10 種產品推薦策略，讓您的電子商務銷售額翻三倍

介紹

印度擁有 9 億互聯網用戶，是世界第二大在線市場。 數字用戶的這種指數級增長鬆散地轉化為他們的在線活動，而電子商務是其中的重要組成部分。 但更多並不總是對企業有利——零售市場中用戶和組織的湧入為品牌帶來了更多競爭，使電子商務成為一個競爭激烈的空間。

這些現代客戶現在面臨大量購物選擇。 數以千計的電子商務網站試圖每分鐘向他們銷售類似的產品，即使不是相同的產品。 然而，他們的在線支出預算比以往任何時候都更加緊張！

那麼，電子商務網站是如何通過侵入客戶的錢包並實現銷售目標來主導行業的呢？ 一種可靠的方法是通過產品推薦——一種動態預測系統，用於突出顯示客戶感興趣的項目。

超過 71% 的電子商務網站在其主頁上推薦產品。 這幫助他們提高了參與度、轉化率和收入。 雖然推薦僅佔訪問量的 7%，但它們佔收入的 26%。

雖然我們將詳細介紹推薦系統是什麼以及它們是如何工作的，但在繼續之前讓我們先了解一下它們的基礎知識。 下面的漏斗顯示了推薦如何通過簡化產品發現將熱情的潛在客戶轉化為高意向的購物者。

推薦系​​統是使用分析大量數據的算法構建的，以了解購物者的行為並預測他們未來的需求。 正是 Netflix 知道您接下來想看哪部電影的方式。 像這樣分析和預測客戶需求被稱為客戶畫像，這有助於個性化推薦。

一旦購物者點擊此類推薦，他們將商品添加到購物車並完成交易的可能性會增加 4.5 倍——這是因為系統會根據他們的購物行為或它發現的最大用戶購買量以及產品。

這些建議使平均訂單價值 (AOV) 提高了 10%。 所以讓我們同意，推薦不僅讓買家的生活更輕鬆，而且它們也是電子商務營銷人員促進銷售和實現目標的終極工具！

電子商務轉化率：計算和解釋

大多數推薦的目標是推動購買。 但是，此目標可能會根據網站的性質而有所不同，包括聯繫客戶服務、訂閱時事通訊或填寫潛在客戶生成表格等操作。

因此，轉化率是網站會話與完成此最終目標（交易、表格、結果等）的比率。 它有助於衡量完成站點預期操作的訪問者的百分比。 假設目標是購買商品，那麼轉化率的計算方法是“購買的總訪問者除以網站訪問者總數”。 將其乘以 100，這就是您的轉化率！

例如，如果您的網站有 80,000 名訪問者，其中 6,000 名訪問者購買了產品，則轉化率為 7.5%。

公式為：電商轉化率（7.5%）=總購買量（80000）/網站總訪問量（6000）×100

雖然產品推薦的成功最好通過轉化率來衡量，但平均訂單價值 (AOV) 和點擊率 (CTR) 也反映了幫助客戶提供最適合他們需求的產品的好處。

平均訂單價值是網站客戶花費的平均美元（盧比）金額。 它是通過將收入除以訂單總數來計算的，證明了推薦在追加銷售/交叉銷售中的成功程度。

公式為：平均訂單價值 (AOV) = 收入 / 數量順序

同樣，點擊率表示網站上特定鏈接被點擊的次數。 它的計算方法是將點擊次數除以展示次數（即鏈接可見的次數）。

計算公式：CTR = Clicks（點擊廣告的人數）/ Impressions（觀看廣告的人數）x 100

點擊率指的是高意向買家的百分比，因為點擊推薦的人回來的可能性要高出近 2 倍！ 簡而言之，如果某個推薦被點擊，則在提高轉化率和收入方面效率很高。

什麼是產品推薦？

到目前為止，我們了解到產品推薦通過分析成千上萬購物者過去的交易並預測他們未來的需求來發揮幕後魔力。 然後，該分析以向網站訪問者推薦的形式顯示，激勵他們購買更多、更快。

讓我們快速瀏覽一下來自 FirstCry 網站的下圖。 “您可能也喜歡”和“經常一起購買”這兩個標題都是該品牌在用戶購買或選擇時提出的建議。

雖然大多數電子商務網站的轉化率都在 2.5 到 3% 之間掙扎，但產品推薦可以促使超過 49% 的訪問者購買他們最初從未打算購買的產品。

如果您還不確定，請查看以下四個重要原因，說明為什麼您必須在電子商務網站上提供產品推薦 –

1. 改善用戶體驗 –

在我們的線下生活中，我們經常依賴當地超市店主的建議。 為什麼？ 因為方便快捷。 在線產品推薦通過簡化客戶在您網站上從瀏覽到結帳的旅程來達到相同的目的。

它們變得如此重要，以至於 56% 的顧客會返回那些推薦的網站，如果購物體驗不個性化，71% 的顧客會感到沮喪。

2. 更好的客戶參與度 –

客戶在信任和被理解的感覺中茁壯成長。 營銷人員可以通過為他們提供個性化的產品推薦來補充他們的購買模式來做到這一點。 這有助於提高網站的點擊率、更多的訪問量以及激活其他通信渠道（如電子郵件）。

例如，印度流媒體服務 ALTBalaji 就是這樣通過電子郵件發送個性化推薦以提高訂閱量的。 這不是網站推薦，但電子郵件、短信和推送通知都可以作為複活或增加重複購買的媒介。



3. 增加收入——

顯然，產品推薦提供了一個很好的機會，可以用類似或升級的產品來補充購買者的偏好。 營銷人員必須利用這個機會使用“經常一起購買”和“購物過的顧客也購買過”等部分進行交叉銷售和追加銷售。 以下是亞馬遜對類似類型書籍的另一項推薦。



4. 建立忠誠度 –

由於推薦在每個接觸點都個性化了客戶旅程，因此他們的整體滿意度提高了。 滿意的客戶更有可能返回並通過口耳相傳來推廣網站。

推薦引擎是如何構建的？

我們簡要討論瞭如何使用算法向電子商務網站的訪問者顯示個性化推薦。 讓我們深入探討一下。

產品推薦引擎使用機器學習 (ML) 分析和建模大量用戶數據。 首先，接收有關用戶過去交易、瀏覽器歷史、鏈接點擊和其他參與的數據（輸入）。 一旦清理了這些數據並根據不同的參數對具有相似行為的用戶進行了細分，就創建了一個推薦系統。

大多數推薦系統都是使用以下三種方法之一實現的：

1. 協同過濾：該模型假設過去購買過類似產品的用戶將來可能會重複該模式。 因此，如果 Jasmine 買了披薩和沙拉，而 Aliya 買了它們和健怡可樂，Jasmine 也會這樣做。
2. 基於內容的模型：該模型使用所有訪問站點的 cookie 中的數據來了解每個用戶的好惡。 然後根據您將喜歡與您過去互動相似的項目的假設來過濾推薦產品。

例如，如果尼克買了黃色鞋子、襯衫和斜紋棉布褲，他以後很可能會尋找黃色褲子。


3. 混合過濾：這種方法結合了內容過濾和基於協作的過濾，以考慮用戶之間的共享偏好，但在根據個人用戶的偏好過濾後顯示結果。 以 Netflix 為例，它根據相似用戶的習慣過濾電影，但只顯示與該用戶過去互動相匹配的電影。

提高電子商務轉化率的 10 種產品推薦策略

COVID-19 改變了我們購物的方式。 僅在發展中國家，網上購物者的比例就從 33% 飆升至 60%。 結果，幾家企業被迫上線。 然而，他們中的許多人仍然在個性化推薦方面苦苦掙扎，從而失去了競爭的流量。

另一方面，顯示個性化推薦的成功企業使客戶購買的可能性高 91%。 關鍵是知道向誰展示什麼。 因此，這裡有幾種類型的產品推薦可以幫助回答這個問題——

• 個性化——你看過動作驚悚片還是買了藍色裙子？ 您是否多次從同一家餐廳點餐？ 分析所有這些數據以了解客戶的好惡並提出相關建議。

這些推薦越接近客戶的口味，他們的轉化率就越高。 個性化推薦還說服了 54% 的購物者增加他們的平均訂單價值。



• 相關產品：有數千種可供選擇的產品，客戶很容易因為不得不從一個頁面導航到另一個頁面而感到沮喪。 但這就是“類似產品”推薦類別對我們的幫助。

客戶不僅可以查看更多產品，還可以輕鬆比較他們的選擇並無縫完成交易。



• 交叉銷售和追加銷售：幾乎可以直觀地認為最近購買了手機的客戶很快就會需要一個手機殼。 同樣，正在探索夾克的人可能需要更多的冬季穿著。

產品推薦充分利用了這一機會，通過使用諸如“人們喜歡你買了什麼”和“經常一起購買”等類別來向上銷售或交叉銷售商品。

• 社會證明：購物者喜歡評論，因為評論給了他們安全感並有助於建立信任。 根據研究，超過 47% 的購物者在電子商務網站上尋找（視覺）社交證明。

因此，推薦過去客戶評價很高的產品有助於更快地完成交易。 常見類別包括“頂級產品”或“影響者精選”。



• 季節性——客戶需要隨著季節的變化而發展是很自然的。 此類推薦在食品和時尚產品方面效果很好。

例如，夏天會掀起一股芒果熱，而華麗的服裝在春季風靡一時。

• 新品上新：在這個快時尚和技術飛速發展的時代，基於“新品”的推薦是一種有效的產品推廣策略。



此類建議使客戶害怕錯過 (FOMO)。 畢竟，誰不喜歡炫耀新手機/新衣服呢？

• 捆綁：可以利用傾向於在廣泛的客戶群中重複出現的購物趨勢來顯示類別中的推薦，例如“查看過此內容的客戶也查看過”或“經常一起購買”。 因此，產品捆綁在一起，通常是在結賬時捆綁在一起，以促進銷售和平均訂單價值 (AOV)。



• 基於瀏覽歷史——人類傾向於瀏覽電子商務網站而沒有認真的購買意圖。 因此，算法使用他們過去的瀏覽數據來識別他們的需求/願望並相應地顯示建議。
• 產品補貨：在家具電子商務網站上很常見，這種類型的推薦利用更快售罄的產品來推動銷售。

它不僅在擔心庫存的客戶中產生緊迫感，而且還有助於在回頭客中建立品牌忠誠度。

無論您選擇哪種類型的推薦，請確保將其放置在適當的位置。 否則，他們都只是失去了銷售機會。

來自領先品牌的產品推薦示例

解決產品發現問題可以保證電子商務網站的用戶體驗得到改善。 難怪亞馬遜、Myntra 或 Netflix 等市場主導者在“產品推薦”競賽中佔據領先地位。 讓我們詳細研究 3 個品牌，了解推薦如何讓他們受益 –

示例 1：亞馬遜

亞馬遜使用廣泛的推薦風格，在用戶旅程中有策略地放置，以實現更高的點擊率和轉化率。

以下是亞馬遜印度“購買此商品的顧客也購買了”推薦的一些示例。 據麥肯錫稱，這種個性化推薦貢獻了超過 35% 的總收入，並使銷售額增長了 29%。

示例 2：Nykaa

作為印度最大的美容保健品零售商之一，Nykaa 使用“您可能也喜歡”推薦類型，根據用戶群體之間的共同興趣交叉銷售產品。 因此，到 2020 年，Nykaa 50% 的客戶成為常客，他們的購買指南式推薦貢獻了當年商品總價值 (GMV) 的 3%。

要避免的錯誤

僅僅顯示產品推薦是不夠的。 從時機到位置的其他一切都對他們的成功起著至關重要的作用。 這裡有 5 個錯誤要避免——

• 位置不正確——在筆記本電腦產品頁面上顯示短褲推薦無濟於事。 相反，展示筆記本電腦包等相關產品會帶來更高的轉化率。
• 壓倒性的建議——太多的信息就是噪音。 太多的建議轉化為根本沒有。 因此，不要讓買家的屏幕上充滿建議。
• 上下文無關的推薦——每個推薦都必須與買家的上下文兼容——位置、人口統計或購買歷史。 只有這樣，買家才會感到被理解而不是垃圾郵件。

這是亞馬遜不敏感產品推薦的示例。


• 缺乏 A/B 測試：A/B 測試是優化推薦數量、外觀和定位等參數的先決條件。 這樣做將有助於識別和保留具有更高轉化率的建議。
• 糟糕的導航：推薦的好壞取決於它帶來的轉化率。 因此，必須消除用戶點擊鏈接後的旅程中的任何摩擦。 聯繫我們、產品目錄和購物車等所有重要頁面都必須始終易於訪問。

結論

了解產品推薦在推動銷售、增加訂單價值和更好地吸引客戶方面的真正潛力可以讓人大開眼界。 但即使是經驗豐富的營銷人員也無法充分利用建議的潛力。
如果您認為那是因為運行推薦過於昂貴或過於復雜，那麼這就是您的關鍵時刻 – 事實並非如此！ WebEngage 的產品推薦工具非常簡單，已幫助許多客戶帶來額外收入。

將近 81% 的購物者在收到個性化產品推薦營銷電子郵件後同意購買，這是一種幫助 WebEngage 客戶脫穎而出的工具。 使用我們在營銷渠道上預先填充的模板，WebEngage 用戶可以設計出極具吸引力和創造性的方式來與客戶建立聯繫。

WebEngage 有一個全面的包來滿足您的電子商務網站的推薦系統要求。 如果您正在尋找增加收入的選擇，請立即與我們一起進行演示，見證您的業務轉型！