Rekommendationsmotor

Vad är en rekommendationsmotor?

En rekommendationsmotor analyserar data om kundbeteende och använder algoritmer för att föreslå produkter som den enskilde kunden sannolikt är intresserad av. Detta är välkänt från fraser som ”Du kanske också gillar...” eller ”Kunder som köpte detta köpte också...” på produktsidor och i e-postmeddelanden.

Rekommendationsmotorer står för en stor del av omsättningen inom modern e-handel. Amazon uppskattar att 35 % av deras försäljning drivs av produktrekommendationer.

Typer av rekommendationer

Samarbetsbaserad filtrering (collaborative filtering)

Rekommenderar produkter baserat på vad liknande kunder har köpt. ”Kunder som köpte X köpte också Y”. Kräver en viss mängd transaktionsdata för att fungera effektivt.

Innehållsbaserad filtrering (content-based)

Rekommenderar produkter med liknande egenskaper som de som kunden har visat intresse för. Om en kund har tittat på svarta löparskor visas andra svarta löparskor eller sportskor.

Popularitetsbaserade rekommendationer

Visar de mest populära eller bästsäljande produkterna. Enkelt men effektivt för nya besökare, där det inte finns några personuppgifter att utgå ifrån.

Kontextbaserade rekommendationer

Rekommenderar utifrån det aktuella sammanhanget, t.ex. säsong, väder, tid på dygnet eller vilken sida kunden befinner sig på.

Var visas rekommendationerna?

• Produktsidor: ”Du kanske också gillar...” eller ”Andra köpte också...” under produktbeskrivningen.
• Varukorg/kassa: ”Komplettera ditt köp med...”, perfekt för tillbehör och kompletterande produkter.
• Forsidan: ”Rekommenderade produkter för dig” för återkommande kunder.
• Sökresultat: Komplettera sökresultaten med rekommenderade produkter.
• E-post: Personliga produktrekommendationer i nyhetsbrev och orderbekräftelser.
• E-post omövergivna varukorgar: Visa de produkter som kunden lämnade kvar samt relaterade alternativ.

Effekten av produktrekommendationer

• Ökat genomsnittligt ordervärde (AOV): Kunder som klickar på rekommendationer lägger vanligtvis till fler produkter i varukorgen.
• Bättre konverteringsgrad: Relevanta rekommendationer hjälper kunderna att snabbare hitta rätt produkt.
• Ökat engagemang: Kunderna spenderar mer tid i butiken och tittar på fler produkter.
• Förbättrad kundupplevelse: Personalisering gör att butiken känns relevant och lyhörd.

Produktrekommendationer i Shoporama

Shoporama stöder produktrekommendationer via:

• Relaterade produkter: Du kan manuellt koppla samman produkter med varandra som relaterade. Relationen är en platt många-till-många-koppling, där varje produkt kan ha ett antal relaterade produkter, och varje relation kan viktas för att styra ordningen.
• Liknande produkter: Används vanligtvis för att visa alternativ från samma kategori eller varumärke.
• Landningssidor: Dynamiska produktlistor baserade på kategorier, etiketter och regler fungerar som automatiserade rekommendationer.
• E-postrekommendationer: Shoporamas nyhetsbrevssystem har särskilda produktblock som visar produkter från utvalda kategorier eller landningssidor.
• Rekommendationer i orderbekräftelser: En särskild mall för produktrekommendationer i e-postmeddelanden efter köp.

Bästa praxis

• Relevans framför kvantitet: 3–4 relevanta rekommendationer är bättre än 20 slumpmässiga. Kvalitet är viktigare än antal.
• A/B-testa placering: Testa om rekommendationerna fungerar bäst under produktbeskrivningen, i en sidofält eller efter ”Lägg i varukorgen”.
• Undvik att rekommendera samma produkt: Visa inte den produkt som kunden redan ser i rekommendationerna.
• Visa bilder och priser: Produktrekommendationer med bilder och priser ger betydligt bättre konvertering än enbart textlänkar.