Personalizacja zakupów w sklepach internetowych (tj. dopasowanie prezentowanej oferty produktowej do konkretnego zamawiającego) to bez wątpienia jeden z najważniejszych trendów e-commerce w ostatnich latach.

Sposobów na personalizację sklepów internetowych jest wiele: od newsletterów, po specjalne kampanie mailingowe oraz narzędzia automatyzujące obsługę klienta.

Wartym uwagi sposobem na szybką poprawę poziomu personalizacji sklepu online (zwiększenia dopasowania produktowego) są systemy rekomendacji produktowych.

W tym artykule odpowiemy na takie pytania jak:

  • Czym jest silnik rekomendacji produktowych?
  • Jakie są najskuteczniejsze typy rekomendowanych ofert produktowych?
  • Jakie zalety dla sklepu internetowego oferuje silnik rekomendacji produktowych?

Rekomendacje produktowe w sklepie internetowym — co to jest?

Rekomendacje produktowe to spersonalizowane listy produktów z bieżącej oferty sklepu internetowego, które są proponowane klientom na podstawie ich preferencji, gustu i potrzeb. Systemy rekomendujące zwiększają szanse na dokonanie zakupu i na zadowolenie klientów.

W jaki sposób sprawić, by rekomendacje były dopasowane do preferencji klientów oraz jak skutecznie przewidzieć potrzeby użytkownika?

Z pomocą przychodzi nowoczesna technologia!

Rekomendacje są generowane za pomocą silnika rekomendacji produktowych.

Za trafny dobór rekomendacji odpowiedzialne są algorytmy oparte o technologię sztucznej inteligencji oraz machine learning (AI). Unikalny zestaw produktów sugerowanych przez system jest dopasowany do każdego użytkownika indywidualnie.

Rekomendacje są generowane na podstawie zgromadzonych w sklepie internetowym danych dotyczących ruchu oraz specyfikacji produktów. System analizuje bazę produktów dostępnych w sklepie online, preferencje klientów oraz historię ich sesji. Więcej o tym, w jaki sposób filtrowane są dane, piszemy w dalszej części artykułu.

Klasyczne systemy rekomendacji wymagają od administratorów sklepu tworzenia listy produktów polecanych manualnie. Charakteryzują się tym, że każdy zestaw rekomendacji zakupowych jest identyczny dla każdego użytkownika.

silnik rekomendacji sklepów internetowych

Nowoczesny silnik rekomendacji oparty o AI umożliwia automatyczne wyświetlenie każdemu klientowi z osobna produktów wybranych specjalnie dla niego w czasie rzeczywistym. Dzięki takiemu rozwiązaniu dobór rekomendacji zakupowych jest dużo trafniejszy i skuteczniej doprowadza klienta do zakupu niż ten wprowadzany ręcznie.

Większość dużych serwisów e-commerce obecnych na rynku takich jak Amazon czy Aliexpress posiadają własne systemy, które generują spersonalizowane rekomendacje produktowe. Są to złożone silniki zbudowane od podstaw przez wewnętrznych programistów, specjalnie z myślą o danej platformie i od lat przynoszą ogromne korzyści. Dla przykładu, Amazon podaje, że nawet 35% ich przychodu jest generowanych dzięki ich autorskiemu silnikowi rekomendacji.

Warto zauważyć, że systemy te nie są przeznaczone wyłącznie dla największych graczy na rynku e-commerce. Kompleksowy silnik rekomendacji to rozwiązanie dostępne dla każdego i sprawdzi się świetnie w sklepie internetowym każdej wielkości, niezależnie od oferowanego asortymentu. Należy podkreślić, że instalacja systemów rekomendujących nie wymaga specjalistycznej wiedzy informatycznej.

Jak działa silnik rekomendacji produktów?

Obecnie silniki rekomendacji działają w wielu serwisach internetowych różnego rodzaju takich jak: serwisy streamingowe, serwisy informacyjne czy księgarnie internetowe.

Do wygenerowania listy produktów komplementarnych silniki wykorzystują na ogół 3 rodzaje danych:

  • Cechy produktów - są to podstawowe informacje o asortymencie takie jak nazwa, cena, specyfikacja, opis produktu czy jego kategoria.
  • Ruch użytkowników - są to dane dotyczące zachowań klientów w sklepie internetowym (przykładowo odwiedzone strony oraz czas spędzony na nich), a także kliknięcia oraz dodania produktów do koszyka.
  • Interakcje użytkowników z wyświetlanymi rekomendacjami - są to informacje, które wskazują, w jaką rekomendacje kliknął użytkownik, czy wsadził ją do koszyka i czy dokonał zakupu sugerowanego produktu.

Opierając się na tych danych, system rekomendacji oferuje rekomendowane produkty odwiedzającym stronę sklepu.

Poszczególne silniki rekomendacji można również rozróżniać na podstawie wykorzystanej metody analizy i filtrowania danych.

Oto 3 najpopularniejsze podejścia, na których bazuje większość modeli rekomendacji:

  • Content-Based filtering - jest to metoda filtrowania treści oparta na zbieraniu i analizowaniu treści oraz danych użytkowników na temat ich zachowania w sklepie (silnik rekomendacji używa plików cookies, które umożliwiają śledzenie wizyt).
  • Collaborative Filtering - system rekomendacji oparty na metodzie grupowego filtrowania analizuje dane uzyskane od użytkowników, którzy kupili podobne produkty. Następnie łączy te informacje w celu utworzenia listy polecanych produktów dla kolejnego użytkownika.
  • Systemy hybrydowe - system rekomendacji oparty na metodzie hybrydowej łączy systemy oparte na treści oraz te oparte na grupowym filtrowaniu. W tym przypadku silnik rekomendacji filtruje zarówno informacje o zachowaniu innych użytkowników z przeszłości, jak i preferencjach danego klienta, dla którego rekomendacje są wyświetlane.

W zależności od typu modelu rekomendacje produktowe mogą zostać umieszczone w wielu miejscach na stronie np. na karcie produktu czy stronie głównej sklepu.

9 rodzajów rekomendacji zakupowych

Wyróżniamy 9 najskuteczniejszych rodzajów rekomendacji produktowych, które są stosowane w różnych lokalizacjach sklepu internetowego (strona produktu, strona kategorii, koszyk zakupowy, strona główna, strona niedostępnego produktu, blog, etc.).

Poniżej opisaliśmy krótko każdy z nich wraz z ich najważniejszymi zaletami.

1. Maksymalizacja konwersji przez AI (AI-Driven Maximized Conversion)

Ten model rekomendacji wyświetla podobne produkty o potencjalnie największym prawdopodobieństwie konwersji dla poszczególnych produktów oraz klienta.

Optymalizuje wyniki na podstawie rzeczywistego ruchu i zachowań klientów. Korzysta przy tym z metod statystycznych i maszynowego uczenia oraz dzięki tzw. samplingu dobiera unikalne rekomendacje.

Umieszczenie tego rodzaju rekomendacji na karcie produktu lub stronie koszyka pozwoli na zwiększenie zarówno współczynników zaangażowania klientów jak i średniej wartości ich zamówień.

2. Najczęściej oglądane (Most Viewed in Category)

Ten rodzaj rekomendacji wyświetla najczęściej przeglądane produkty należące do tej samej kategorii, do której należy dany produkt.

Przykładowo, jeśli w kategorii “Smartfony” najczęściej wyświetlaną pozycją jest “Samsung Galaxy S22” to użytkownikowi, który przegląda tę kategorię, zostanie on wyświetlony jako propozycja, ponieważ jest on najpopularniejszy.

W przypadku tego modelu algorytm generuje rekomendacje na podstawie historii przeglądanych kategorii.

3. Najczęściej kupowane z danej kategorii (Bestsellers in Category)

Wyświetla najczęściej kupowane produkty w danej kategorii.

Model ten jest podobny do drugiego typu, z tą różnicą, że generuje rekomendacje zakupowe na podstawie produktów, które rzeczywiście zostały zakupione.

Podobnie jak w poprzednim modelu, algorytm generuje rekomendacje, opierając się o dane o zachowaniu klientów.

4. Najbardziej podobne w danej kategorii (Most similar in a category)

Model ten tworzy listę rekomendowanych produktów na podstawie ich podobieństwa do oglądanego produktu w danej kategorii. Poziom podobieństwa określany jest przez porównywanie opisów, nazw i innych cech produktów za pomocą silnika rekomendacji.

By system mógł generować najlepiej dopasowane produkty, należy zadbać, aby ich opis był jak najbardziej precyzyjny i obfity w najważniejsze słowa kluczowe. Im bardziej szczegółowy opis produktu, tym trafniejsze rekomendacje będą w stanie zostać wygenerowane.

most similar in category

5. Filtrowanie po kategoriach (Filtered by category)

Podobnie jak w przypadku poprzedniego modelu, ten również wyświetla podobne produkty komplementarne do tego, na którego stronie wyświetlana jest rekomendacja.

Różnica polega na tym, że w tym modelu istnieje możliwość dodania tagów do poszczególnych produktów, które to z kolei silnik rekomendacji wykorzysta do tworzenia listy polecanych produktów w danej kategorii. Przykładowo, jeśli chcemy, żeby użytkownikom, którzy są na stronie z niebieskimi spodniami wyświetlały się wyłącznie produkty z kategorii "niebieskie spodnie".

Zdecydowanie najlepszym miejscem na umiejscowienie okienka z rekomendacjami tego typu są strony kategorii produktów i strony produktów.

6. Ostatnio oglądane (Recently Visited in Store)

Ten model rekomendacji wyświetla się tylko użytkownikom, którzy odwiedzali już wcześniej dany sklep. Prezentowane są produkty, które oglądali podczas jednej z poprzednich wizyt.

Zestaw rekomendacji generowany jest na podstawie historii sesji danego użytkownika o przypisanym numerze ID.

Model ten stanowi świetne narzędzie mogące znacząco pomóc w obniżeniu współczynnika porzuceń koszyka sklepu internetowego.

recently visited in store

7. Najczęściej kupowane w sklepie (Bestsellers in Store)

W tym modelu klient otrzymuje spersonalizowane rekomendacje na podstawie najczęściej dodawanych do koszyka produktów spośród wszystkich produktów w sklepie.

Rekomendacje są dobierane automatycznie przez algorytm, który w czasie rzeczywistym zbiera informacje na temat tego, który produkt jest aktualnie najczęściej dodawanym do koszyka w całym sklepie.

Rekomendacje z bestsellerami świetnie sprawdzą się na stronie głównej oraz na stronie kategorii produktów.

bestsellers in store

8. Inni oglądali (Others Also Viewed in Store)

Ten model wyświetla produkty, które inni użytkownicy przeglądali podczas jednej sesji razem z produktem, na którego stronie wyświetlona została rekomendacja. Model ten opiera się na statystycznej analizie historii przeglądania produktów w sklepie.

Model stanowi bardzo dobre narzędzie, które pozwala na wdrożenie strategii cross sellingowej w sklepie internetowym.

Umieszczenie tego modelu na stronie koszyka pozwoli właścicielom sklepów online na zwiększenie średniej wartości zamówień.

others viewed in store

9. Rekomendacje definiowane regułami/manualne (Rule-Driven Recommendations)

Ten model pozwala osobie administrującej sklep internetowy na samodzielne wskazanie, które produkty będą wyświetlane w danym momencie i w danym miejscu na stronie sklepu.

Takie rozwiązanie jest szczególnie chętnie wykorzystywane, gdy właściciel sklepu chce poinformować klientów o aktualnej promocji oraz w momencie, gdy dany produkt ma się sprzedać szybciej.

Jak wykorzystać siłę rekomendacji produktowych - podsumowanie

Silnik rekomendacji produktowych jest prawdopodobnie najlepszym i najłatwiejszym sposobem na zaprezentowanie szerszej gamy produktów potencjalnym klientom.

Prowadząc sklep internetowy z produktami opartymi o nowoczesną technologię, strategie up i cross sellingowe stanowią bardzo dobry sposób na zwiększenie średniej wartości koszyka. System spersonalizowanych rekomendacji produktowych może stanowić najprostszy i najskuteczniejszy sposób na ich wprowadzenie.

Bazując na danych uzyskanych ze skutecznych wdrożeń silnika rekomendacji produktowych, właściciele sklepów odnotowali nawet 29% udział rekomendowanych produktów w całkowitej sprzedaży sklepu.

Co więcej, wskaźniki CTR1 dla banerów z rekomendacjami wynosiły od 7% do 14% w zależności od ich umiejscowienia w zakładkach sklepu.

Wszystko to wyraźnie pokazuje jak istotna jest personalizacja doświadczeń zakupowych na rynku e-commerce, a technologia sztucznej inteligencji i uczenia maszynowego stanowi świetne narzędzie do automatyzacji tego procesu.