Qazanclar:
- Tövsiyə mühərrikinin (birlikdə alınmış, oxşar məhsullar, fərdiləşdirmə) məntiqini və onun biznes ölçülərinə təsirini başa düşmək
- Süni intellekt dəstəyi ilə məhsul əlaqələri, paket və çarpaz satış ssenariləri qurmaq və onları sınaqdan keçirilə bilən fərziyyələrə çevirmək bacarığı
- Filtr qabarcığı, qərəzlilik və ehtiyat/marja-neytral avtomatik tövsiyə risklərini görmək və tövsiyə qaydalarını kommersiya nəzarəti ilə əlaqələndirmək bacarığı
Böyük e-ticarət saytlarında satışların əhəmiyyətli bir hissəsi müştərinin axtardığı məhsuldan deyil, ona tövsiyə olunan məhsuldan gəlir. Hamınız "Bunu alanlar bunu da alıb", "Seçimlərimiz sizin üçün", "Birlikdə daha ucuz" bloklarını görmüsünüz. Bu blokların arxasında duran sistem tövsiyə mühərriki adlanır: “Mən indi bu adama nə göstərməliyəm?” sualına cavab verən proqram təminatıdır. müştərinin davranışına, məhsulların əlaqəsinə və ümumi nümunələrə baxaraq. Süni intellekt (AI) bu sahədə iki şəkildə faydalıdır: tövsiyə məntiqini qurarkən ssenarilər və qaydalar yaratmağa kömək edir və kiçik mağazalardakı öz məhsul əlaqələrinizi təhlil edir və paket/çarpaz satış ideyaları ilə çıxış edir. Ancaq diqqətli olun: yaxşı bir tövsiyə sistemi yalnız "nə qədər kliklərə" deyil, həm də inventar, marja və müştəri təcrübəsinə baxmalıdır.
Gəlin iki termini aydınlaşdıraq. Çarpaz satış, alıcıya bir məhsulu tamamlayan başqa bir məhsul təklif edir (telefon alıcısı üçün çanta). Up-sell eyni ehtiyaca cavab verən daha yüksək/bahalı modeli təklif edir (128 GB əvəzinə 256 GB). Hər ikisi orta səbəti (AOV) artırmaq üçün qanuni yollardır; Amma həqiqətən müştəri üçün faydalı olduqda işləyir və məcbur ediləndə narahat edir.
Tövsiyə sisteminin üç əsas məntiqi
Tövsiyə sistemləri ümumiyyətlə bir və ya üç yanaşmanın qarışığından istifadə edir.
1) Məzmuna əsaslanan: Məhsulun öz xüsusiyyətlərinə baxır. "Bu qaçış ayaqqabısına bənzər digər qaçış ayaqqabıları". Davranış tarixi tələb olunmadığı üçün hətta yeni müştərilərlə də işləyir.
2) Birgə filtrasiya: Davranış modelinə baxır. "Bu məhsulu alan insanlar bunu da alıblar." Güclüdür, lakin çoxlu məlumat tələb edir və "soyuq başlanğıcdan" (yeni məhsul/yeni müştəri) əziyyət çəkir.
3) Fərdiləşdirmə: Vitrini keçmiş davranışlarına əsasən tək bir müştəriyə uyğunlaşdırır. Güclü təsirə malikdir, lakin məxfilik və "filtr baloncukları" riski daşıyır.
Aşağıdakı cədvəl tövsiyə bloklarını və onların məqsədini ümumiləşdirir:
blok
məntiq
Məqsəd
misal
Oxşar məhsullar
məzmuna əsaslanır
alternativ təklif edin
Eyni kateqoriyadakı modelləri bağlayın
birlikdə götürülmüşdür
əməkdaşlıq
çarpaz satış
telefon + qab + ekran qoruyucusu
Sizin üçün seçimlərimiz
Fərdiləşdirmə
öhdəlik
Keçmiş naviqasiya əsasında
Sevimlilər / bestsellerlər
Populyarlıq
Güvən + yeni müştəri
Kateqoriyada ən çox satılanlar
qaldığınız yer
sessiya məlumatları
tərs çevrilmə
Son baxılan məhsullar
Kiçik bir mağazada AI ilə tövsiyə quraşdırma
Hətta korporativ tövsiyə mühərriki qura bilməyən kiçik və orta mağazalar da AI-dan istifadə edərək məhsul əlaqələrini ağıllı şəkildə qura bilər. Siz anonim olaraq süni intellektə real "birlikdə satılan məhsullar" məlumatlarını (sifariş elementləri) verə və ondan "hansı məhsulların birlikdə alındığını, hansı paketləri tövsiyə edə bilərəm?" AI sizin üçün çarpaz satış və paketləşdirmə fərziyyələri yaradır; Siz onları səhm və marja vasitəsilə süzürsünüz və sonra həqiqətən sınaqdan keçirirsiniz. Burada əsas söz fərziyyədir: AI-nin təklifi sübut deyil, sınaqdan keçirilməli bir fikirdir.
İpucu: Hər bir tövsiyə ideyasını “əgər-onda” fərziyyəsinə çevirin: “Əgər biz X alan birinə Y-ni tövsiyə etsək, onların səbətinin ortalaması artacaq.” Sonra bunu kiçik bir təcrübə ilə ölçün (A/B testi və ya müddət). Ölçmə olmadan tövsiyə sadəcə bir təxmindir.
Tövsiyə qaydalarının kommersiya auditi
Tövsiyə sistemi tamamilə avtomatlaşdırılmış "ən çox kliklənən" vəziyyətə buraxılarsa, təhlükəli ola bilər. Stok: Stokda olmayan bir məhsulun tövsiyə edilməsi müştərini məyus edəcək. Marja: ən çox klik olan məhsul ən aşağı marjaya malik ola bilər; Sistem sizi zərərli məhsullara yönləndirə bilər. Brendin təhlükəsizliyi və uyğunluğu: həssas kateqoriyalarda (körpə, sağlamlıq) uyğun olmayan və ya uyğun olmayan tövsiyə etibarı itirir. Süzgəc köpüyü: Müştəriyə daim eyni növ məhsulun göstərilməsi kəşfi öldürür və satışları daraldır. Buna görə də avtomatik tövsiyələr mütləq biznes qaydaları ilə tərtib edilir: "stokda olanları tövsiyə edin", "məhsulun marjası bu hədddən aşağı olanı göstərməyin", "kateqoriya uyğunluğunu qoruyun".
Qərəz də real riskdir. Tövsiyə sistemi keçmiş davranışa əsaslandığı üçün keçmiş bərabərsizlikləri gücləndirə bilər; Məsələn, müəyyən bir qrupa davamlı olaraq daha ucuz/aşağı keyfiyyətli məhsulların tövsiyə edilməsi. Bu həm etik, həm də kommersiya məsələsidir. Tövsiyə nəticələrini mütəmadi olaraq yoxlamaq lazımdır ki, “kimə nə tövsiyə olunur”.
Dörd kopyalana bilən şablon
1) Birlikdə satılan məhsulların təhlili:
Rolunuz: e-ticarət üzrə analitik köməkçisi. Aşağıda anonim sifariş maddələri var (məhsul kodları və birlikdə götürülmə sayı). Məlumat: [cədvəl]. Tapşırıq: birlikdə ən çox alınan 10 cüt əşyanı tapın; Hər bir cüt üçün çarpaz satış hipotezi yazın (“X alıcılara Y təklifi”). Qeyd: Bunlar hipotezlərdir; Mən də səhm və marja yoxlayacağam.
2) Paket tövsiyəsi:
Məhsul: [əsas məhsul]. Tamamlayıcı məhsullar: [siyahı, kənar qeydlərlə]. Tapşırıq: 3 həssas paket təklif edin; Hər bir paket üçün müştəriyə faydasını bir cümlə ilə izah edin. Qayda: qablaşdırmada olan bütün məhsullar anbarda olmalıdır; aşağı marjalı məhsulu əsas cəlbedici hala gətirir.
3) Ən çox satılan ssenari:
Müştəri baxır: [məhsul, qiymət, xüsusiyyətlər]. Yüksək səviyyəli modellər: [qiymət/xüsusiyyət fərqləri ilə siyahı]. Tapşırıq: dürüst satış mesajı hazırlayın: hansı əlavə fayda üçün nə qədər ödəməli.Qayda: şişirtmə olmaz; Fərqi konkret xüsusiyyətlər vasitəsilə izah edin.
4) Təklif qaydalarının yoxlanılması:
Aşağıdakı tövsiyə qaydalarını yoxlayın.Qaydalar: [siyahı].Tapşırıq: hər bir qaydanı aşağıdakı risklərə qarşı qiymətləndirin: səhmlərin ardıcıllığı, marjanın qorunması, kateqoriya uyğunluğu, filtr qabarcığı, qərəzlilik. Riskli qaydaları və düzəliş üçün tövsiyənizi sadalayın.
üç mini qutu
1-ci hal – Çarpaz satış gəliri. Bir elektronika mağazası süni intellektlə sifariş məlumatlarını təhlil etdi və "telefon alanların 40%-i 30 gün ərzində qutu alıb" nümunəsini tapdı. Telefon səhifəsinə uyğun iş tövsiyəsi bloku əlavə edildi (anbarda olanları süzərək). Səbət orta ölçülə artdı. Süni intellekt bir fərziyyə verdi, mağaza onu sınaqdan keçirdi və təsdiqlədi.
2-ci hal - Marja tələsi. Bir mağaza ana səhifəni tamamilə tərk edərək "ən çox kliklənən" məhsullara keçdi. Ən çox tıklanan məhsullar ən aşağı marjaya malik kampaniya məhsulları olub, bəziləri hətta zərərlə satılıb. Dövriyyə artdı, lakin mənfəət azaldı. Həll yolu: Tövsiyə qaydasına "Əsas səhifədəki hədddən aşağı olan məhsulu təqdim edin" filtri əlavə edildi.
3-cü vəziyyət — Filtr qabarcığı. Kitab saytında müştəriyə daim eyni tipli kitab tövsiyə olunduğu üçün müştəri heç vaxt yeni janrlar kəşf etmədi və zaman keçdikcə marağı azaldı. Təklif qaydasına “təkliflərin ən azı 20%-i müxtəlif kateqoriyalardan olmalıdır” müxtəliflik qaydası əlavə edildikdə, kəşf və satışlar bərpa olundu.
Zəif məlumat / Güclü göstəriş
Zəif çağırış:
Bu məhsulla nə tövsiyə edə bilərəm, mənə bir fikir verin.
Model faktiki məlumatlarınızı və marjanızı bilmədən ümumi, bəlkə də ehtiyatda olmayan tövsiyələr istehsal edir.
Güclü göstəriş:
Rolunuz: e-ticarət analitiki. Əsas məhsul: simsiz qulaqlıq (marja 28%, stokda). Tamamlayıcı namizədlər (ehtiyat/marja ilə): çanta (45%, ehtiyatda), qulaqlıq dəsti (50%, ehtiyatda), doldurma kabeli (20%, ehtiyatda). Tapşırıq: yalnız anbarda olan və marjı 30% -dən çox olan 2 çarpaz satış paketi təklif edin; Hər paket üçün müştəri faydasını bir cümlə ilə yazın.
Ümumi səhvlər
- Sübut üçün təklifi səhv salmaq. AI-nin nəticəsi hipotezdir; Test edilmədən qərara çevrilmir.
- İnventar və marja məhəl qoymamaq. Avtomatik tövsiyə gəlirsiz və ya satılan məhsulu vurğulaya bilər.
- Bunu sadəcə populyarlıqla əlaqələndirin. Ən çox tıklanan həmişə ən sərfəli və ya ən əlverişli deyil.
- Filtr qabarcığının yaradılması. Davamlı olaraq eyni məhsulu göstərmək kəşfi və satışı öldürür.
- Qərəzliyi yoxlamaq. Sistem keçmiş bərabərsizlikləri gücləndirə bilər; Daimi yoxlama tələb olunur.
- Məcburi satış. Heç bir faydası olmayan bahalı modeli itələmək özünə inamı itirməyinizə səbəb olacaq.
Xülasə
Tövsiyə sistemləri müştəriyə lazımi anda doğru məhsulu göstərərək səbətin ortalamasını və sədaqətini artırır. Üç əsas məntiq var: məzmuna əsaslanan (oxşar məhsullar), əməkdaşlıq (birlikdə alınıb) və fərdiləşdirmə. Kiçik mağazalarda belə, AI sifariş məlumatlarından çarpaz satış və paketləşdirmə hipotezləri yarada bilər; Ancaq bunlar sübut deyil, sınaqdan keçirilməli fikirlərdir. Səhm, marja, kateqoriya uyğunluğu və müxtəliflik ətrafında tövsiyə qaydalarını tərtib etməyinizə əmin olun; Mütəmadi olaraq filtr qabarcığını və meyl risklərini yoxlayın. Avtomatik tövsiyə kommersiya nəzarətinə riayət edildikdə dəyər yaradır.
Tətbiq tapşırığı
Öz sifariş məlumatlarınızdan (anonim məhsul kodları ilə) birlikdə ən çox alınan 5 məhsul cütünü çıxarın. Süni intellektdən “Birgə satılan məhsul təhlili” şablonu ilə çarpaz satış fərziyyələrini soruşun. Hər bir fərziyyəni “əgər-onda” ifadəsinə çevirin və onu səhm və marja ilə süzün. Ən perspektivli 2 fərziyyə üçün test planını yazın (nə qədər uzun, hansı metrikanı ölçmək lazımdır). Nəhayət, risklər üçün tövsiyə qaydalarınızı "Tövsiyə qaydalarının auditi" şablonu ilə qiymətləndirin.
yoxlama siyahısı
- [ ] Mən təklif ideyalarını sübut kimi yox, yoxlanılacaq fərziyyələr kimi qəbul etdim.
- [ ] Mən hər bir təklifi səhm və marja vasitəsilə süzdüm.
- [ ] Populyarlıqdan başqa mən gəlirlilik və uyğunluğu da nəzərə aldım.
- [ ] Müxtəliflik qaydası ilə filtr qabarcığından qaçdım.
- [ ] Tövsiyələrin kimə göstərdiyini qərəzli olub olmadığını yoxladım.
- [ ] Mən ümidverici təklifləri real testlə ölçməyi planlaşdırdım.