전자 상거래 판매를 3배로 늘리는 10가지 제품 권장 전략

소개

9억 명의 인터넷 사용자가 있는 인도는 세계에서 두 번째로 큰 온라인 시장입니다. 이러한 디지털 사용자의 기하급수적인 성장은 느슨하게 그들의 온라인 활동으로 해석되며 전자 상거래는 그 중 상당 부분을 차지합니다. 그러나 더 많은 것이 비즈니스에 항상 즐거운 것은 아닙니다. 소매 시장 내 사용자와 조직의 유입으로 인해 브랜드 경쟁이 심화되어 전자 상거래가 경쟁이 치열한 공간이 되었습니다.

이러한 현대 고객은 이제 쇼핑할 수 있는 옵션의 유입에 직면해 있습니다. 수천 개의 전자 상거래 웹사이트는 매분 동일한 제품은 아니더라도 유사한 제품을 판매하려고 합니다. 그러나 그들의 온라인 지출은 그 어느 때보다 더 빠듯하게 책정되어 있습니다!

그렇다면 전자 상거래 사이트는 어떻게 고객의 지갑을 뚫고 판매 목표를 달성함으로써 업계를 지배할까요? 신뢰할 수 있는 방법 중 하나는 고객이 관심 있는 항목을 눈에 띄게 표시하는 데 사용되는 동적 예측 시스템인 제품 추천을 이용하는 것입니다.

전자 상거래 사이트의 71% 이상이 홈페이지에서 제품을 추천합니다. 이를 통해 참여, 전환 및 수익을 높일 수 있었습니다. 추천은 방문의 7%에 불과했지만 수익의 26%를 차지했습니다.

추천 시스템이 무엇이고 어떻게 작동하는지 자세히 두 번 댑하는 동안 진행하기 전에 기본 사항을 이해합시다. 아래 퍼널은 추천이 제품 검색을 단순화하여 따뜻한 리드를 의도가 높은 쇼핑객으로 전환하는 방법을 보여줍니다.

추천 시스템은 쇼핑객의 행동을 이해하고 미래의 요구 사항을 예측하기 위해 데이터 더미를 분석하는 알고리즘을 사용하여 구축됩니다. Netflix가 다음에 보고 싶은 영화를 정확히 아는 방식입니다. 이와 같이 고객의 니즈를 분석하고 예측하는 것을 고객 프로파일링이라고 하며 추천을 개인화하는 데 도움이 됩니다.

쇼핑객이 이러한 권장 사항을 클릭하면 장바구니에 상품을 추가하고 거래를 완료할 가능성이 4.5배 더 높아집니다. 제품.

이러한 권장 사항은 10% 더 높은 평균 주문 금액(AOV)으로 이어집니다. 권장 사항은 구매자의 삶을 편하게 해줄 뿐만 아니라 전자 상거래 마케터가 판매를 촉진하고 목표를 달성할 수 있는 최고의 도구이기도 합니다.

전자상거래 전환율: 계산 및 해석

대부분의 권장 사항의 목표는 구매를 유도하는 것입니다. 그러나 이 목표는 고객 서비스 문의, 뉴스레터 구독 또는 리드 생성 양식 작성과 같은 작업을 포함하는 웹 사이트의 특성에 따라 달라질 수 있습니다.

결과적으로 전환은 이 최종 목표(거래, 양식, 결과 등)의 완료에 대한 웹 사이트 세션의 비율입니다. 사이트의 의도된 작업을 완료한 방문자의 비율을 측정하는 데 도움이 됩니다. 예를 들어 목표가 상품을 구매하는 것이라면 전환율은 '총 구매 방문자 수를 전체 웹사이트 방문자 수로 나누어 계산합니다. 이것을 100으로 곱하면 전환율이 됩니다!

예를 들어 웹사이트 방문자가 80,000명이고 그중 6,000명이 제품을 구매했다면 전환율은 7.5%입니다.

공식은 다음과 같습니다. 전자상거래 전환율(7.5%) = 총 구매 방문자(80,000) / 총 웹사이트 방문자(6,000) x 100

제품 추천의 성공 여부는 전환율로 가장 잘 측정되지만 AOV(평균 주문 금액) 및 CTR(클릭률)도 고객의 요구에 가장 적합한 제품으로 고객을 지원하는 이점을 반영합니다.

평균 주문 금액은 웹사이트 고객이 지출한 평균 달러(루피) 금액입니다. 수익을 총 주문 수로 나누어 계산하여 업셀링/크로스셀링에서 추천이 얼마나 성공적이었는지를 증명합니다.

공식은 다음과 같습니다. 평균 주문 금액(AOV) = 수익 / 번호 순서

마찬가지로 클릭률은 웹사이트의 특정 링크를 클릭한 횟수를 나타냅니다. 클릭수를 노출수(예: 링크가 표시된 횟수)로 나누어 계산합니다.

공식 작동 방식: CTR = 클릭수(광고를 클릭한 사람 수) / 노출수(광고를 본 사람 수) x 100

CTR은 구매 의도가 높은 구매자의 %를 가리킵니다. 추천을 클릭한 사용자는 재방문할 가능성이 거의 2배 더 높기 때문입니다! 요컨대 추천을 클릭하면 전환율과 수익을 높이는 데 매우 생산적입니다.

제품 추천이란 무엇입니까?

이제 우리는 제품 추천이 수천 명의 쇼핑객의 과거 거래를 분석하고 미래의 요구 사항을 예측함으로써 배후에서 마법을 부린다는 것을 이해합니다. 그런 다음 이 분석은 웹 사이트 방문자에게 추천 형식으로 표시되어 더 많이 더 빨리 구매하도록 유도합니다.

FirstCry 웹사이트의 아래 이미지를 간단히 살펴보겠습니다. '좋아할 수도 있습니다'와 '자주 함께 구매하는 항목'은 모두 사용자의 구매 또는 선택을 유도하는 브랜드의 추천입니다.

대부분의 전자 상거래 사이트는 2.5~3%의 전환율로 어려움을 겪고 있지만 제품 추천은 방문자의 49% 이상이 원래 의도하지 않은 제품을 구매하도록 유도할 수 있습니다.

아직 확신이 서지 않는다면 전자 상거래 사이트에 제품 권장 사항을 포함해야 하는 다음 4가지 중요한 이유를 확인하십시오.

1. 향상된 사용자 경험 –

오프라인 생활에서 우리는 종종 지역 슈퍼마켓에서 가게 주인의 제안에 의존했습니다. 왜? 편리하고 빠르기 때문입니다. 온라인 제품 추천은 탐색에서 결제까지 사이트에서 고객의 여정을 쉽게 함으로써 동일한 목적을 수행합니다.

고객의 56%가 추천 사이트로 돌아가고 쇼핑 경험이 개인화되지 않은 경우 71%가 불만을 느낄 정도로 매우 중요해졌습니다.

2. 더 나은 고객 참여 –

고객은 신뢰와 이해받는 느낌을 바탕으로 성장합니다. 마케터는 구매 패턴을 보완하는 개인화된 제품 추천을 제공함으로써 그렇게 할 수 있습니다. 이것은 사이트에서 더 높은 클릭, 더 많은 방문 및 이메일과 같은 다른 커뮤니케이션 채널의 활성화를 유도하는 데 도움이 됩니다.

예를 들어, 인도 스트리밍 서비스인 ALTBalaji는 더 높은 구독을 유도하기 위해 이메일을 통해 개인화된 권장 사항을 보낸 방법입니다. 사이트 추천은 아니지만 이메일, SMS, 푸쉬알림 모두 부활이나 재구매를 늘리기 위한 매체로 활용될 수 있습니다.



3. 수익 증가 –

분명히 제품 추천은 유사하거나 업그레이드된 제품으로 구매자의 선호도를 보완할 수 있는 좋은 기회를 제공합니다. 마케터는 이 기회를 이용하여 '자주 함께 구매함' 및 '이 상품을 구매한 고객'과 같은 섹션을 사용하여 교차 판매 및 상향 판매해야 합니다. 아래는 유사한 장르의 책에 대한 Amazon의 또 다른 권장 사항입니다.



4. 충성도 구축 –

추천은 모든 접점에서 고객 여정을 개인화하므로 전반적인 만족도가 높아집니다. 만족한 고객은 입소문을 통해 사이트를 홍보할 뿐만 아니라 재방문할 가능성이 더 큽니다.

추천 엔진은 어떻게 구축됩니까?

전자 상거래 사이트 방문자에게 개인화된 권장 사항을 표시하기 위해 알고리즘을 사용하는 방법에 대해 간략하게 설명했습니다. 그것에 대해 자세히 알아보겠습니다.

제품 추천 엔진은 기계 학습(ML)을 사용하여 수많은 사용자 데이터를 분석 및 모델링합니다. 먼저 사용자의 과거 거래, 브라우저 기록, 링크 클릭 및 기타 참여에 관한 데이터(입력)를 받습니다. 이 데이터가 정리되고 유사한 행동을 하는 사용자가 다른 매개 변수를 기반으로 분류되면 추천 시스템이 생성됩니다.

대부분의 추천 시스템은 다음 세 가지 접근 방식 중 하나를 사용하여 구현됩니다.

1. 협업 필터링 : 이 모델은 과거에 유사한 제품을 구매한 사용자가 미래에도 동일한 패턴을 반복할 가능성이 높다는 가정하에 작동합니다. 따라서 Jasmine이 피자와 샐러드를 구입한 반면 Aliya는 다이어트 콜라와 함께 구입한 경우 Jasmine도 그렇게 할 것입니다.
2. 콘텐츠 기반 모델 : 이 모델은 방문한 모든 사이트의 쿠키 데이터를 사용하여 각 사용자의 좋아요와 싫어요를 이해합니다. 그런 다음 추천 제품은 과거 상호 작용과 유사한 항목을 즐길 것이라는 가정하에 필터링됩니다.

예를 들어 Nick이 노란색 신발, 셔츠, 치노 팬츠를 구입했다면 나중에 노란색 바지를 찾을 가능성이 높습니다.

3. 하이브리드 필터링 : 콘텐츠와 협업 기반 필터링을 결합하여 사용자 간의 공유 선호도를 고려하되 개별 사용자의 선호도에 따라 필터링한 후 결과를 표시하는 방식입니다. 예를 들어 Netflix는 유사한 사용자의 습관을 기반으로 영화를 필터링하지만 이 사용자의 과거 상호 작용과 일치하는 영화만 표시합니다.

전자상거래 전환율을 높이는 10가지 제품 추천 전략

COVID-19는 우리가 쇼핑하는 방식을 바 꾸었습니다. 개발도상국에서만 온라인 쇼핑객의 비율이 33%에서 60%로 급증했습니다. 그 결과 여러 비즈니스가 온라인 상태가 되었습니다. 그러나 그들 중 다수는 여전히 권장 사항을 개인화하는 데 어려움을 겪어 경쟁에서 트래픽을 잃습니다.

반면에 개인화된 권장 사항을 보여주는 성공적인 비즈니스는 고객이 구매할 가능성이 91% 더 높습니다. 핵심은 누구에게 무엇을 보여줄지 아는 것입니다. 따라서 다음은 이 질문에 답하는 데 도움이 되는 몇 가지 유형의 제품 권장 사항입니다.

• 개인화 – 액션 스릴러를 보거나 파란색 드레스를 구입했습니까? 같은 식당에서 반복적으로 음식을 주문한 적이 있습니까? 이 모든 데이터를 분석하여 고객의 호불호를 이해하고 관련 권장 사항을 제시합니다.

이러한 권장 사항이 고객의 취향에 가까울수록 전환율이 높아집니다. 개인화 추천은 또한 쇼핑객의 54%가 평균 주문 가치를 높이도록 설득했습니다.



• 관련 제품: 쇼핑할 수 있는 수천 개의 제품이 있기 때문에 고객은 한 페이지에서 다른 페이지로 이동해야 하는 불편함을 쉽게 느낄 수 있습니다. 그러나 이것은 '유사 제품' 추천 범주가 우리에게 도움이 되는 곳입니다.

고객은 더 많은 상품을 확인할 수 있을 뿐만 아니라 옵션을 쉽게 비교하고 원활하게 거래를 완료할 수 있습니다.



• 교차 판매 및 상향 판매: 최근에 휴대폰을 구입한 고객이 곧 케이스가 필요할 것이라고 생각하는 것은 거의 직관적입니다. 마찬가지로 재킷을 탐색하는 사람은 더 많은 겨울 의류가 필요할 수 있습니다.

제품 추천은 '당신과 같은 사람들이 구매한 것' 및 '자주 함께 구매한 항목'과 같은 범주를 사용하여 항목을 상향 판매 또는 교차 판매함으로써 이 기회를 최대한 활용합니다.

• 사회적 증거: 쇼핑객은 안전감을 제공하고 신뢰를 구축하는 데 도움이 되기 때문에 리뷰를 통해 번창합니다. 연구에 따르면 쇼핑객의 47% 이상이 전자상거래 사이트에서 (시각적) 사회적 증거를 찾습니다.

따라서 과거 고객들로부터 높은 평가를 받은 제품을 추천하면 거래를 더 빨리 성사시키는 데 도움이 됩니다. 일반적인 카테고리에는 '최상급 제품' 또는 '인플루언서 추천'이 포함됩니다.



• Seasonal – 고객이 계절의 변화에 ​​따라 진화해야 하는 것은 당연합니다. 이 추천 범주는 식품 및 패션 제품의 경우 잘 작동합니다.

예를 들어, 여름은 망고 마니아를 불러일으키고 봄 시즌에는 화려한 의상이 유행합니다.

• New arrivals: 패스트 패션과 빠르게 발전하는 기술의 시대에 '신상품'을 기반으로 한 추천은 효과적인 제품 프로모션 전략입니다.



이러한 권장 사항은 고객에게 FOMO(Fear of Missing Out)를 만듭니다. 결국, 누가 새 전화/드레스를 과시하는 것을 좋아하지 않습니까?

• 묶음 상품: 광범위한 고객층에서 반복되는 경향이 있는 쇼핑 트렌드를 활용하여 '이 상품을 본 고객이 본 상품' 또는 '자주 함께 구매한 상품'과 같은 카테고리에 권장 사항을 표시할 수 있습니다. 따라서 제품은 일반적으로 결제 시 함께 번들로 제공되어 판매 및 평균 주문 금액(AOV)을 높입니다.



• 검색 기록 기반 - 구매하려는 진지한 의도 없이 전자 상거래 웹사이트를 검색하는 것은 인간의 경향입니다. 따라서 알고리즘은 과거 브라우징 데이터를 사용하여 요구 사항/욕구를 식별하고 그에 따라 권장 사항을 표시합니다.
• 재입고된 제품: 가구 전자 상거래 사이트에서 흔히 볼 수 있는 이 유형의 권장 사항은 더 빨리 매진되는 제품을 활용하여 판매를 촉진합니다.

재고를 걱정하는 고객에게 긴박감을 줄 뿐만 아니라 반복 고객의 브랜드 충성도를 구축하는 데 도움이 됩니다.

어떤 유형의 권장 사항을 선택하든 적절하게 배치해야 합니다. 그렇지 않으면 판매 기회를 모두 잃게 됩니다.

일류 브랜드의 상품 추천 사례

제품 검색을 해결하면 전자 상거래 사이트의 사용자 경험이 향상됩니다. Amazon, Myntra 또는 Netflix와 같은 시장 지배자가 최고의 위치를 ​​유지하기 위해 '제품 추천' 경쟁에 뛰어드는 것은 놀라운 일이 아닙니다. 3가지 브랜드를 자세히 연구하여 추천이 어떻게 그들에게 도움이 되었는지 이해해 봅시다.

예 1: 아마존

Amazon은 사용자 여정 전반에 걸쳐 전략적으로 배치된 광범위한 추천 스타일을 사용하여 더 높은 클릭률과 전환율을 달성합니다.

다음은 Amazon India의 '이 상품을 구매한 고객이 함께 구매한 상품' 추천의 몇 가지 예입니다. Mckinsey에 따르면 이러한 유형의 개인화 추천은 총 수익의 35% 이상에 기여했으며 매출이 29% 증가했습니다.

예 2: 니카

인도 최대의 미용 및 웰빙 소매업체 중 하나인 Nykaa는 '당신도 좋아할 수도 있습니다' 추천 유형을 사용하여 사용자 그룹 간의 공유 관심사를 기반으로 제품을 교차 판매했습니다. 그 결과 2020년까지 Nykaa 고객의 50%가 일상적인 방문자가 되었으며 그들의 구매 가이드 스타일 권장 사항은 그 해 총 상품 가치(GMV)의 3%에 기여했습니다.

피해야 할 실수

제품 권장 사항을 표시하는 것만으로는 충분하지 않습니다. 시기부터 배치까지 다른 모든 것이 성공에 중요한 역할을 합니다. 다음은 피해야 할 5가지 실수입니다.

• 잘못된 배치 – 노트북 제품 페이지에 반바지에 대한 권장 사항을 표시하는 것은 도움이 되지 않습니다. 대신 노트북 가방과 같은 관련 제품을 표시하면 전환율이 높아집니다.
• 압도적인 추천 – 너무 많은 정보는 노이즈입니다. 너무 많은 권장 사항은 아무 것도 의미하지 않습니다. 따라서 추천으로 구매자의 화면을 과도하게 채우지 마십시오.
• 상황에 구애받지 않는 추천 – 모든 추천은 구매자의 상황(위치, 인구 통계 또는 구매 내역)과 호환되어야 합니다. 그래야만 구매자가 스팸 메일을 받지 않고 이해했다고 느낄 것입니다.

다음은 Amazon의 무감각한 제품 추천의 예입니다.


• A/B 테스트 부족: A/B 테스트는 권장 사항의 수, 모양 및 위치 지정과 같은 매개 변수를 최적화하기 위한 전제 조건입니다. 이렇게 하면 전환율이 더 높은 권장 사항을 식별하고 유지하는 데 도움이 됩니다.
• 잘못된 탐색: 권장 사항은 유도하는 전환만큼만 좋습니다. 따라서 링크를 클릭한 사용자의 여행 후 마찰을 제거해야 합니다. 연락처, 제품 카탈로그 및 카트와 같은 모든 중요한 페이지는 항상 쉽게 액세스할 수 있어야 합니다.

결론

판매를 촉진하고 주문 가치를 높이며 고객 참여를 개선하는 데 있어서 제품 추천의 진정한 잠재력을 이해하는 것은 눈을 뜨게 하는 역할을 할 수 있습니다. 그러나 노련한 마케터조차도 추천을 최대한 활용하지 못합니다.
실행 권장 사항이 너무 비싸거나 너무 복잡하기 때문이라고 생각한다면 지금이 정답입니다. 그렇지 않습니다! WebEngage의 제품 추천 도구는 매우 간편하며 많은 클라이언트가 추가 수익을 창출하는 데 도움이 되었습니다.

약 81%의 쇼핑객이 WebEngage 클라이언트가 탁월하도록 돕는 기능인 개인화된 제품 추천 마케팅 이메일을 받은 후 구매에 동의했습니다. 마케팅 채널에 미리 채워진 템플릿을 사용하여 WebEngage 사용자는 고객과 접촉할 수 있는 매우 흥미롭고 창의적인 방법을 고안할 수 있습니다.

WebEngage에는 전자 상거래 사이트의 추천 시스템 요구 사항을 충족하는 포괄적인 패키지가 있습니다. 수익을 높일 수 있는 옵션을 찾고 있다면 오늘 데모를 통해 비즈니스 변화를 지켜보십시오!