Personalizované doporučování produktů

Transkript

1 Personalizované doporučování produktů

2 Úvod do problematiky Produktů je mnoho a každé zboží má svého kupce. Zákazníků je hodně a každý chce něco jiného. Plocha obrazovky je navíc omezená. Chytré doporučování umožnuje obchodníkům nabízet správné produkty, správným lidem, ve správný čas.. Většina eshopů zobrazuje všem návštěvníkům stejnou nabídku produkty co chtějí nejvíce prodat, své novinky a best sellery, a doufají, že si zákazníci sami najdou produkty, které je osloví a tynakonec koupí. Na průměného zákazníka to funguje průměrně. Některé internetové obchody však nechtějí být průměrné. Steve Jobs kdysi odpověděl marketingové agentuře: Jak vám mám říci, co přesně chci. Nevím. Až mi to ukážete, tak vám řeknu jestli je to ono. Podobně fungují i návštěvníci eshopu až jim ukážete ten správný produkt, tak si koupí. Když jim ho neukážete, tak se ani nedozví, že něco takového prodáváte. Někteří jdou přímo k cíli a neví nic o Vaší ostatní nabídce. Jiní teprve do kategorií a váhají. Když k Vám přijde zákazník na prodejnu vybrat si produkt, nejprve ho vyzpovídáte. Na eshopu s ním osobní kontakt nemáte, proto ho musíte poznat a nabídku pro něj personalizovat. Chytré doporučování poznává každého jednotlivého zákazníka - jeho potřeby a preference. Díky tomu mu nabízí produkty, které mají největší šanci ho zaujmout. Chytré doporučování se samo z chování davu naučí, které produkty jsou vhodné pro které typy zákazníků. A každému sestaví nabídku individuálně. Doporučování se může zobrazovat nejen na webu, ale i v ech a newslettrech, nebo v display reklamní síti. Jakub Černý, PhD. Persoo.cz 2

3 Obchodní výzvy Obchodníci a marketéři se snaží zaujmout návštěvníka produkty, které by mohl koupit a když už se schyluje k nákupu tak se snaží o maximální up-sell a cross-sell. Doporučování produktů má dopad na obrat, konverzní poměr, průměrnou cenu objednávky, počet kusů v objednávce až po side efekty, jako je nižší bounce rate, delší čas strávený na webu. Napočítat bestsellery a zobrazit je na webu je celkem jednoduché (je to statický obsah pro všechny), kvalitní personalizované doporučování je ale výzvou a většina prodejců nemá zdroje ani zkušenosti, aby se pouštěli do vlastního vývoje. Použití bestsellerů na špatném místě může vašemu eshopu dokonce uškodit. Teprve kvalitní doporučování začne fungovat. Viz případová studie s doporučováním v předkošíku Hanibal na blog.h1.cz. 3

4 Výhody doporučování Persoo Pro návštěvníka: Zákazník nehledá, ale když to vidí, tak to koupí. Zákazník se cítí více jako doma nezobrazujeme mu to, co ho nezajímá (lepší user experience) Má pocit, že víme co potřebuje zákazník o personalizaci vůbec neví. Pro eshop: Zvyšení konverze/průměrné ceny objednávky. Nemusíte platit brigádníky, aby ručně vybírali co se má doporučovat ke kterému produktu. Persoo napočítá doporučení automaticky a přesněji. Samo se naučí vazby mezi produkty (viz předchozí obrázek ke žlutému stanu se hodí žlutá mačka). Využijte předpřipravené scénáře doporučování. Vybírejte je podle marketingové potřeby zaujmout na homepage či v kategorii, alternativní produkty na detailu produktu, up-sell, cross-sell v košíku. Jejich technickou implementaci a vyladění pro váš eshop nechte na nás. Best sellery dokáží zaujmout, prodávají ale pouze jednotky procent produktů z produktového katalogu. Ideální doporučování dokáže zaujmout stejně dobře jako best sellery, ale prodává až 80% produktů z vašeho katalogu (zobrazená doporučení májí vysoké pokrytí produktové databáze) Neplýtvejme prostorem na obrazovce tím, že zobrazujeme produkty, které zákazníka neosloví. Například mu při průchodu košíkem nenabízejme druhý notebook, pokud už má jeden v košíku. Nebo nenabízejme nejdražší a nejkvalitnější televizi někomu, kdo jde po levných televizích. 4

5 Co doporučování zohledňuje U produktů: Atributy produktů Persoo je schopno zohlednit všechny atributy, které eshop poskytne v exportu své produktové databáze (např. přes XML feed jako pro zboží.cz a heuréku.cz. Atributy jsou například cena, původní cena, výrobce, novinka, akce, výše marže, pro muže/ženy, barva, ). Odvozené atributy produktů - například výše slevy, přibližné zařazení mezi low/high end/mainstream, klasifikace produktů např. podle analýzy textů (názvu a popisku). Statistiky produktů např. popularita, tj. prodávanost, prohlíženost, Chování davu návštěvníků vazby co se prohlíží/kupuje spolu (celkově, pro každou kategori, případně pro konkrétní segment návštěvníků). U návštěvníků: Dlohodobé preference když zákazník pravidelně chodí do konkrétní kategorie, například pro psí žrádlo a ne pro zobání pro papoušky, (typicky jsou to preference k jednotlivým atributům produktů). Krátkodobé preference když výjimečně vstoupil do sekce pro papoušky, tak se musí doporučování přizpůsobit aktuální potřebě. Segmentace zákazníků nový/opakovaní, dle celkové útraty, frekvence návštěv, vlastní Historie nákupů a prohlížení abychom nenabízeli něco, co si právě kupuje/včera koupil. Naopak, abychom věděli, že když si koupil kávovar, tak má smysl mu nabízet kapsle s kávou. Chování podobných návštěvníků - co si ještě prohlíželi/koupili a o co by tedy mohl mít zájem i aktuální návštěvník Blacklisty abychom mohli vyhodit produkty, co už má v košíku/kategorie produktů, které má v košíku, co už si koupil, případně globální blacklisty na produkty, které nechceme doporučovat. 5

6 Sestavení doporučovacího scénáře Pro konkrétní box na stránce potřebujeme vybrat, co se v něm bude doporučovat. Doporučování musí fungovat jak pro nové anonymní návštěvníky, tak pro pravidelné zákazníky, které známe. Doporučovací scénář míchá výstupy z různých algoritmů. Pokud první algoritmus neposkytne dostatek kvalitních doporučení, tak se zbytek doporučení doplní z druhého algoritmu, dokud nemáme všechny pozice obsazeny. Příklad: (doporučování ve výpisu kategorie ukázka vpravo z kategorie Bio kosmetika na webu biosféra.cz) 1. Doporuč podle krátkodobých preferencí (představte si to jako dotaz do vyhledávače Google. Zeptáte se návštěvnickými preferencemi - dej mi produkty, které jsou ideálně z kategorie K, žluté nebo oranžové barvy, od výrobce X nebo Y, v horním cenovém segmentu a on vám v reálném čase napočítá to nejlepší, co je k dispozici). 2. Doporuč podle dlouhodobých preferencí 3. Doporuč podle historie prohlédnutých produktů 4. Doporuč best sellery/nejprohlíženější, případně kombinace jako 2 best sellery a 1 nejprohlíženější novinku, U všech doporučení chci vyloučit produkty z blacklistů co má v košíku, co jsme mu zkoušeli neúspěšně doporučit, o co projevil vysloveně nezájem V dotazech do produktového vyhledávače mohu vybírat mezi filtrem a boostem filtr vrátí pouze produkty, které vyhovují filtru (např. jen ty z kategorie X) boost může vrátit i jiné produkty, ale preferuje ty, které vyhovují zadání Můžeme jít ještě dále pro návštěvníky z různých segmentů můžeme pokládat jiné dotazy do produktového vyhledávače/případně s jinou vahou pro boost/relevanci. 6

7 Doporučování konkrétně Podívejme se na doporučování na webu Snapbacks.cz. Jak návštěvník prochází web, upřesňuje svůj zájem a preference, Doporučování se v reálném čase přizpůsobuje kontextu a potřebám návštěvníka. Homepage: na začátku nevíme o návštěvníkovi nic, tak mu nabídneme nejprohlíženější produkty. Prohlédnutí produktu Homepage: po prohlédnutí první čepice (žlutá kšiltovka značky Lakers) už doporučujeme podobné produkty. Prohlédnutí produktu Kategorie oblečení: už známe návštěvníkovi preference. Sice dosud neprohlížel oblečení, ale jen čepice - vždy žloutou čepici Lakers. Doporučme mu tedy oblečení Lakers, ideálně žluté. Pozn: povšimněte si, jak se mezi oblečení dostala žlutá kšiltovka Lakers, protože jsme použili boost místo filtru. 7

8 Alternativní/podobné produkty Na detailu produktu návštěvník očekává alternativní, případně související produkty. Součástí spolupráce s Persoo je vždy úvodní analýza a návrh konkrétní personalizace. Nastavte váhy jednotlivých signálů podobnosti/souvislosti a nechte si podle nich napočítat kvalitní alternativy (alternativou jsou typicky produkty ze stejné kategorie) nebo související produkty (typicky produkty z jiných kategorií). Příklad: (ke konkrétnímu produkty potřebuji napočítat související produkty) Nastavím váhy weight(barva)=8, w(značka)=2, w(tým na čepici)=8, w(podobná cena)=2, w(podobný text názvu)=6, w(kategorie)=15, w(prohlíží se spolu)=6, w(kupuje se spolu)=4, w(prohlíženost)=2 a nechám si napočítat ty nejrelevantnější produkty. z toho dostaneme kvalitně napočítané alternativní produkty, související produkty, cross-sell, Alternativy filtr pouze na související produkty ze stejné kategorie. Související filtr pouze na ty z jiných kategorií. Mix vše v jednom boxu. 8

9 Možnosti Persoo Snažíme se, aby vložení do webu bylo co nejjednodušší a nemuseli jste se příliš omezovat v tom, co je a co není možné v doporučeních zobrazit. Děláme Persoo takové, jaké bychom ho sami chtěli používat. Co umí Persoo navíc? Pokročilý tracking na webu ne jen pageview produkty, ale možno zohledňovat čas na stránce, odscrollování, zobrazení obrázků, imprese technických parametrů, překlik tabu na detailu produktu Importy libovolných atributů produktů. Importy historie prodejů pokud máte kamenné prodejny, tak můžete pro doporučování na webu využívat i chování vašich návštěvníků na prodejnách (díky tomu to, co doporučuje chytrý prodavač přenést i do eshopu) Realtime reakce na chování návštěvníka ne to, co se napočítalo před měsícem/včera. Box s doporučením není zadrátován do stránky možnost přidávat lokace s doporučením podobně jako to znáte v AB testovacích nástrojích. Doporučení je realizováno na úrovni javascriptu ve stránce. Skript pro Persoo se načítá asynchroně, aby nezdržoval vykreslování stránky. Možnost zobrazit doporučení, jen pokud je dostatečně relevantní. Jinak nezobrazit nic. Možnost změny algoritmu doporučování bez zásahu do kódu stránky. Podpora AB testování různých doporučení ve stejné lokaci na stránce. Univerzální šablony váš vlastní html šablona s výpisem produktů. Tj. možnost zobrazení včetně všech tagů jako novinka, sleva, akce, Dokonce se dají realizovat i dynamické bannery s doporučením (hezké pozadí, do kterého se doplní doporučený produkt, jeho název, cena). Podpora měření impresí a prokliků do Google Analytics. Výdej všech doporučení na stránce na 1 request na server. Persoo je automaticky škálovatelná cloudová služba běžící na Amazon cloudu (AWS). Jsme česká firma a vývojem v Čechách. S námi se domluvíte. Pravielné schůzky s reportem výsledků, kompletní support 9

10 Chcete, aby to váš eshop uměl taky? Domluvte si s námi prezentaci, na které vám představíme více. Kontakt: Ing. Vojtěch Košák Obchod & Marketing vojtech.kosak@persoo.cz tel Jakub Černý, PhD. zakladatel & ředitel jakub.cerny@persoo.cz tel