AI personalization engines для e-commerce

По сути, движок предсказывает, какие товары покупатель с наибольшей вероятностью захочет приобрести в следующий раз. Он анализирует такие сигналы, как просмотренные страницы, товары, добавленные в корзину, прошлые покупки, поисковые запросы, местоположение и устройство. Затем он ранжирует товары для этого человека в определенном месте на сайте или в электронном письме.

Провайдеры варьируются от встроенных функций платформы, таких как API рекомендаций товаров Shopify и приложения в Shopify App Store, до специализированных вендоров, таких как Dynamic Yield, Nosto, Algolia, Bloomreach и Klaviyo для электронной почты. Крупные платформы, такие как Amazon Personalize на AWS, позволяют разработчикам создавать свои собственные модели. Правильный выбор зависит от бюджета, трафика и технических ресурсов.

Рекомендации товаров

Виджеты, такие как «часто покупают вместе», «похожие товары» и «недавно просмотренные», являются наиболее распространенной отправной точкой. Они работают на страницах товаров, в корзине и на главной странице. Ключ к успеху — соответствие виджета намерению: похожие товары на странице товара помогают в сравнении, а дополняющие товары в корзине увеличивают стоимость заказа.

Персонализированный поиск по сайту

Покупатели, которые используют поиск, обычно знают, что они хотят. Движок, который ранжирует результаты как по релевантности, так и по индивидуальному поведению, помогает им найти это быстрее. Постоянный клиент, который обычно покупает определенный бренд, может видеть его выше. Инструменты, такие как Algolia и Klevu, также лучше справляются с опечатками, синонимами и турецкими символами, чем базовый поиск платформы.

Триггерные электронные письма

Письма о брошенной корзине, брошенном просмотре и возвращении товара в наличие с персонализированными блоками товаров являются надежными инструментами. Klaviyo, Omnisend и подобные инструменты подтягивают рекомендуемые товары в каждое письмо на основе поведения. Эти потоки работают автоматически после настройки.

Сортировка категорий и главной страницы

Переупорядочивание страниц категорий для каждого посетителя — это мощный, но более рискованный инструмент. Если логика неверна, покупатели сначала видят нерелевантные товары. Начните с простого правила, например, отображения бестселлеров в наличии в размере посетителя, прежде чем переходить к полной индивидуальной сортировке.

Движки персонализации учатся на данных. Скудные или неаккуратные данные приводят к плохим рекомендациям. Прежде чем выбирать инструмент, проверьте основы.

• Полные атрибуты продукта: категория, цвет, размер, материал, ценовой диапазон, бренд
• Точные данные о запасах, синхронизированные почти в реальном времени
• Отслеживание событий для просмотров, добавлений в корзину, покупок и поисков
• Идентификация клиента для авторизованных или подписанных на рассылку покупателей
• Достаточный трафик: магазин с несколькими сотнями посещений в неделю будет учиться медленно
• Настройка согласия, соответствующая требованиям GDPR и KVKK для отслеживания

Вендоры часто сообщают о доходе, «на который повлияли» рекомендации, что учитывает любой заказ, включающий кликнутую рекомендацию. Эта цифра обычно выглядит впечатляюще и мало говорит о том, что произошло бы в любом случае. Честный тест — это контрольная группа: покажите персонализацию большинству посетителей, а стандартный опыт — случайной группе, затем сравните коэффициент конверсии и доход на посетителя.

• Настройте контрольную группу с фиксированной долей трафика
• Сравните доход на посетителя, коэффициент конверсии и среднюю стоимость заказа
• Проводите тест достаточно долго, чтобы охватить еженедельные паттерны, обычно не менее двух-четырех недель
• Проверьте результаты по сегментам: новые против постоянных, мобильные против десктопных
• Следите за уровнем возвратов; рекомендации, которые продвигают неправильный размер, могут увеличить количество возвратов

Самая распространенная ошибка — чрезмерная персонализация. Показ покупателю только того, что он смотрел вчера, создает узкий, повторяющийся опыт. Смешивайте персонализированные товары с бестселлерами и новинками. Еще одна проблема — «холодный старт»: у новых посетителей и новых товаров нет истории, поэтому движку нужны разумные настройки по умолчанию.

Конфиденциальность также является реальной проблемой. Рекомендации, раскрывающие чувствительные интересы, такие как товары для здоровья, могут казаться навязчивыми на общих устройствах или в электронных письмах. Исключите чувствительные категории из писем с кросс-продажами и четко укажите в своем уведомлении о конфиденциальности, как используются данные о поведении.

• Рекомендация товаров, которых нет в наличии
• Показ товара, который покупатель только что купил, в качестве рекомендации
• Игнорирование маржи, из-за чего товары с низкой прибылью продвигаются сильнее всего
• Запуск нескольких перекрывающихся виджетов, которые показывают одни и те же товары
• Персонализация до исправления базового поиска по сайту и данных о продуктах

Функции платформы — самый дешевый старт: Shopify, расширения WooCommerce и инструменты для электронной почты включают базовые рекомендации. Специализированные вендоры добавляют лучшие алгоритмы, инструменты тестирования и элементы управления мерчандайзингом за ежемесячную плату, часто привязанную к трафику или доходу. Создание собственного решения с помощью облачного сервиса дает полный контроль, но требует инженеров данных и постоянного обслуживания.

Для большинства малых и средних магазинов последовательность такова: сначала функции платформы, затем специализированный вендор, как только трафик и размер каталога это оправдают. Создание собственного решения редко окупается, если только персонализация не является центральной частью бизнес-модели и у команды уже есть навыки в области Data Science.

• Функции платформы: низкая стоимость, ограниченный контроль
• Специализированный вендор: умеренная или высокая стоимость, мощные инструменты
• Собственная разработка: высокая стоимость, полный контроль, постоянное обслуживание