișa în mod vizibil articolele de interes pentru client.

Peste 71% dintre site-urile de comerț electronic recomandă produse pe pagina lor de pornire. Acest lucru i-a ajutat să crească implicarea, conversiile și veniturile. În timp ce recomandările au contribuit la doar 7% din vizite, acestea au reprezentat 26% din venituri.

Deși vom analiza în detaliu ce sunt sistemele de recomandare și cum funcționează acestea, haideți să înțelegem elementele de bază ale acestora înainte de a continua. Pâlnia de mai jos arată cum recomandările transformă clienții potențiali în clienți cu intenție mare, simplificând descoperirea produselor pentru aceștia.

Sistemele de recomandare sunt construite folosind algoritmi care analizează grămezi de date pentru a înțelege comportamentul cumpărătorilor și pentru a anticipa nevoile lor viitoare. Exact așa cum știe Netflix ce film doriți să vizionați în continuare. Analizarea și prezicerea nevoilor clienților astfel sunt cunoscute sub numele de profilare a clienților, care ajută la personalizarea recomandărilor.

Odată ce cumpărătorii dau clic pe astfel de recomandări, au șanse de 4,5 ori mai mari să adauge articolul într-un coș și să își finalizeze tranzacția - acest lucru se datorează faptului că sistemul le sugerează produsele în funcție de comportamentul lor de cumpărături sau de ceea ce a găsit maximul de utilizatori care cumpără împreună cu produs.

Aceste recomandări duc la o valoare medie a comenzii (AOV) cu 10% mai mare. Deci, să fim de acord, recomandările nu numai că ușurează viața cumpărătorului, dar sunt și instrumentul suprem pentru un comerciant de comerț electronic pentru a crește vânzările și pentru a atinge obiectivele!

Rate de conversie pentru comerțul electronic: calcul și interpretare

Scopul majorității recomandărilor este de a genera achiziții. Cu toate acestea, acest obiectiv poate varia în funcție de natura site-ului web pentru a include acțiuni precum contactarea serviciului pentru clienți, abonarea la un buletin informativ sau completarea unui formular de generare de clienți potențiali.

Ca urmare, conversia este raportul dintre sesiunile de pe site și îndeplinirea acestui obiectiv final (tranzacții, formulare, rezultate etc.). Ajută la măsurarea procentului de vizitatori care au finalizat acțiunea intenționată a site-ului. Să presupunem că obiectivul a fost achiziționarea articolului, apoi conversia este calculată împărțind „numărul total de vizitatori care au cumpărat la numărul total de vizitatori ai site-ului web”. Înmulțiți aceasta în 100 și aceasta este rata dvs. de conversie!

De exemplu, dacă site-ul dvs. a avut 80.000 de vizitatori dintre care 6.000 au cumpărat un produs, atunci rata de conversie este de 7,5%.

Formula este: Rata de conversie a comerțului electronic (7,5%) = Total vizitatori care au cumpărat (80.000) / Total vizitatori site-ul web (6.000) x 100

În timp ce succesul recomandărilor de produse este cel mai bine măsurat prin ratele de conversie, valoarea medie a comenzii (AOV) și rata de clic (CTR) reflectă, de asemenea, beneficiile asistarii unui client cu produse care se potrivesc cel mai bine nevoilor sale.

Valoarea medie a comenzii este suma medie în dolari (rupii) cheltuită de clientul unui site web. Se calculează prin împărțirea veniturilor la numărul total de comenzi, demonstrând cât de reușite au fost recomandările în upselling/cross-selling.

Formula este: Valoarea medie a comenzii (AOV) = Venituri / Ordinea numerelor

De asemenea, rata de clic reprezintă de câte ori s-a făcut clic pe un anumit link de pe site. Se calculează împărțind clicurile la afișări (adică de câte ori linkul a fost vizibil).

Funcționarea formulei: CTR = clicuri (număr de persoane care au dat clic pe anunț) / afișări (număr de persoane care au văzut anunțul) x 100

CTR indică procentul de cumpărători cu intenție mare, deoarece cei care dau clic pe o recomandare au șanse de aproape două ori mai mari să revină! Pe scurt, dacă s-a făcut clic pe o recomandare, aceasta este foarte productivă în creșterea ratei de conversie și a veniturilor.

Ce este o recomandare de produs?

Până acum înțelegem că recomandările de produse fac magie în spatele scenei analizând mii de tranzacții anterioare ale cumpărătorilor și prezicând nevoile lor viitoare. Această analiză este apoi prezentată sub formă de recomandări către vizitatorul site-ului, stimulându-l să cumpere mai mult și mai rapid.

Să aruncăm o privire rapidă la imaginea de mai jos de pe site-ul FirstCry. Ambele titluri „s-ar putea să vă placă” și „cumpărate frecvent împreună” sunt recomandări ale mărcii care își îndeamnă utilizatorii la cumpărare sau selecție.

În timp ce majoritatea site-urilor de comerț electronic se confruntă cu rate de conversie între 2,5 și 3%, recomandările de produse pot determina peste 49% dintre vizitatori să cumpere produse pe care nu au intenționat inițial să le cumpere.

Dacă nu sunteți deja convins, consultați aceste patru motive importante pentru care trebuie să includeți recomandări de produse pe site-urile dvs. de comerț electronic -

1. Experiență îmbunătățită a utilizatorului -

În viața noastră offline, ne-am bazat adesea pe sugestia comerciantului de la un supermarket local. De ce? Pentru că este convenabil și rapid. Recomandările de produse online servesc aceluiași scop, ușurând călătoria unui client pe site-ul dvs. de la navigare până la finalizare.

Au devenit atât de esențiale încât 56% dintre clienți revin pe acele site-uri care recomandă și 71% se simt frustrați dacă experiența de cumpărături nu este personalizată.

2. O implicare mai bună a clienților -

Clienții se bucură de încredere și de sentimentul de a fi înțeleși. Specialiştii în marketing pot face acest lucru oferindu-le recomandări personalizate de produse care le completează modelele de cumpărare. Acest lucru ajută la obținerea de clicuri mai mari pe site, mai multe vizite și activarea altor canale de comunicare, cum ar fi e-mailurile.

De exemplu, acesta este modul în care ALTBalaji, un serviciu de streaming indian, a trimis o recomandare personalizată prin e-mail pentru a genera abonamente mai mari. Aceasta nu este o recomandare de site, dar notificările prin e-mail, sms și push pot fi folosite ca mijloc de reînviere sau de creștere a achizițiilor repetate.



3. Venituri crescute -

În mod clar, recomandările de produse oferă o oportunitate excelentă de a completa preferința cumpărătorului cu produse similare sau actualizate. Specialiștii în marketing trebuie să profite de această oportunitate pentru a-și vinde încrucișat și pentru a promova, folosind secțiuni precum „Cumparat frecvent împreună” și „Clienții care au făcut cumpărături au cumpărat și ei”. Mai jos este o altă recomandare a Amazon pentru cărți dintr-un gen similar.



4. Construiește loialitate -

Deoarece recomandările personalizează călătoriile clienților la fiecare punct de contact, satisfacția lor generală crește. Un client mulțumit are mai multe șanse să revină și să promoveze site-ul prin cuvânt în gură.

Cum sunt construite motoarele de recomandare?

Am discutat pe scurt despre modul în care algoritmii sunt utilizați pentru a afișa recomandări personalizate vizitatorilor unui site de comerț electronic. Să ne aprofundăm în asta.

Un motor de recomandare de produse analizează și modelează tone de date despre utilizatori folosind Machine Learning (ML). În primul rând, sunt primite date (input) privind tranzacțiile anterioare ale utilizatorilor, istoricul browserului, clicurile pe linkuri și alte angajamente. Odată ce aceste date sunt curățate și utilizatorii cu comportamente similare sunt segmentați în funcție de diferiți parametri, se creează un sistem de recomandare.

Majoritatea sistemelor de recomandare sunt implementate folosind una dintre aceste trei abordări:

1. Filtrare în colaborare : acest model funcționează pe baza ipotezei că utilizatorii care au cumpărat produse similare în trecut vor repeta probabil modelul în viitor. Deci, dacă Jasmine și-a cumpărat o pizza și o salată, în timp ce Aliya le-a cumpărat plus o Coca-Cola, Jasmine o va face și ea.
2. Model bazat pe conținut : acest model folosește datele din module cookie ale tuturor site-urilor vizitate pentru a înțelege ce place și ne-a plăcut fiecărui utilizator. Produsele recomandate sunt apoi filtrate presupunând că vă veți bucura de articole similare cu interacțiunile dumneavoastră anterioare.

De exemplu, dacă Nick și-a cumpărat pantofi galbeni, o cămașă și pantaloni chino, probabil că va căuta pantaloni galbeni în viitor.


3. Filtrare hibridă : această metodă combină filtrarea de conținut și de colaborare pentru a ține cont de preferințele partajate între utilizatori, dar afișează rezultatele după filtrarea pe baza preferințelor individuale ale utilizatorilor. Luați Netflix, de exemplu, filtrează filmele în funcție de obiceiurile utilizatorilor similari, dar le afișează numai pe cele care se potrivesc cu interacțiunile anterioare ale acestui utilizator.

10 strategii de recomandare de produse pentru a vă stimula conversiile în comerțul electronic

COVID-19 a schimbat modul în care facem cumpărături. Numai în țările în curs de dezvoltare, proporția cumpărătorilor online a crescut de la 33% la 60%. Drept urmare, mai multe afaceri au fost forțate online. Cu toate acestea, mulți dintre ei încă se luptă în personalizarea recomandărilor, pierzând astfel trafic în fața concurenței.

Pe de altă parte, companiile de succes care prezintă recomandări personalizate au cu 91% mai multe șanse de a face achiziția clientului. Cheia este să știi cui să arăți ce . Așadar, iată câteva tipuri de recomandări de produse care vă pot ajuta să răspundeți la această întrebare -

• Personalizare – Ai urmărit un thriller de acțiune sau ai cumpărat o rochie albastră? Ați comandat în mod repetat mâncare de la același restaurant? Toate aceste date sunt analizate pentru a înțelege gusturile și displacele unui client și pentru a face recomandări relevante.

Cu cât aceste recomandări sunt mai aproape de gusturile clientului, cu atât este mai mare conversia acestora. Recomandările personalizate au convins, de asemenea, 54% dintre cumpărători să-și crească valoarea medie a comenzii.



• Produse înrudite: Cu o mie disponibile pentru cumpărături, un client s-ar putea simți cu ușurință frustrat de a trebui să navigheze de la o pagină la alta. Dar aici ne vine în ajutor categoria de recomandări „Produse similare”.

Clienții nu numai că pot verifica mai multe produse, ci și pot compara cu ușurință opțiunile lor și pot finaliza tranzacțiile fără probleme.



• Vânzare încrucișată și vânzare în sus: este aproape intuitiv să credem că un client care a cumpărat recent un telefon va avea nevoie în curând de o husă. În mod similar, cineva care explorează o jachetă poate avea nevoie de mai multe haine de iarnă.

Recomandările de produse profită la maximum de această oportunitate prin vânzarea în sus sau încrucișarea de articole folosind categorii precum „Ce au cumpărat persoane ca tine” și „Cumpărat frecvent împreună”.

• Dovada socială: Cumpărătorii se bucură de recenzii, deoarece le oferă un sentiment de securitate și ajută la construirea încrederii. Potrivit cercetărilor, peste 47% dintre cumpărători caută dovezi sociale (vizuale) pe site-urile de comerț electronic.

Prin urmare, recomandarea produselor care au fost evaluate foarte bine de clienții din trecut ajută la închiderea tranzacției mai rapid. Categoriile comune includ „produse de top” sau „alegeri ale influențelor”.



• Sezonier – Este firesc ca clientul să evolueze odată cu schimbarea anotimpurilor. Această categorie de recomandări funcționează bine în cazul produselor alimentare și de modă.

De exemplu, vara atrage o manie de mango, iar ținutele înflorate fac furie în sezonul de primăvară.

• Noi sosiri: în această eră a modei rapide și a tehnologiei cu evoluție rapidă, recomandările bazate pe „noi sosiri” reprezintă o strategie eficientă de promovare a produselor.



Asemenea recomandări creează frică de pierdere (FOMO) în rândul clienților. La urma urmei, cui nu-i place să etaleze un nou telefon/rochie?

• Gruparea: tendințele de cumpărături care tind să se repete într-o bază largă de clienți pot fi valorificate pentru a afișa recomandări în categorii precum „Clienții care au văzut acest lucru au văzut și” sau „Cumpărat frecvent împreună”. Prin urmare, produsele sunt grupate împreună, de obicei în jurul comenzii, stimulând vânzările și valoarea medie a comenzii (AOV).



• Pe baza istoricului de navigare – Este o tendință umană de a naviga pe site-uri de comerț electronic fără intenție serioasă de a cumpăra. Prin urmare, algoritmii își folosesc datele de navigare anterioare pentru a-și identifica nevoile/dorințele și pentru a arăta recomandări în consecință.
• Produse din nou în stoc: frecvente pe site-urile de comerț electronic de mobilă, acest tip de recomandări valorifică produsele care se epuizează mai repede pentru a genera vânzări.

Nu numai că creează un sentiment de urgență în rândul clienților care își fac griji cu privire la stoc, dar ajută și la construirea loialității mărcii în rândul clienților repeți.

Indiferent de tipul de recomandare pe care îl alegeți, asigurați-vă că o poziționați corespunzător. În rest, toate sunt doar oportunități de vânzare pierdute.

Exemple de recomandări de produse de la mărci de top

Rezolvarea pentru descoperirea de produse are ca rezultat o îmbunătățire garantată a experienței utilizatorului pentru site-urile de comerț electronic. Nu e de mirare că dominatorii pieței, cum ar fi Amazon, Myntra sau Netflix, sunt în cursa „recomandărilor de produse” pentru a rămâne în top. Să studiem în detaliu 3 mărci pentru a înțelege cum le-au beneficiat recomandările –

Exemplul 1: Amazon

Amazon folosește o gamă largă de stiluri de recomandare plasate strategic pe parcursul călătoriei utilizatorului pentru a obține clicuri și conversii mai mari.

Iată câteva exemple de recomandări ale Amazon India „Clienții care au cumpărat acest lucru au și cumpărat”. Potrivit lui Mckinsey, acest tip de recomandare personalizată a contribuit la peste 35% din veniturile totale și a provocat o creștere cu 29% a vânzărilor.

Exemplul 2: Nykaa

Unul dintre cei mai mari comercianți de frumusețe și wellness din India, Nykaa a folosit tipul de recomandare „Îți poate plăcea și” pentru a vinde produse încrucișate pe baza intereselor comune între grupurile de utilizatori. Drept urmare, 50% dintre clienții Nykaa au devenit vizitatori de rutină până în 2020, iar recomandările lor în stil ghid de cumpărare au contribuit cu 3% din valoarea brută a mărfurilor (GMV) în acel an.

Greșeli de evitat

Nu este suficient să arăți recomandări de produse. Orice altceva, de la sincronizare la plasare, joacă un rol crucial în succesul lor. Iată 5 greșeli de evitat -

• Plasare incorectă – Afișarea recomandărilor pentru pantaloni scurți pe pagina unui produs de laptop nu va ajuta. În schimb, afișarea unor produse similare, cum ar fi genți pentru laptop, va duce la o conversie mai mare.
• Recomandări copleșitoare – Prea multe informații sunt zgomot. Și prea multe recomandări nu se traduc în niciuna. Deci, nu supraaglomera ecranul cumpărătorului cu recomandări.
• Recomandări nesensibile la context – Fiecare recomandare trebuie să fie compatibilă cu contextul cumpărătorului – locație, demografie sau istoricul achizițiilor. Numai atunci un cumpărător se va simți înțeles și nu este spam.

Iată un exemplu de recomandare de produs nesensibilă din partea Amazon.


• Lipsa testării A/B: testarea A/B este o condiție prealabilă pentru optimizarea parametrilor precum numărul, aspectul și poziționarea recomandărilor. Acest lucru va ajuta la identificarea și păstrarea recomandărilor cu rate de conversie mai mari.
• Navigare slabă: o recomandare este la fel de bună ca și conversiile pe care le generează. Prin urmare, orice frecare din postarea călătoriei utilizatorului care face clic pe link trebuie eliminată. Toate paginile importante precum contactează-ne, catalogul de produse și coșul de cumpărături trebuie să fie întotdeauna ușor accesibile.

Concluzie

Înțelegerea adevăratului potențial al recomandărilor de produse în stimularea vânzărilor, creșterea valorilor comenzilor și implicarea mai bună a clienților poate acționa ca o deschidere a ochilor. Dar chiar și marketerii experimentați nu reușesc să folosească recomandările la întregul lor potențial.
Dacă crezi că asta se datorează faptului că rularea recomandărilor este fie prea scumpă, fie prea complexă, acesta este momentul tău de adevăr – nu este! Instrumentele WebEngage de recomandare de produse sunt remarcabil de simple și au ajutat mulți clienți să aducă venituri suplimentare.

Aproape 81% dintre cumpărători au fost de acord să cumpere la primirea unui e-mail de marketing personalizat cu recomandare de produse, o facilitate care îi ajută pe clienții WebEngage să exceleze. Folosind șabloanele noastre pre-populate pe canalele de marketing, utilizatorii WebEngage pot concepe modalități extrem de captivante și creative de a contacta clienții.

WebEngage are un pachet cuprinzător pentru a satisface cerințele de sistem de recomandare ale site-ului dvs. de comerț electronic. Dacă căutați opțiuni pentru a crește veniturile, luați o demonstrație cu noi astăzi și urmăriți cum se transformă afacerea dvs.!