bts防弹少年团演唱会

bts防弹少年团演唱会

10改进用户体验和转换的产品推荐技术

《10改进用户体验和转换的产品推荐技术》

如今几乎每个在线商店都使用某种产品推荐引擎,这也就不足为奇了,因为这些系统如果设置和配置得当,可以显着提高收入,点击率,转换率和其他重要指标。

此外,它们也会对用户体验产生相当大的积极影响,这会转化为难以衡量的指标,但对于在线业务而言,这些指标仍然是最重要的,例如客户满意度和保留率。

究竟什么是推荐引擎?

推荐引擎的核心是信息过滤工具,它们利用算法和数据向给定环境中的特定用户推荐最相关的项目。

这里,项目可以表示一段内容,一个产品,甚至一个人(例如,在约会网站的情况下)。 建议可以由汇总数据提供支持,汇总数据确定某个项目与给定上下文或用户特定数据相关的相关性,从而推动个性化建议。

《10改进用户体验和转换的产品推荐技术》

当然,某个电子商务网站销售的产品类型以及它所服务的受众类型会对商店中如何使用和呈现推荐产生巨大影响,以及最适合他们的逻辑类型。

逻辑是一种利基词,虽然我会在本文中经常使用它。 为清楚起见,按逻辑,我指的是基于提供推荐的预定义规则和算法的集合(即“热门产品”,“购买此产品的客户也购买……”等)

推荐引擎如何使站点受益

人们不需要进行彻底的市场调查就能理解客户会更愿意在他们认为能够尽可能快速轻松地找到所需内容的商店中进行购买。 。

他们将来更有可能回到这样的商店。 虽然创建这种体验比建议更多,但实施复杂的解决方案无疑是相关和个性化客户旅程的基石。

为了了解推荐系统的商业价值:几个月前,Netflix估计,它的推荐引擎每年价值10亿美元

《10改进用户体验和转换的产品推荐技术》

《10改进用户体验和转换的产品推荐技术》

另一个有说服力的例子是,2011年,eBay 8000万美元的价格收购了一家有2年历史的推荐引擎创业公司 Hunch。

亚马逊创始人Jeff Bezos早在1998年就了解推荐系统的价值

在网络世界中,企业有机会与客户建立非常深厚的关系,既可以接受客户的偏好,又可以随着时间的推移观察他们的购买行为,这样您就可以获得客户的个性化知识,并使用个性化的客户知识。客户加速他们的发现过程。

如果我们能做到这一点,那么客户就会对我们产生深厚的忠诚,因为我们对他们了如指掌。

现在,跳到2015年:根据VentureBeat去年发表的一项研究,77%的“数字原生代”(大致是Y代和X的很大一部分)期望他们的在线体验是个性化的。 这意味着个性化和相关技术留下了“好有”类别。

如今,采用这种技术是成功在线开展业务的先决条件。

最着名的例子是亚马逊被广泛引用的统计数据 ,根据该统计数据 ,其总收入的35%来自购买客户通过推荐发现的产品。

在评估推荐系统时,这是一个非常重要的指标。 根据我们的经验,企业并不总是首先得到它,要考虑与系统性能相关的指标。

以下是一些可以描述推荐程序性能的指标:

  1. 建议的转换率 – 点击推荐的用户的转化率。
  2. GMV / 1000建议 – 这通常是最难理解的,但它通常意味着平均收入/ 1000建议,来自购买他们在推荐箱中找到的产品的人。
  3. 点击率 – 虽然很明显,但这是一个非常重要的指标。 但要注意的一件事是:在不利的位置(页脚,侧边栏)中的小部件可能会扭曲这些数字(事实上,所有其他数字)也会产生偏差,在评估过程中应该牢记这一点。
  4. 通过建议收入的百分比 – 这是最常用的指标之一(也在上面的亚马逊示例中突出显示)。 这仅仅意味着通过建议/总收入获得收入。
  5. 查看的产品数量 – 在会话期间积极使用建议的人员查看的产品数量。 直观地说,更多的浏览也意味着用户很难找到他们正在寻找的东西,Wolfgang Digital的研究(后面会详细介绍)得出的结论是,用户在网站上花费的时间和数量他们打开的页面实际上与转换正相关。

这些是在POC和招标期间通常评估推荐系统的指标(例如,请参阅本新闻稿,关于eBay土耳其的推荐系统招标 ,我们公司参与其中)。

值得注意的是,除了实际的推荐者表现之外,许多外部因素也会影响这些指标,例如小部件位置,一般页面布局,季节/活动相关因素等。

建议与个性化之间的差异

虽然在媒体中,推荐和个性化这两个词几乎可以互换使用,但它们并不是完全相同的。

建议可以个性化,但这绝不是每种情况下最好和唯一的选择。

此外,建议比个性化更多,反之亦然。 个性化不能仅通过推荐引擎来实现(然而,真正的个性化,大规模,总是由推荐引擎提供动力)。

无论是在技术上还是在可能的商业应用方面,推荐系统的基础技术正在变得越来越精细。

随着SaaS解决方案在该领域的激增,越来越多的企业可以利用复杂推荐系统的强大功能,并在不断发展的电子商务领域保持竞争力。

《10改进用户体验和转换的产品推荐技术》

《10改进用户体验和转换的产品推荐技术》

你在哪里可以使用建议书?

有很多地方可以在电子商务或内容网站上显示推荐。 为了缩小这个主题,在本文中,我将讨论在电子商务商店的主页,产品,购物车,类别和404页面中最适合小部件的基本逻辑和推荐技术。

主页建议

主页首先是来自直接流量的用户在访问网站时看到的。 由于这些访问者不一定会寻找具体的内容,因此主页建议的目的是告知客户您的最新优惠和折扣,并展示您的产品组合。

1.热门产品

这是一个非常基本但功能强大的推荐逻辑,几乎可以在所有电子商务商店中使用。 产品的受欢迎程度最容易取决于购买的次数(根据产品的可用时间加权)。

但是,更复杂的推荐系统将其他事件数据合并到其逻辑中,以便提供更准确的建议(点击,视图,添加到购物车事件等)

考虑到根据帕累托的营销规则, 80%的产品销售来自20%的产品 ,因此实现这一点非常重要。

在内容站点(新闻站点,视频门户)的情况下,诸如在页面上花费的时间或滚动的百分比,或者(视频的)观看的秒数等其他因素也可以是重要的流行因素。

您应始终使用最能确定您的网站中的哪些项目或您网站上的内容最受访问者欢迎的指标。

《10改进用户体验和转换的产品推荐技术》

2.基于评级的建议

受欢迎程度的另一个指标可能是高用户评级。

这里有一点注意事项:推荐系统术语称用户评级,评论等,换句话说,偏好信号用户有意识地和自愿地给出“明确的反馈”。

另一方面,点击,购买和浏览习惯被称为“隐式反馈”,因为它们表示当用户自然地与平台或网站交互时生成的数据点。

由于这些数据的丰富性,丰富性和结构,而不是例如高度非结构化信息或评级的评论,现实世界(而非学术界)中部署的推荐系统几乎仅使用隐式反馈。是非常稀缺的数据(只有一小部分用户撰写评论,甚至给出评分)。

尽管如此,虽然机器可能没有太多可以从评级中受益,但用户却如此。 事实上, 根据BrightLocal的一项调查 ,88%的用户信任在线评论和个人建议一样多。

如果您认为由于您的用户群评论的习惯和偏好可能是影响购买决策的一个突出因素,您应该考虑在主页上设置“评价最高”的框,或者至少突出显示产品的评级。在您的网站中由不同逻辑提供的小部件。

《10改进用户体验和转换的产品推荐技术》

3.个性化建议

个性化推荐器小部件基于其过去的购买和浏览历史向每个用户显示不同的产品。 用于此任务的推荐算法在它们如何精确实施以及它们考虑的因素(通常是“魔鬼在细节中”,如他们所说的)方面可能有很大不同。

尽管如此,由于受欢迎的产品推荐有利于迎合主流,产品推荐中个性化的主要好处之一是它们可以增加“长尾”产品的销售。

然而,个性化推荐需要大量用户的行为数据,例如,在新访问者的情况下系统没有这种行为数据(这被称为推荐系统的冷启动问题 )。

为了向回头客提供个性化的用户体验,同时也迎合初次访问者,行业最佳实践是定义“后备场景”或一系列此类场景,换句话说,自动化计划B,用于个性化推荐。

实际上,这意味着系统检测是否有足够的关于某个客户的数据来为他提供个性化的项目建议。

如果没有,推荐系统将“回退”到更一般(如流行)或类别过滤逻辑,为此它使用聚合或元数据而不是客户特定信息。

应该非常谨慎地规划后备方案,并且应尽可能有效地利用您拥有的数据,以便为新访问者提供合理准确的建议。

《10改进用户体验和转换的产品推荐技术》

产品页面上的建议

产品页面或产品信息页面是访问者查找产品及其功能的详细描述的地方,可以选择将其添加到购物车或立即订购。

这些页面上的建议的主要目的是显示最相关的项目,因此在搜索访问者时提供“下一步”并让他们浏览您的网站。

在大多数情况下,他们在您的商店花费的时间越多,他们实际购买的机会就越高。 实际上, 在2014年的一项研究中 ,Wolfgang Digital发现,在网站上花费的时间和浏览的页面与转换都有良好的正相关性。

4.类似产品

类似的产品盒可以基于非常不同的逻辑。 最简单的一种是简单的基于类别的过滤,即使没有推荐引擎也可以实现(不用说,它在性能上也落后)。

如果将这种简单的过滤方法与基于相似性的元数据(描述,产品标题,标签,价格等)相结合,您可以大大提高性能(例如,推荐相同品牌或相同颜色的项目,从当前类别),但为此,您需要在您的网站上提供高级推荐功能。

基于相似性的最佳逻辑之一是一种称为“项目到项目协同过滤”的方法(亚马逊开创的方法)。 我将在下面详细说明。

《10改进用户体验和转换的产品推荐技术》

5.“购买/观看过此…的客户”协同过滤

电子商务产品推荐中的协同过滤首先由亚马逊大规模实施(他们早在1999年就提交了项目到项目协同过滤初始专利 )。 我相信,他们的结果不言而喻。

协作过滤的核心是收集来自许多用户的偏好或品味信息(协作)。 协同过滤可以为项目到项目(基于产品相似性)和个性化推荐提供燃料。

《10改进用户体验和转换的产品推荐技术》

物品到物品协同过滤建议:这种类型的推荐逻辑基本上通过查看它们在用户的浏览或购买历史中一起出现的频率来确定两种产品的相似性。

在实践中,使用这种逻辑的小部件被命名,例如“观看了这个,也被观看过……的客户”,这几乎解释了基本思想。

这些算法构建的偏好模型非常真实,特定于您的网站和用户,因为它们量化了访问者和平台之间的真实互动。

此外,在数据量充足的情况下,甚至可以以合理的准确度回答诸如自动化配件推荐之类的问题(在下面的更多内容,在购物车页面附件推荐部分)。

6.个性化建议

考虑到上下文(正在查看的产品),以及当前用户的历史记录,可以进一步微调个性化产品页面建议。 个性化协同过滤算法可以应用于此场景。

要大致了解这些是如何工作的,请看下面的简化示例:

《10改进用户体验和转换的产品推荐技术》

个性化协作过滤建议:最常见的个性化建议方式是关注产品的平均相似性,以及用户查看的最后x个产品数量。

系统对此任务使用相同的项目到项目协作相似性,只是它不会将一个项目与另一个项目进行比较,而是与用户历史记录中的所有项目进行比较。 基于相互作用的新近度来权衡输出通常可以进一步提高准确性。

购物车建议

推荐与推车页面上的访客购物车内容相似或相关的产品,这是提高平均订单数量和价值的有效方式。

购物车页面建议以非常有利的心理状态传达给顾客,他很可能已经决定购买,因此他更愿意对进一步的优惠说“是”。 有一些推荐逻辑非常适合这项任务。

根据我们的经验,购物车页面建议往往提供远高于平均GMV / 1000建议数字。

此外, 根据 Braillance和Marketingsherpa 在300家电子商务商店进行的2015年研究 ,根据推荐指标的收入,推荐用户购物车中商品的其他商品的小工具是10种效果最好的推荐类型。

例如,如果我们考虑,购物车页面接收的数量少于产品页面,则不要打喷嚏。

7.推荐配件

推荐产品配件可以显着提高您网站的平均订单量和价值。

此外,从技术上讲,实现这样的小部件非常容易。 但是,根据您的目录和类别结构的大小,它可能相对管理繁重,因为很难自动化为每个项目推荐兼容配件的过程。

因此,这种逻辑通常由手动分配的项目关系提供燃料。

最理想的是,您可以直接向类别推荐类别(例如iPhone – > iPhone附件)。 这比自动化和扩展更容易,但需要极其有意识的类别结构规划。

当然,有了足够的数据和一点创造力,人们就可以抽象出如何分析行为信息的规则,从而使系统的输出成为实际的兼容配件。

可以定义与产品相关的附件的这种易于编码的规则之一是经常与其一起购买的物品,但是成本显着降低(2倍,3倍或更多)。 这是我们在一些企业客户端使用的方法。

这是体积发挥作用的地方,因为少数购买,此算法产生的结果将是不可预测的,但是达到临界数量的数据,所有统计数据往往越来越多地与现实相关(假设前提是正确的)。

《10改进用户体验和转换的产品推荐技术》

8.经常一起买

在购物车页面上显示频繁购买的产品可能非常有效。

但是,为了几乎任何购物车页面建议都能提供结果,结帐流程必须引导客户浏览购物车页面,其中显示实际建议,并且它也是一种相对数据密集的推荐技术。

此页面的布局也是一个重要因素。 如果您有时间和资源,A / B测试不同的布局和设计可以产生出色的结果和见解(不用说,这在全球范围内都是正确的,顺便说一下,不仅仅是建议)。

例如,Netflix在不同平台,精选节目甚至电影艺术品上广泛使用A / B测试进行主屏幕布局。 从他们的方法中学到很多东西。

《10改进用户体验和转换的产品推荐技术》

类别页面建议

当客户正在查看类别页面时,他已经向您提供了有关他正在寻找的有价值的信息。 您的目标应该是提供帮助,因此在获得他想要的产品或内容之前,他不必浏览整个类别。

虽然此方案中的最佳选择是高级过滤和分面搜索,但建议也可以在这些情况下提供价值。

9.热门产品

帮助类别页面上的用户找到他们正在寻找的内容的最明显方法之一是向他们展示大多数人正在寻找的内容。

一个小技巧,是使用非单数类别的类别页面建议,但也教你的类别结构系统。 这样,可以为父类别推荐子类别,从而在推荐中提供更多的多样性。

另一个,甚至更好的选择是默认情况下根据受欢迎程度重新排序类别中的项目(仅记住流行产品的80:20规则)。

《10改进用户体验和转换的产品推荐技术》

10.零结果和404页

获取“零搜索结果”或404页面通常意味着客户在网站上的会话结束,因此可能会丢失转换。

这些页面通常是具有最高退出率的页面,也是为数不多的页面之一,其中退出率实际上是一个非常重要的指标。

我喜欢退出页面上这篇文章的前提,它指出退出率数字毫无意义,除了与结账流程相关的页面,一些“功能”页面(零结果可以适合这个类别),和404错误页面。

有几种策略可以提供可以让客户在这些情况下继续浏览的建议。

其中一个基本方法是,如果您的站点由于客户之前设置的过滤器而无法显示查询结果,系统可以对整个产品目录执行额外搜索,并显示匹配项(如果有任何)。

同样,404页面上的搜索框有时可以弥补UX故障。

在这些页面上显示个性化产品推荐还可以帮助客户恢复错误或无结果查询中断的发现线程。

《10改进用户体验和转换的产品推荐技术》

结论

当然,本文中介绍的想法,策略和技术并不是关于电子商务中的产品推荐的全部内容。

它仅仅意味着为商店所有者或经理提供一些思考的食物,他们计划实施推荐系统或将他们当前的实践提升到一个新的水平。

随着市场上现有的新一代SaaS推荐系统的出现,人们可以熟悉产品推荐并立即开始测试他们的想法,并亲自体验结果。

相关文章

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注