製品の推奨事項に関する 8 つの重要な質問に回答

公開: 2022-05-23

製品の推奨事項: 確かに LimeSpot の専門分野ですが、それらを提供することは e コマース業界でもますます一般的になりつつあります。

しかし、製品のレコメンデーションはよく知られていますが、それらがどのように機能するかについてはまだ多くの疑問があります. 魔法ですか？まあ、正確ではありません。適切な製品を適切な顧客に適切なタイミングで提供するための舞台裏の AI マジックは確かにありますが、お見せするように、製品推奨の背後にある自動化とプロセス全体は実際には非常に単純です。

このブログ投稿では、製品の推奨事項に関してよく寄せられる質問のいくつかを分析し、その魔法をわかりやすく説明します。 Shopify ストアで売り上げを伸ばしたいですか? サイトでの製品レコメンデーションの存在をよりよく理解し、最適化するのに役立ち、製品レコメンデーションエンジンとは正確には何ですか?という質問に完全に答えます。

商品レコメンドエンジンとは？

製品レコメンデーションエンジンは、e コマース Web サイトで発生するアクティビティ (通常は閲覧や購入行動に関連するもの) からデータを取り込み、そのデータを分析して共通点と関係を見つけ、パーソナライズされたレコメンデーションを提供します。

AI 主導の製品レコメンデーションエンジンは、3 つの平面にわたって製品レコメンデーションを分析して提示する必要があります。まず、関連する製品間の関係を理解することによって、たとえば、このコーヒーメーカーはこのタイプのコーヒーポッドと一緒に購入されることがよくあります。

第二に、優れたレコメンデーションアルゴリズムは、自然言語処理として知られているものを通じて製品データを考慮に入れます。このタイプの分析では、製品の特性を理解して、その製品に似ている、またはそれによく一致する類似製品をよりよく理解します。自然言語処理は、アイテムがどの製品カテゴリに属しているか、または特定の製品の説明が何であるかを考慮して、その製品が実際に誰または何に適しているかについての詳細を推測する場合があります。

最後に、製品レコメンデーションエンジンの背後にある機械学習も、買い物客のペルソナを推測できる必要があります。買い物客のペルソナは、実際には顧客自身の人口統計学的プロファイルを反映する必要はないことを認識することが重要です。たとえば、顧客が靴のウェブサイトでピンク色のキラキラしたベルクロストラップシューズを閲覧している場合、機械学習は少女のペルソナを推測する可能性があります。その結果、その買い物客は「若い女の子」のペルソナに分類され、そのペルソナに合ったパーソナライズされた製品の推奨事項を提供する必要があります。おそらく、他の子供用スリッポンシューズやレインボータイダイレインブーツのペア。このタイプのパーソナライズされたレコメンデーションは、多くの場合、AI の世界で協調フィルタリングとして知られているものによって推進されます。これは、同様の訪問者の行動に基づいて、顧客が好む可能性のある製品を提供します。

さまざまなタイプの推奨事項とは何ですか?

パーソナライズされた製品レコメンデーションには、次のようなさまざまな種類があります。

一緒に購入することが多い
関連商品
アップセル
クロスセル
あなたは好きかもしれません
最近の閲覧数
最近の購入
最も人気のある
トレンド
注目のコレクション
新着

これらの製品レコメンデーションタイプはすべて、次の 3 つのカテゴリに分類できます。

個人レベル
製品レベル
店舗レベル

360 度のパーソナライズされたレコメンデーション戦略の構築についてはすべて読むことができますが、ここで簡単に要約します。

パーソナライズされた製品レコメンデーションは、製品の表示または購入にかかわらず、個人が行った特定のアクションに基づいています。最近のビューや最近の購入などが含まれる場合がありますが、おすすめのおすすめに拡張することもできます。

製品レベルのレコメンデーションは、機械学習によって理解されるように、製品間の関係を反映しています。アルゴリズムは、頻繁に一緒に購入されるアイテム、関連アイテム、およびアップセルとクロスセルに基づいて製品を推奨します。これらのタイプの製品レコメンデーションは、ほとんどの場合、AI 協調フィルタリングによって駆動されます。

最後に、ストアレベルのレコメンデーションは、ストアの全体的な売上データによって決まります。これらには、過去 24 ～ 72 時間の最も人気のあるベストセラーアイテムまたはトレンドアイテムが含まれます。または、特定の注目のコレクションや新着アイテムをカバーすることもできます。

ベストプラクティスとして、3 つのカテゴリすべての製品レコメンデーションを提供して、買い物客が必要とするすべてのレコメンデーションタイプを使用して、包括的でパーソナライズされたショッピングエクスペリエンスを提供することが重要です。

推奨事項は何に基づいていますか?

製品の推奨事項は、説明、タイトル、カテゴリなどの実際の製品データとともに、販売データと買い物客の推定ペルソナに基づいています。さらに、製品の推奨では、訪問者の閲覧データも考慮に入れる場合があります。

レコメンデーションアルゴリズムは、すべての買い物客データを使用して、製品とペルソナの関係を理解します。そこから、可能な限り最高のコンバージョンの可能性を得るために、動的な推奨事項を通じて適切な製品を適切な顧客に提供するためにリアルタイムで機能します。

製品レコメンデーションエンジンの利点は何ですか?

製品のレコメンデーションは、コンバージョンを促進し、平均注文額を押し上げる実証済みの方法です。より関連性の高い製品レコメンデーションエクスペリエンスを提供することで、顧客はアイテムを検索したり、サイトのコレクションページを手動で移動したりする必要なく、ショッピングの旅を続けるようになります。

代わりに、訪問者の推測されたペルソナに基づいて、論理的な「次のステップ」または最初のステップが提示されます。

パーソナライズされた製品レコメンデーションにより、顧客は探しているものを見つけやすくなるため、コンバージョン率が上がります。

買い物客は、カスタマージャーニーのさまざまな時点で、コンバージョンにつながる可能性が高いものをより多く表示されるため、パーソナライズされたレコメンデーションによって平均注文額が上昇します。

最後に、製品のレコメンデーションを導入している小売業者は、主に訪問者がスムーズで楽しいショッピング体験をして喜んで戻ってくるため、オンラインストアの顧客満足度と維持率が向上しています。

レコメンデーションはどこで使用できますか?

製品レコメンデーションは、e コマースサイトのどこでも使用できます。ホームページ、コレクションページ、製品詳細ページ (PDP - AKA 製品ページ)、およびカートページを含む、製品推奨の最も一般的な配置。ただし、製品の推奨事項は、チェックアウト時、購入後のサンキューページ、パーソナライズされた検索ページ、カスタマーアカウントセンター、コンテンツページ、さらにはポップアップやサイトのナビゲーション。

経験豊富なマーケティング担当者は、おすすめの商品をメールで提供することが、あらゆる種類のメールの開封率とクリック率を高める優れた方法であることも学びました。

さまざまな種類の製品レコメンデーションが、Web サイトのさまざまな領域に適しています。たとえば、最も人気のある商品やトレンド商品は、新しい訪問者が深く掘り下げなくてもサイトで人気のある製品を理解するのに役立つため、ホームページに最適です。商品ページとカートページは、買い物客が興味を示した商品に基づいて、クロスセルやアップセルを配置するのに最適な場所です。レコメンデーションボックスの配置に関するベストプラクティスを理解することは、サイトで製品のレコメンデーションを開始する際の重要な部分です。

製品レコメンデーションソリューションでは何を探すべきですか?

すべての製品レコメンデーションエンジンが同じように作成されるわけではありません。多くのレコメンデーションアルゴリズムは、製品間の実際の関係を理解せずに、基本的な製品販売データのみを考慮します。

一流の製品レコメンデーションソリューションは、以下を提供する必要があります。

自然言語処理
セグメンテーション
推測される顧客ペルソナ
製品レコメンデーションウィジェットをどこにでも配置できる柔軟性
詳細な指標とレポートダッシュボード

理想的には、結果を保証する製品レコメンデーションエンジンも必要です。 LimeSpot を試してみませんか? 当社の製品は 21 日間無料でお試しいただけます - 20 倍の ROI を保証しますが、21 日間のチャレンジに参加した他のマーチャントの平均 ROI はなんと 67 倍です。

製品の推奨事項をどのように改善できますか?

製品の提案を改善する最も簡単な方法の 1 つは、AI 駆動型の製品推奨ソリューションに投資することです。これらのタイプのソリューションの背後にあるアルゴリズムは、製品データだけでなく、コラボレーションフィルタリングを通じてすべてのカスタマージャーニーの全体像を形成する方法を考慮に入れます。

製品レコメンデーションウィジェットの配置を AB テストすることもお勧めします。製品の推奨事項がサイト全体と単一ページの両方に配置されるという点で、さまざまなマーチャンダイジング戦略は、より多くのコンバージョンとより大きなバスケットサイズを促進するのに大いに役立ちます.

製品レコメンデーションの成功をどのように測定できますか?

製品のレコメンデーションをミックスに追加するときは、全体的なパーソナライゼーション戦略を用意することが重要です。

製品レコメンデーションの成功を測定する最も簡単な方法は、コア e コマース KPI に帰着します。

AOVが増加する
コンバージョン率が上がる
製品の推奨による売上の割合

さらに、製品の推奨事項を利用する買い物客とそうでない買い物客の指標の違いを確認することもできます。一般的に言えば、LimeSpot の商品レコメンデーションボックスを利用した買い物客からは、少なくとも 5% の AOV の増加が見られます。同様に、標準のコンバージョン率は通常 2 倍になり、通常のコンバージョン率の 5 倍にも達することがあります。

パーソナライズされた製品の推奨事項を進めます

パーソナライズされた製品レコメンデーションの成功事例を書く準備はできましたか? LimeSpot は、Shopify と BigCommerce の何千ものトップブランドで使用されている、特許取得済みのアルゴリズムを備えた主要な製品レコメンデーションエンジンです。製品のレコメンデーションを始めたばかりでも、ビジネスの収益を増やす実証済みのソリューションを探している場合でも、当社がお手伝いします。今すぐデモを予約して、目標を共有してください。買い物客がより関連性の高いレコメンデーションエクスペリエンスをすぐに体験できるように支援します。