Товарные рекомендации для интернет-магазина: 14 советов для увеличения объема продаж

Что такое товарные или продуктовые рекомендации 

Товарные рекомендации — это инструмент бизнеса, который помогает пользователям выбирать продукты на основе их интересов, предпочтений или поведения, а компании — увеличивать объем продаж. Рекомендации показываются автоматически и позволяют повысить удобство покупок, увеличить средний чек и улучшить клиентский опыт. На текущий момент 71% сайтов электронной коммерции используют товарные рекомендации, чтобы влиять на поведение покупателей. Больше всего они распространены в странах северной Европы, где этот показатель достигает 90%.  

Примеры товарных рекомендаций мы видим ежедневно. Самое частотное — интернет-магазин в каталоге покажет «товары, которые покупают вместе». В приложении для заказа еды — советы ресторанов или блюд на основе предыдущих заказов. Даже офлайн-магазины, например, супермаркеты, работают с подобной логикой, располагая сопутствующие изделия рядом.  

Товарные рекомендации — это не очередной способ «впарить» что-то покупателю. По данным Statista за 2023 год, 45% онлайн-покупателей из числа миллениалов и поколения Z сами хотят получать персонализированные рекомендации при совершении покупок в интернет-магазине. Советам от бизнеса на сайтах доверяют настолько же сильно, насколько и советам друзей. В целом, для 88% потребителей глобально отзывы и рейтинги на страницах продуктов имеют такую же ценность, как и личные отзывы близких.  

Как работают товарные рекомендации: алгоритм, механика, ИИ 

Продукцию в интернет-магазине можно советовать, исходя из разной мотивации, задач или доступных данных бизнеса. Например: 

1. На основе собранных данных по клиенту. Например, истории заказов или просмотров конкретных изделий. 

2. На основе конкретного товара. Например, нужно реализовать конкретную сезонную коллекцию, поэтому бизнес показывает именно ее. 

3. На основе конкретной категории. Аналогично примеру выше, бизнес может показывать одни и те же продукты, но от разных производителей. 

Источник: eSputnik 

Появление ИИ также изменило подход к реализации товарных рекомендаций. Теперь они  включают алгоритмы машинного обучения. И это важное новшество, которое позволило сделать инструмент еще более персонализированным и точным. Это, в свою очередь, позитивно влияет на конверсию в покупку на сайте. Рассмотрим пример.

Обычные товарные рекомендации

• Используют базовые алгоритмы — правила или шаблоны.

• Пример: «С этой вещью также покупают» — основано на фиксированных наборах данных. Например, статистика покупок.

• Предоставляют стандартный набор рекомендаций для всех пользователей на основе одной категории или продукта.

• Обновляются редко или только при изменении фиксированных данных. Например, топ продаж за месяц.

Как работают рекомендации с использованием ИИ. Источник: Habr.ru 

Товарные рекомендации с ИИ

• Анализируют огромные объёмы данных в реальном времени.

• Применяют машинное обучение для распознавания сложных закономерностей в поведении пользователей.

• Так, например, «Вам может понравиться» демонстрируется на основе истории покупок, поведения на сайте, времени дня, местоположения и даже эмоционального контекста — в более сложных системах.

• Персонализируют рекомендации для каждого конкретного покупателя.

• Реагируют на поведение клиента мгновенно. Например, если пользователь переключается с категории «одежда» на «гаджеты», рекомендации тут же меняются. Инструмент также самостоятельно обучается и совершенствуется со временем.

Плюсы и эффективность товарных рекомендаций для бизнеса и покупателей 

Ключевое — товарные рекомендации упрощают процесс выбора. Пользователи экономят время и не ищут долго нужный продукт — подходящие предложения уже сформированы и персонализированы на основе интересов покупателя. Например, при покупке телефона на сайте сразу можно увидеть рекламу чехлов и защитных стёкол. 

Источник: retailrocket.ru

Основная выгода для бизнеса — стимуляция роста основных бизнес-метрик: конверсий, среднего чека и LTV клиентов. Интуитивно понятные рекомендации вызывают доверие и лояльность и могут превратить случайного посетителя в постоянного покупателя. Согласно Salesforce, компании, использующие персонализированные рекомендации, увеличивают продажи на 26–30%, а анализ BigCommerce показал, что средний чек становится выше на 10–20%. 

Наконец, рекомендации облегчают навигацию по сайту, повышают глубину его просмотра и длительность сессии. Это позволяет сайту наращивать свою ценность и ранжироваться выше в поисковых системах. 

Их также можно показывать в разных типах рассылок: по почте, SMS, пуш-уведомлениях, на сайте, в мобильном приложении и даже на кассе. Это повышает их доступность и применяемость бизнесом в разных покупательских контекстах клиента. 

Товарные рекомендации в b2b-сегменте 

На суть рекомендаций в оптовых продажах влияют масштаб сделок, длительность процесса принятия решений и более сложные цепочки закупок. Так, если путь к покупке включает несколько участников с разными интересами — закупщики, менеджеры, технические специалисты — то рекомендации должны учитывать, кто из сотрудников делает запрос. Например, закупщику можно предложить сопутствующую продукцию и объемные партии, а инженеру — технические спецификации или аналоги.

Рекомендации также могут строиться на основе предыдущих покупок, объемов и договорных условий. Это некие напоминания, которые позволяют проявлять заботу бренда о покупателе. Если контрагент уже закупал конкретную продукцию, и если, по внутренним расчетам компании, ее запасы могли подойти к концу, то об этом вполне уместно напомнить. Пример: «Часто заказываете эти материалы — пополните запасы» или «Вы закупали изделие месяц назад, по нашим расчетам, вам требуется новая партия». 

Также в оптовом сегменте имеет значение фокус на построение долгосрочных отношений. Это тоже можно отражать в рекомендациях, показывая выгодные долгосрочные предложения вместо импульсных покупок: «Советуем оборудование с меньшими затратами на обслуживание» или «Варианты, которые помогут сократить расходы».

Постепенно появляется все больше кейсов реализации рекомендаций для оптовых продаж. Так например, платформа для быстрого запуска интернет-магазина Sellty внедрила в 2024 году возможность настроить подборку сопутствующих товаров для b2b-продавцов. Дальше модель данных на основе технологий искусственного интеллекта и машинного обучения сможет самостоятельно анализировать заданные рекомендации и видоизменять подборку в зависимости от предпочтений конкретного покупателя. Это помогает бизнесу увеличить средний чек, а также повысить конверсию в покупки.

Аналогичный инструмент доступен в рамках в рамках B2B-портала на e-commerce платформе «Бустрейд». 

Ошибки и подводные камни при использовании товарных рекомендаций

Рекомендации могут значительно повысить эффективность интернет-магазина, но ошибки в их реализации могут привести к противоположному эффекту. Рассмотрим основные проблемы и способы их устранения.

1. Слишком навязчиво

Постоянное появление рекомендаций в каждом шаге пользовательского пути раздражает клиентов. Если предложения повторяются слишком часто или навязываются в неподходящий момент (например, сразу после добавления изделия в корзину), это может создать негативный пользовательский опыт. Чтобы этого избежать, разумно показывать рекомендации в ключевых точках CJM: страница продукта, корзина или завершение покупки. Чтобы рекомендации не повторялись, можно использовать динамическую логику, при которой их содержимое изменяется в зависимости от поведения пользователя и текущего контекста. 

2. Ошибки в данных

Плохо, если клиент увидит вещи, которых уже нет в наличии, или несоответствующие предложения — например, женская обувь для покупателя, который ищет мужскую. Чтобы этого не происходило, важно регулярно проверять и обновлять данные, использовать качественные алгоритмы машинного обучения, которые учитывают не только историю покупок, но и актуальность данных.

3. Отсутствие персонализации или шаблонный подход

Одинаковые советы для всех клиентов теряют смысл и ценность и, как следствие, доверие клиента. Разумно инвестировать в рекомендации на основе ИИ-алгоритмов, которые анализируют поведение клиента в реальном времени, учитывая его запросы, покупки и даже текущую активность.

Есть и два важных универсальных совета:

— выдвигайте гипотезы и проводите А/Б-тестирование в рамках рекомендаций, перед тем, как их масштабировать. Это поможет оценить, какие объявления работают лучше;

— обеспечьте прозрачность рекомендаций. Дайте пользователю возможность отключить их, если они ему мешают.

Товарные рекомендации, которые помогут повысить конверсию и объем продаж: 14 примеров 

Давайте взглянем на практические формулировки, которые позволят сгруппировать изделия и повлиять тем самым на рост продаж. 

1. «Только для вас»

Создавайте список товаров на базе истории просмотров пользователя. Для большей персонализации используйте имя покупателя. Например, косметический бренд может предлагать продукцию, подходящую под тип кожи или цвет глаз.