AI məhsul tövsiyələri, baxış və alış davranışlarından, məhsul atributlarından və cihaz və ya mövsüm kimi kontekstdən istifadə edərək bir alıcının növbəti dəfə hansı məhsulu istəmə ehtimalının ən yüksək olduğunu proqnozlaşdıran sistemlərdir. Marketoloqlar üçün bunlar artıq sadəcə “sizə də maraqlı ola bilər” zolağı deyil: onlar ana səhifələri, e-poçtları, axtarış nəticələrini, reklamları və getdikcə daha çox təbii dildə suallara cavab verən AI alış-veriş köməkçilərini formalaşdırır.
Tövsiyə mühərrikləri necə işləyir?
Əksər sistemlər bir neçə metodu birləşdirir. Birgə filtrləmə alıcılar arasında nümunələr tapır: A-nı alanlar B-ni də alıblar. Məzmun əsaslı filtrləmə rəng, material və ya brend kimi məhsul atributlarını müqayisə edir. Daha yeni sistemlər, bir sessiyadakı hərəkətlər ardıcıllığını oxuyan dərin öyrənmə modellərini və bəzi hallarda məhsul təsvirlərini və rəylərini başa düşən dil modellərini əlavə edir.
Nəticə, məhsul səhifəsi, səbət və ya e-poçt kimi müəyyən bir yer üçün məhsulların reytinq siyahısıdır. Ən yaxşı sistemlər tez-tez yenidən təlim keçir, buna görə də qəfil trend və ya stok dəyişikliyi tez bir zamanda görünür.
Mağazalar əslində hansı alətlərdən istifadə edir?
Seçim platformadan və kataloqun ölçüsündən asılıdır.
- Shopify: əlaqəli məhsullar üçün daxili Search & Discovery tətbiqi, üstəgəl e-poçt tövsiyələri üçün Rebuy, LimeSpot və Klaviyo kimi tətbiqlər
- WooCommerce: Klaviyo, Clerk.io və Algolia Recommend daxil olmaqla plaginlər və xarici xidmətlər
- Enterprise: Google Cloud-un ticarət üçün Vertex AI Search, Amazon Personalize, Salesforce Commerce Cloud Einstein, Adobe Sensei funksiyaları ilə Adobe Commerce, Bloomreach, Dynamic Yield
- E-poçt və CRM: Klaviyo, Braze, Insider və Salesforce Marketing Cloud davranışla qidalanan məhsul blokları təklif edir
Bunların çoxu məlumat alimləri tərəfindən deyil, marketoloqlar tərəfindən konfiqurasiya edilir. Bu, işi modellərin qurulmasından strategiyaların, yerlərin və qaydaların seçilməsinə keçirir.
Marketoloqlar tövsiyələrdən harada istifadə edirlər?
Tövsiyələr müştəri səyahəti boyu görünür. Hər yerin fərqli bir işi var.
Saytda
- Ana səhifə: yeni ziyarətçilər üçün populyar və ya trend olan məhsullar, geri qayıdanlar üçün fərdiləşdirilmiş seçimlər
- Məhsul səhifəsi: oxşar məhsullar və tez-tez birlikdə alınanlar
- Səbət: aşağı qiymətli əlavələr və aksesuarlar
- Axtarış: ehtimal olunan marağa görə nəticələrin yenidən reytinqi
- Boş və ya stokda olmayan səhifələr: çıxılmaz vəziyyət əvəzinə yaxın alternativlər
Saytdan kənarda
- Əlaqəli məhsullarla tərk edilmiş baxış və səbət e-poçtları
- İstifadə üçün vaxtında göndərilən tamamlayıcı məhsullarla alışdan sonrakı e-poçtlar
- Kataloq və piksel məlumatları ilə qidalanan Meta və Google-da dinamik məhsul reklamları
Dialoq
- Saytda “yastı ayaqlar üçün yaxşı qaçış ayaqqabısı nədir?” sualına cavab verən və məhsullar təklif edən AI alış-veriş köməkçiləri
- ChatGPT shopping və Google-un AI Mode kimi alətlərdə cavabları qidalandıran məhsul məlumatları, burada təmiz məhsul lentləri və rəylər vacibdir
Marketoloqlar nəyə nəzarət edir?
Avtomatlaşdırılmış modellərlə belə, marketoloq çərçivəni müəyyən edir. Model nə qədər yaxşı olursa olsun, zəif parametrlər zəif tövsiyələr yaradır.
- Yer üzrə strategiya: oxşar, tamamlayıcı, trend olan, bu yaxınlarda baxılan, fərdiləşdirilmiş
- Biznes qaydaları: stokda olmayan məhsulları istisna edin, marja minimumlarını təyin edin, yeni kolleksiyaları təşviq edin
- Müxtəliflik: bir-birinə çox bənzəyən beş məhsulu göstərməkdən çəkinin
- Soyuq başlanğıc: məlumat olmadan yeni ziyarətçilərin və yeni məhsulların nə gördüyü
- Yerləşdirmə və dizayn: blokun harada yerləşdiyi və neçə məhsul göstərdiyi
- Test: strategiyalar arasında və ya tövsiyəsiz A/B testləri
Məhdudiyyətlər və risklər nələrdir?
Tövsiyələr artıq satılanları gücləndirir. Qaydalar olmadan, bir neçə bestseller hər yeri doldurur və yeni məhsullar heç vaxt görünmür. Bu, qısamüddətli kliklər üçün yaxşı, çeşid və marja üçün isə pisdir.
Məxfilik qaydaları da tətbiq olunur. İzləməyə əsaslanan fərdiləşdirmə GDPR, KVKK və oxşar qanunlara əsasən razılıqdan asılıdır. Kukilərdən imtina edən alıcılar hələ də məntiqli, fərdi olmayan tövsiyələrə ehtiyac duyurlar.
- Filtr qabarcıqları: alıcılar eyni şeydən daha çox, çeşiddən isə daha az görürlər
- Məlumat keyfiyyəti: yanlış kateqoriyalar və ya çatışmayan atributlar qəribə təkliflər yaradır
- Həddindən artıq fərdiləşdirmə: xüsusilə həssas məhsullarda invaziv hiss olunan tövsiyələr
- Atributsiya: satıcılar tez-tez vidceti onsuz da baş verəcək satışlara görə kreditləşdirirlər
Onların işlədiyini necə bilirsiniz?
Dürüst test bir eksperimentdir: tövsiyələri bir qrupa göstərin, digərinə isə yox, və ya iki strategiyanı müqayisə edin. Vidcet üzərindəki kliklər dəyərin sübutu deyil.
Ziyarətçi başına gəliri, orta sifariş dəyərini və qruplar arasındakı dönüşüm nisbətini izləyin. Marjanı da izləyin, çünki ucuz əlavələr sifariş sayını artıra bilər, lakin mənfəəti yox.
Tövsiyələr hansı məhsul məlumatlarına ehtiyac duyur?
Mühərriklər iki mənbədən öyrənir: davranış və kataloq məlumatları. Davranış, hər biri məhsul ID-si olan məhsul baxışları, səbətə əlavə etmə və satınalmalar kimi izləmə hadisələrindən gəlir. Kataloq məlumatları məhsul lentinizdən gəlir: başlıqlar, kateqoriyalar, atributlar, qiymətlər, stok və şəkillər.
Zəif kataloq məlumatları tövsiyələrin təsadüfi görünməsinin ən ümumi səbəbidir. Rəngi yalnız məhsul başlığında saxlayan, sahə kimi saxlamayan bir moda mağazası mühərrikdən “eyni paltarı başqa rəngdə” təklif etməsini istəyə bilməz. Bir kateqoriyanın üç fərqli yazılışı olan bir ev əşyaları mağazası öz məlumatlarını bölür.
- Bir aydın iyerarxiya ilə ardıcıl kateqoriyalar
- Ayrı sahələr kimi atributlar: rəng, ölçü, material, üslub, qiymət diapazonu
- Ən azı gündəlik sinxronizasiya olunan dəqiq stok səviyyələri
- Sayt, lent və analitika üzrə uyğun gələn təmiz məhsul ID-ləri
- Yaxşı şəkillər, çünki bəzi mühərriklər vizual oxşarlıqdan da istifadə edir
Generativ AI tövsiyələri necə dəyişir?
Dil modelləri yeni bir qat əlavə edir. Məhsullar şəbəkəsi əvəzinə, alıcı bir ehtiyacı təsvir edə və səbəbləri ilə birlikdə qısa bir siyahı ala bilər. Shopify, Rufus ilə Amazon və bir çox üçüncü tərəf alətləri indi bu cür köməkçi təklif edir.
Marketoloqlar üçün bu, zəngin məhsul təsvirlərinin, aydın spesifikasiyaların və real rəylərin dəyərini artırır, çünki köməkçi nəyi təklif edəcəyinə qərar vermək üçün onları oxuyur. İki sətirlik qeyri-müəyyən təsviri olan bir məhsulu heç bir köməkçi inamla tövsiyə edə bilməz.
Alien Road AI məhsul tövsiyələrini necə tətbiq edir
Tipik bir e-ticarət əlaqəsində, biz kataloq və məlumat auditi ilə başlayırıq: məhsul atributları, kateqoriyalar, stok lentləri və razılıq quraşdırılması. Oradakı boşluqlar hər hansı bir tövsiyə mühərrikini məhdudlaşdırır, buna görə də onları düzəltmək ilk növbədə gəlir.
Daha sonra biz sayt və e-poçt axınları boyunca yerləri xəritələyirik, hər biri üçün bir strategiya seçirik və stok, marja və müxtəliflik üçün biznes qaydaları təyin edirik. Testlər ən yüksək trafikli yerlərdə, adətən məhsul səhifələrində və səbətdə başlayır.
Ölçmə, platformanın icazə verdiyi yerlərdə saxlanılan qruplardan istifadə edir və hesabatlar qruplar arasında ziyarətçi başına gəliri, sifariş dəyərini və marjanı müqayisə edir. Biz testlərin nə göstərdiyini, o cümlədən tövsiyələrin heç bir fərq yaratmadığı yerləri bildiririk.
Bu həftə haradan başlamaq lazımdır
Mağazanızın bu gün tövsiyələri göstərdiyi hər yeri və hər birinin istifadə etdiyi strategiyanı siyahıya alın. Bir çox mağaza hər yerdə eyni “əlaqəli məhsullar” parametrini tapır. Bir yeri, məsələn, səbəti, stokda olan qayda ilə tamamlayıcı aşağı qiymətli məhsullarla dəyişdirin və onu cari versiyaya qarşı iki həftə işlədin. Növbəti yeri dəyişməzdən əvvəl iki qrup arasında orta sifariş dəyərini müqayisə edin.