Самые распространенные ошибки в рекомендациях товаров с помощью AI — это подача в движок плохих данных каталога, размещение одного и того же виджета на каждой странице, оптимизация по кликам вместо маржи или выручки, а также запуск без надлежащего контрольного теста. Каждая из них делает рекомендации перегруженными, принося при этом мало пользы. Исправление этих ошибок обычно важнее, чем смена поставщика.
Рекомендации товаров с помощью AI — это предложения, генерируемые моделями, которые обучаются на данных о просмотрах, покупках и каталоге. Они появляются как «клиенты также купили», «дополните образ», персонализированные строки на главной странице, дополнения в корзине и блоки электронной почты. Shopify, Adobe Commerce, Salesforce Commerce Cloud и специализированные инструменты, такие как Nosto, Klevu, Algolia Recommend и Dynamic Yield, предлагают версии этого.
Ошибка 1: отношение к каталогу как к второстепенному
Модели рекомендаций обучаются на атрибутах. Если у половины ваших товаров отсутствует поле категории, цвета или размера, у движка меньше данных для работы, и он полагается на популярность. Вот почему во многих магазинах везде рекомендуются одни и те же десять бестселлеров.
Перед настройкой модели проведите аудит фида. Ищите отсутствующие атрибуты, несогласованные названия («Темно-синий», «темно-синий», «темно-синий»), дубликаты товаров и варианты, указанные как отдельные позиции. Чистый фид часто улучшает результаты еще до изменения настроек.
Ошибка 2: почему один виджет на каждой странице не работает?
У покупателей разные потребности в разные моменты. На странице товара они сравнивают. В корзине они ищут небольшое дополнение. После покупки им могут понадобиться аксессуары или расходные материалы. Использование одного блока «вам также может понравиться» везде игнорирует все это.
- Страница товара: похожие товары и альтернативы по близким ценам
- Корзина: недорогие дополнения, которые логичны с тем, что уже есть
- Электронная почта после покупки: аксессуары, расходные материалы, средства по уходу
- Главная страница: персонализированные строки для вернувшихся посетителей, кураторские подборки для новых
- Страница отсутствующих товаров: близкие заменители в наличии
Магазин, продающий кроссовки, например, может показывать другие кроссовки на странице товара, носки и стельки в корзине, а напоминание о замене после дистанции, которую большинство бегунов ожидают от пары.
Ошибка 3: оптимизация по неправильной метрике
CTR легко поднять. Показывайте более дешевые или более привлекательные товары, и клики вырастут. Выручка, средний чек и маржа могут не измениться или даже упасть.
Установите цель внутри инструмента, где это возможно. Многие платформы позволяют взвешивать рекомендации по выручке, марже или запасам. Если ваша этого не делает, по крайней мере измеряйте атрибутированную выручку за сессию вместо кликов и следите за тем, не каннибализируют ли рекомендации товары, которые клиенты купили бы в любом случае.
Ошибка 4: достаточно ли сравнения «до» и «после»?
Нет. Сравнение этого месяца с прошлым смешивает изменение рекомендаций с сезонностью, акциями и расходами на рекламу. Результат выглядит как доказательство, но доказывает очень мало.
Вместо этого проведите контрольный тест. Большинство серьезных платформ поддерживают A/B-тестирование, где часть посетителей, часто от 10 до 20 процентов, не видит рекомендаций или видит старую версию. Проводите его достаточно долго, чтобы охватить как минимум один полный недельный цикл и достаточное количество заказов, чтобы уверенно считать разницу. Небольшим магазинам может потребоваться несколько недель.
Какие ошибки появляются после запуска?
Запуск — это не конец работы. Три проблемы обычно возникают в первые месяцы, как только реальный трафик достигает движка, а команда мерчандайзинга перестает наблюдать за ним каждый день.
Ошибка 5: игнорирование «холодного старта»
У новых посетителей и новых товаров нет истории. Модель, которая полагается только на поведение, показывает им общие популярные товары, что хорошо в первый день, но является упущенной возможностью после этого.
Решение — это смесь: правила на основе контента с использованием атрибутов товаров для новых товаров, контекст, такой как источник трафика или кампания для новых посетителей, и модели на основе поведения, как только появятся данные. Проверьте, как ваш инструмент справляется с этим; некоторые делают это по умолчанию, некоторым нужна настройка.
Ошибка 6: позволение движку переопределять бизнес-правила
Модели не знают, что товар скоро будет снят с производства, что партнер по бренду запрещает показывать его рядом с конкурентом, или что у категории низкая маржа. Без правил рекомендации могут продвигать товары, которые вы не хотите продавать.
Правила, которые стоит добавить в большинстве магазинов:
- Исключить отсутствующие и малоостаточные товары
- Исключить товары с возвратами выше вашего порога
- Держать рекомендации в разумном ценовом диапазоне просматриваемого товара
- Блокировать чувствительные сочетания, такие как товары для взрослых рядом с детскими товарами
- Закреплять сезонные или новые товары на фиксированный период
Ошибка 7: забывание о конфиденциальности и согласии
Персонализированные рекомендации используют поведенческие данные. Согласно GDPR и турецкому KVKK, отслеживание, которое не является строго необходимым, часто требует согласия, и многие покупатели отказываются. Если ваша настройка согласия полностью блокирует скрипт рекомендаций, большая часть посетителей может ничего не увидеть.
Проверьте, что делает инструмент без согласия. Хорошая настройка переключается на неперсонализированные рекомендации на основе текущей страницы, что все еще добавляет ценность и остается в рамках правил. Проверьте сами: откройте магазин в приватном окне, откажитесь от файлов cookie и посмотрите, что показывает каждое размещение. Если блоки пустые, решение обычно заключается в изменении конфигурации в инструменте согласия или скрипте рекомендаций, а не в новом поставщике.
Как Alien Road применяет рекомендации товаров с помощью AI
В типичном проекте работа начинается с аудита каталога и обзора текущих размещений, целей и отслеживания. Мы смотрим, какие виджеты существуют, на что каждый из них оптимизирован и проводился ли когда-либо тест.
Настройка затем следует указанному выше порядку: очистить фид, назначить цель для каждого размещения, добавить бизнес-правила и настроить контрольную группу. Измерение использует атрибутированную выручку за сессию и средний чек по сравнению с контрольной группой, с ежемесячными отчетами с примечаниями об изменениях в каталоге и акциях. Когда смена поставщика имеет смысл, мы говорим об этом, но в большинстве случаев у существующего инструмента еще есть потенциал.
С чего начать на этой неделе
Экспортируйте свой фид товаров и посчитайте отсутствующие значения в полях категории, цвета, размера и цены. Это единственное число говорит вам, насколько движок угадывает. Отсортируйте пробелы по выручке, чтобы товары, которые продаются больше всего, были исправлены первыми.
Затем откройте свой магазин на телефоне и пройдите по странице товара, корзине и оформлению заказа. Запишите каждый блок рекомендаций, что он показывает и имеет ли это смысл для данного момента. Большинство команд находят как минимум одно размещение, которое они удалили бы на месте.
Читайте дальше: Электронная коммерция · Электронная коммерция