Anbefalingsmotor

Hva er en anbefalingsmotor?

En anbefalingsmotor analyserer data om kundeatferd og bruker algoritmer til å foreslå produkter som den enkelte kunde sannsynligvis er interessert i. Dette er kjent fra «Du vil kanskje også like...» eller «Kunder som kjøpte dette, kjøpte også...» på produktsider og i e-poster.

Anbefalingsmotorer står for en stor del av omsetningen i moderne e-handel. Amazon anslår at 35 % av salget deres drives av produktanbefalinger.

Typer av anbefalinger

Samarbeidsbasert filtrering (collaborative filtering)

Anbefaler produkter basert på hva lignende kunder har kjøpt. «Kunder som kjøpte X, kjøpte også Y». Krever et visst volum av transaksjonsdata for å fungere effektivt.

Innholdsbasert filtrering (content-based)

Anbefaler produkter med lignende egenskaper som de kunden har vist interesse for. Hvis en kunde har sett på svarte joggesko, vises andre svarte joggesko eller sportssko.

Popularitetsbaserte anbefalinger

Viser de mest populære eller bestselgende produktene. Enkelt, men effektivt for nye besøkende der det ikke finnes personlige data å basere seg på.

Kontekstbaserte anbefalinger

Anbefalinger basert på den aktuelle konteksten, for eksempel årstid, vær, tid på dagen eller hvilken side kunden befinner seg på.

Hvor vises anbefalingene?

• Produktsider: «Du vil kanskje også like...» eller «Andre kjøpte også...» under produktbeskrivelsen.
• Handlekurv/kasse: «Fullfør kjøpet med...», perfekt for tilbehør og komplementære produkter.
• Forsiden: «Anbefalte produkter til deg» for tilbakevendende kunder.
• Søkeresultater: Utvid søkeresultatene med anbefalte produkter.
• E-post: Personlige produktanbefalinger i nyhetsbrev og ordrebekreftelser.
• E-poster om forlatt handlekurv: Vis produktene kunden forlot, samt relaterte alternativer.

Effekten av produktanbefalinger

• Økt gjennomsnittlig ordreverdi (AOV): Kunder som klikker på anbefalinger, legger vanligvis flere produkter i handlekurven.
• Bedre konverteringsrate: Relevante anbefalinger hjelper kundene med å finne det riktige produktet raskere.
• Økt engasjement: Kunder bruker mer tid i butikken og ser på flere produkter.
• Forbedret kundeopplevelse: Personalisering gjør at butikken oppleves som relevant og imøtekommende.

Produktanbefalinger i Shoporama

Shoporama støtter produktanbefalinger via:

• Relaterte produkter: Du kan manuelt knytte produkter til hverandre som relaterte. Forbindelsen er en flat mange-til-mange-kobling, der hvert produkt kan ha et antall relaterte produkter, og hver relasjon kan vektes for å styre rekkefølgen.
• Lignende produkter: Brukes vanligvis til å vise alternativer fra samme kategori eller merke.
• Landingssider: Dynamiske produktlister basert på kategorier, etiketter og regler, fungerer som automatiserte anbefalinger.
• E-postanbefalinger: Shoporamas nyhetsbrevsystem har dedikerte produktblokker som viser produkter fra utvalgte kategorier eller landingssider.
• Anbefalinger i ordrebekreftelser: En egen mal for produktanbefalinger i e-poster etter kjøp.

Beste praksis

• Relevans fremfor kvantitet: 3–4 relevante anbefalinger er bedre enn 20 tilfeldige. Kvalitet er viktigere enn antall.
• A/B-test av plassering: Test om anbefalingene gir best resultat under produktbeskrivelsen, i en sidebar eller etter «Legg i handlekurven».
• Unngå å anbefale det samme produktet: Ikke vis produktet kunden allerede ser, i anbefalingene.
• Vis bilder og priser: Produktanbefalinger med bilder og priser gir betydelig bedre konvertering enn bare tekstlenker.