何时以及如何实施产品推荐系统

产品推荐在 2008 年被亚马逊引入零售业后变得越来越流行，可以为零售商及其客户提供巨大的价值。炒作导致出现了大量与产品推荐相关的有时危险的神话（主要由供应商的销售和营销团队创建）。也就是说，您可能仍然会看到产品推荐解决方案作为完全自主的灵丹妙药呈现，只要安装在网站上就会增加利润。

实际上，事情要复杂得多。产品推荐可以做到这两点——提高销量和破坏转化率。而且衡量它的附加值具有挑战性，因为大多数免费分析工具可能会在这里误导您，从而导致损失增加。

在本文中，我将尝试涵盖零售商在处理产品推荐时需要考虑的最基本主题，并提供一些关于如何充分利用产品推荐的具体提示和技巧。

从工作流程和活动开始，而不是工具

产品推荐是建议客户购买的项目的集合。产品推荐可能会有所不同，具体取决于产品建议的显示位置（例如，销售经理的平板电脑或产品卡）以及企业的目标（例如，平均订单价值的增加或转化率或收入的增加）。

在实施产品推荐之前，了解它们在哪些工作流程中对客户有用至关重要。在经典的电子商务业务中，推荐看起来就像是展示在网站各个部分的产品卡片。例如，在某个品牌的网站上选择一件 T 恤会导致向客户推荐并展示其他类似的 T 恤。

离线推荐可以在 POS 上显示给商店员工、销售经理在他们的平板电脑上。产品推荐对呼叫中心也很有用。当客户来电时，接线员可以根据客户的购买历史和意见推荐产品。

同时，始终可以对产品建议进行微调，以更好地适应特定的业务目标或细分受众群的需求。例如，推荐可以只显示有折扣的产品（为了增加 UPT，每笔交易的单位），只显示特定品牌生产的产品（例如，产生最多利润的产品），或只显示产品你有很多库存。
以下是在线和离线推荐的一些示例：

线上渠道

• 在首页——热门产品；

• 在目录中——该类别中的热门产品；

• 在产品卡片中——相关或类似的产品；

• 在购物车中——相关产品或客户最常购买的产品。

  
  

线下渠道

• 在呼叫中心——相关或经常购买的产品；

• 在销售经理的平板电脑上——畅销书和产品系列；

• 在 POS — 相关或促销优惠。

  
  

在所有这些用例中至关重要的是——理想情况下，您的建议必须在不同的接触点和沟通渠道中保持一致。想象一下当您的客户在您的促销电子邮件、电子商务目录中收到不同（甚至相互矛盾的）推荐产品集时以及在订单确认期间与呼叫中心代表交谈时可能会获得的体验。如果是这种情况，您可能会考虑一个解决方案，使您能够跨接触点集中编排产品推荐逻辑，即客户数据平台 (CDP) 或类似平台。

同样的逻辑适用于客户旅程不同阶段的产品推荐算法变体——即在产品购物车或结账时推广更便宜的替代品可能没有多大意义（我们将在下面详细介绍）。

如何评估产品推荐的效率

产品推荐的状态和组成的不同组合以各种方式影响指标。无论您查看的是业务指标（例如平均订单价值或收入）还是代理（或中介）指标（例如页面深度、点击率以及产品添加到收藏夹或产品的次数），都是如此。到客户的购物车。

在首页打折的热门商品可以降低平均订单价值，反而会提高转化率。在产品卡片中推荐类似的、更昂贵的产品会降低转化率，但会增加平均订单价值和整体利润。

有关代理指标（例如视图）的信息收集速度更快，但是，这并不总是意味着业务成功。例如，作为我们在其网站上启动的实验的一部分，一家药店零售商将产品推荐添加到购物车页面，以增加每次购买的产品数量。在两天的测试中，该公司相对于对照组损失了 30,000 美元。事实证明，客户开始放弃购物车以访问推荐的产品卡页面，而忘记完成订单。我们看到页面深度增加了，但最终整体收入下降了。

这些是受产品推荐影响最大的指标：

业务指标

• 收入
• 利润
• 转换为订单
• 平均订单价值
• 订单中的产品数量

代理指标

• 访问深度
• 会话持续时间
• 跳出率
• 产品卡片浏览量
• 添加到购物车、愿望清单或比较列表的项目

为了简化编制产品推荐活动列表的任务，我建议克隆这个以及集思广益对您的业务有用的解决方案。例如，我在那里添加了一些选项。

如何个性化产品推荐

在确定产品推荐列表并设置目标指标后，您需要考虑如何优化产品推荐的质量。产品推荐应有助于为客户推荐最有用的商品。为此，产品建议必须基于以下因素：

• 业务目标——收入增长、盈利能力、平均订单价值、UPT 和销量；

• 客户行为——浏览历史、添加到购物车和收藏夹的项目、在线和离线购买历史；

• 其他类似客户的客户行为。

  
  

这样，将形成考虑到企业和客户利益的产品建议。考虑的数据越多，建议就越准确。如果客户在线下购买了一件衬衫，移动应用程序会向他们推荐配套的裤子，因为购买了相同衬衫的其他客户也喜欢这条裤子。

正如经常发生的那样，客户与品牌和产品系列互动的历史记录存储在多个系统中：ERP 软件中的离线销售、Shopify 等软件中的在线销售以及另一个系统中的客户操作（例如，将商品添加到愿望清单）平台。在这种情况下，我们可能不知道刚刚返回网站的客户在一小时前已经进行了线下购买。，例如，用于每周向所有受众发送电子邮件群发。线上购买记录、线下购买、邮件、短信、网页推送通知，都存储在不同的系统中。

因此，他们的营销人员无法访问单一数据源，无法让他们发送将购买历史考虑在内的营销活动。例如，客户可能会收到电子邮件，推荐他们前一天购买的 Crocs。分析的黄金法则之一听起来像“Garbade in - Garbade out”，这意味着如果您向算法提供不一致或不完整的数据，您很可能也会收到不满意的结果。这里（还）没有魔法。

要解决此问题，数据应集中在单个系统中。可以开发一个存储库，允许将积累的数据用于营销活动，但这是昂贵的。解决该瓶颈的最新方法是名为客户数据平台的技术类别。他们为不同的行业提供全方位的即用型解决方案。

该技术允许公司从无限数量的来源自动上传有关客户行为的数据，清理和统一数据，并获得客户与品牌互动的完整历史记录，您可以在此基础上开展营销活动，包括产品推荐。

积累的数据也可用于训练机器学习算法。即使是拥有数万客户的企业也会在 3-4 个月内积累足够的数据（在此期间生成了大约一百万条客户操作记录）以从机器学习中受益。算法会创建客户兴趣档案，找到相似的用户，并根据他们购买的商品向客户推荐他们可能想要购买的其他产品。正是这样.

集中化的另一个好处是有凝聚力的全渠道营销。这是在线渠道考虑线下商品的受欢迎程度时，网站上的产品推荐和活动中的产品推荐是同步的。因此，数据集中显着提高了产品推荐的质量。

有许多服务提供产品推荐。它们的功能在算法数量、是否允许您自定义产品推荐、它们提供的用于衡量推荐效率的工具以及可用于上传数据以构建推荐矩阵的来源方面有所不同。,， 和为公司提供技术，使他们能够使用 ML 解决方案微调产品推荐，并考虑来自在线、离线和移动应用程序的数据。

如何评估产品推荐的效率

性能测量工具因使用建议的渠道而异。同时，不管是什么渠道，原理都是一样的。客户分为两组。一组收到建议，而第二组则没有。如果获得推荐的组的销售额更高，则客户认为这些推荐有用。

线上渠道

在线测试时，我推荐使用谷歌的工具。它是免费的，只需几个步骤即可设置实验，并且不需要编程技能来创建测试。

如果您已经在使用 Google Analytics，Optimize 可以使用电子商务数据来评估实验效率。网站的一个变体将是原始版本，没有任何更改，而另一个变体将显示为客户推荐的产品。对于每个单独的小部件，您需要设置您的实验，确保数据不会混合，否则您将不知道哪个特定的推荐小部件有帮助，哪个没有。 ，在实施产品推荐后，收入增加了 5.5%。

电子邮件活动中的实验以类似的方式配置。一部分收件人收到带有推荐的电子邮件，而另一部分则没有。几乎每个电子邮件营销平台都提供 A/B 测试。

线下渠道

带有控制组的离线 A/B 测试的工作原理与在线测试相同。这可以在呼叫中心测试产品推荐时完成。拨打电话时，接线员的软件会向 CDP 发送请求，此时听众已分为两组。在一半的情况下，平台会在运营商的屏幕上显示产品推荐。在其他情况下，不提供任何建议。然后，根据 CDP 的内置报告，比较两组的行为以确定客户在哪里进行了更多购买。当收银员看到建议提示客户的时间只有一半时，可以将相同的方法应用于 POS 软件。

当产品推荐没有用时

产品推荐作为一种工具是由亚马逊公司发明的，用于向客户介绍产品系列。自动产品推荐对于产品范围少于 100 种产品的品牌没有用。在这种情况下，算法将根本没有足够的产品可供选择。因此，建议可以在 CMS 中手动配置一次。这不仅因为不需要购买第三方技术而更便宜，而且更容易，因为一旦配置了建议，就不需要支持它们。

然而，当涉及到没有在对照组上测试过的建议时，情况就不同了。使用上面提到的药房的例子（它实施了建议并在两天内损失了 30,000 美元）可以公平地说，如果不测试建议，它可能会导致公司亏损。如果我们以一家 10 岁以下儿童服装店为例，我在两个月的时间内进行了三次实验，相对于对照组实现了 +25% 的收入增长。

如何启动产品推荐

如果您决定在您的业务中尝试产品推荐，我建议您遵循以下步骤：

创建一个活动列表。打开您自己的网站并尝试了解建议在哪些情况下可能对您的客户有用。在这个阶段，我建议将您认为可行的所有内容都列成一个“愿望清单”，从简单的解决方案开始，例如主页上的热门产品，到当客户想要离开网站时弹出的个人推荐。根据范围排列结果的一组假设。看到建议的人越多，您在测试中获得具有统计意义的结果的速度就越快。要创建广告系列列表，请使用我在上面提供了。

定义指标。指标将帮助您了解您想要推荐哪些产品并确定成功的标准。我的建议是一开始不要使这项任务过于复杂。查看收入和页面深度（也称为“快速代理指标”）。对于离线推荐，它可以是收入和平均订单价值。

向产品推荐服务的开发人员或代表展示此“愿望清单” 。开发人员将能够告诉您实施需要多长时间，服务代表将告诉您如何快速设置所需的活动。在 Bloomreach、Klaviyo 或 Mindbox 等服务中，最流行的活动是开箱即用的。同事的反馈也将使您能够调整启动计划——某些阶段可以更快地实施。

确保可管理性和可定制性。检查您是否能够跨不同的接触点协调您的推荐逻辑，并对其进行自定义以更好地适应某些特定客户群——即品牌爱好者、大量购买等。

将客户与品牌和产品系列的互动历史上传到产品推荐服务。来自线上和线下渠道以及移动应用程序的数据将使您能够生成更好的建议并保证所有接触点的统一营销。如果您使用 CDP，您也可以将积累的数据用于其他营销活动。

设置测试工具。例如，您可以对在线渠道使用 Google 优化，对离线渠道使用控制组。主组和对照组的分配可以是50/50，而效率可以通过收入来评估。

监控实验的进度并在产品建议未按预期工作时调整产品建议。您可能需要长达 2-3 个月的时间才能收到第一个成功的结果，并且某些小部件可能会导致收入下降。然而，一旦一切正常运行，您将看到收入增加 5.5%，就像 Incanto 在线商店所做的那样。