AI ürün önerileri, her bir alışverişçinin isteyebileceği ürünleri ürün sayfalarında, sepetlerde, e-postalarda ve reklamlarda önermek için satın alma geçmişini, tarama davranışını ve ürün özelliklerini kullanır. Müşteri kampanyalarında bunlar, katalog verileri temiz olduğunda, yerleşimler alışverişçinin aşamasına uygun olduğunda ve her bir widget çok satanlar gibi basit bir temel çizgiye karşı test edildiğinde çalışır.
AI ürün önerileri nasıl çalışır?
Öneri motorları birkaç yöntem ailesine dayanır. İşbirlikçi filtreleme, alışverişçiler arasında kalıplar bulur: çadır satın alan insanlar genellikle uyku matı da satın alırlar. İçerik tabanlı filtreleme, kategori, renk, malzeme ve fiyat gibi ürün özelliklerini karşılaştırır. Modern sistemler bunları, yakın zamandaki davranışı, oturum bağlamını ve iş kurallarını ağırlıklandıran makine öğrenimi modelleriyle birleştirir.
Çoğu mağaza bunu kendisi inşa etmez. Shopify yerel ürün önerileri ve bir Search & Discovery uygulaması sunar ve birçok satıcı Rebuy, LimeSpot veya Nosto gibi uygulamalar ekler. WooCommerce mağazaları eklentiler kullanır veya harici motorlara bağlanır. Daha büyük perakendeciler, Google Cloud’un Vertex AI Search for commerce, Amazon Personalize, Dynamic Yield veya Algolia Recommend gibi platformlarını kullanır. Klaviyo gibi e-posta platformları, mağaza verilerinden oluşturulan öneri bloklarını içerir.
Motor, girdileri kadar iyidir. Eksik kategoriler, tutarsız başlıklar ve stok bilgisi olmayan ürünler garip öneriler üretir.
Öneriler bir kampanyada nerede görünür?
Site içi yerleşimler
- Ürün sayfası: benzer ürünler ve sıkça birlikte satın alınanlar.
- Sepet ve ödeme: siparişi tamamlayan düşük maliyetli eklentiler.
- Ana sayfa: geri dönen ziyaretçiler için son görüntülenenler ve kişiselleştirilmiş seçimler.
- Boş arama sonuçları: çıkmaz yol yerine alternatifler.
- Satın alma sonrası sayfası: tamamlayıcı ürünler veya stok yenileme.
E-posta ve mesajlaşma
Terk edilmiş sepet, göz atma terk etme ve satın alma sonrası akışları, sabit bir çok satanlar bloğu yerine ilgili ürünleri gösterdiklerinde daha iyi performans gösterir. Klaviyo ve benzeri araçlar bu boşlukları katalog ve etkinlik verilerinden otomatik olarak doldurur.
Ücretli reklamcılık
Meta’daki dinamik ürün reklamları (Advantage+ katalog reklamları) ve Merchant Center beslemesine sahip Google Performance Max, kendi başlarına öneri sistemleridir: platformlar hangi ürünlerin kime gösterileceğini seçer. Besleme kalitesi ve ürün gruplandırması, neyi seçeceklerini güçlü bir şekilde etkiler.
Öneriler hangi verilere ihtiyaç duyar?
Herhangi bir widget yayına girmeden önce veri temellerini kontrol ederiz:
- Doğru başlıklar, kategoriler, fiyatlar, görseller ve stok durumu içeren eksiksiz bir ürün beslemesi.
- Ürün görüntülemeleri, sepete eklemeler ve satın almalar için etkinlik takibi, motora ve GA4 gibi analitik araçlarına tutarlı bir şekilde gönderilir.
- Kalıpların oluşması için yeterli trafik ve sipariş; az siparişi olan küçük kataloglar kural tabanlı seçimlerle daha iyi çalışabilir.
- İş kuralları: stokta olmayan ürünleri hariç tutun, marj sınırlarına saygı gösterin, sepette zaten olan ürünün daha ucuz bir versiyonunu önlemekten kaçının.
- Onay yönetimi: davranışa dayalı kişiselleştirilmiş öneriler, GDPR veya KVKK kapsamında alışverişçinin çerez onayına bağlıdır ve onay vermeyen ziyaretçiler için yedek plan hala çalışmalıdır.
Önerilerin çalışıp çalışmadığını nasıl test ederiz?
Bir öneri widget’ı her zaman yararlı görünür, bu yüzden test edilmesi gerekir. Dürüst karşılaştırma basit bir alternatife karşı yapılır: aynı kategorideki çok satanlar veya hiç widget olmaması.
Olağan yöntemimiz:
- Sepet gibi bir yerleşim ve ortalama sipariş değeri gibi önemli bir metrik seçin.
- Ziyaretçilerin yarısının AI önerilerini, diğer yarısının ise çok satanları gördüğü bir A/B testi çalıştırın.
- Bunu en az iki tam haftalık döngüyü ve anlamlı bir okuma için yeterli siparişi kapsayacak kadar uzun süre çalıştırın.
- Ana metriğin ötesine bakın: dönüşüm oranını kontrol edin, böylece daha yüksek bir sipariş değeri daha az siparişi gizlemesin.
- Sonuçları yeni ve geri dönen ziyaretçilere göre segmentlere ayırın, çünkü kişiselleştirme genellikle geri dönen alışverişçilere daha fazla yardımcı olur.
Birçok uygulama kendi gelir ilişkilendirmesini raporlar, genellikle tıklanan bir öneriyi içeren herhangi bir siparişi sayar. Bu rakamlar genellikle cömert olma eğilimindedir. Kontrollü bir test tek güvenilir okumadır.
Alien Road, müşteriler için AI ürün önerilerini nasıl uygular?
Tipik bir çalışmada keşif, mağazanın analitiği ve kataloğu ile başlar. Ortalama sipariş değerine, birden fazla ürün içeren siparişlerin payına, en iyi ürün çiftlerine ve hunideki bırakma noktalarına bakarız. Bu, önerilerin nerede değer katabileceğini ve nerede sadece karmaşa yaratacağını gösterir.
Kurulum, besleme temizliğini, takip kontrollerini ve yerleşim planını kapsar. Genellikle uygulamanın sunduğu her widget’ı açmak yerine, ürün sayfası çapraz satışları ve sepet eklentileri gibi bir veya iki yüksek trafikli yerleşimle başlarız. Stok, marj ve kategori mantığı için iş kuralları lansmandan önce yapılandırılır.
Ölçüm için her yeni yerleşim, çok satanlar temel çizgisine karşı kontrollü bir test olarak çalışır; sipariş değeri, dönüşüm oranı ve ziyaretçi başına gelir GA4’te ve mağazanın kendi raporlarında izlenir. E-posta öneri blokları, bölünmüş varyantlarla akışlarda test edilir.
Raporlama, hiçbir fark yaratmayan yerleşimler dahil olmak üzere test sonuçlarını dürüstçe karşılaştırır. Bir widget temel çizgiyi geçemediğinde, kaldırılır veya yeniden tasarlanır, çünkü ürün sayfasındaki her öğe dikkat çekmek için rekabet eder.
Önerilerin sonuç göstermesi ne kadar sürer?
Bir öğrenme dönemi bekleyin. Davranışa dayalı motorlar kalıpları bulmak için yeterli ürün görüntülemesine ve siparişe ihtiyaç duyar, bu nedenle yeni bir mağaza veya yeni başlatılan bir katalog ilk haftalarda genel öneriler gösterebilir. Bu süre zarfında, kategori çok satanları gibi kural tabanlı yedekler widget’ı yararlı tutar.
Mevsimsellik de önemlidir. Bir hediye dükkanının Aralık ayındaki en iyi çiftleri Mart ayındakilere hiç benzemez, bu yüzden kalıcı sonuçlar çıkarmadan önce sonuçları mevsimler boyunca gözden geçirin. Orta ölçekli bir mağaza için bir çeyreklik veri, genellikle bir yerleşimin sayfadaki yerini hak edip etmediğine dair adil bir resim sunar.
Hangi hatalardan kaçınmalısınız?
- Stokta olmayan veya uzun teslimat süreleri olan ürünleri önermek.
- Zaten seçilmiş olan ürünü yiyip bitiren neredeyse aynı ürünleri göstermek.
- Sayfayı dört öneri karuseli ile aşırı yüklemek.
- Karusellerin sepete ekle düğmesini ekranın altına itebileceği mobil düzeni görmezden gelmek.
- Test yapmadan uygulama tarafından bildirilen gelire güvenmek.
- Takibi reddeden ziyaretçiler için yedek planı unutmak.
Bu hafta nereden başlamalı
Son üç aylık siparişlerinizi dışa aktarın ve en yaygın on ürün çiftini bulun. Bu çiftlerin ürün sayfalarınızda zaten birlikte görünüp görünmediğini kontrol edin. Görünmüyorlarsa, platformunuzun yerel araçlarını kullanarak bu ürünler için sıkça birlikte satın alınanlar bloğu oluşturun ve bunu iki hafta boyunca mevcut sayfanıza karşı bölünmüş test olarak çalıştırın. Bu, daha büyük bir öneri motoru için ödeme yapmadan önce size bir temel çizgi verecektir.