E-Ticaret Satışlarınızı Üçe Katlayacak 10 Ürün Önerisi Stratejisi

giriiş

900 milyon internet kullanıcısıyla Hindistan, dünyanın en büyük ikinci çevrimiçi pazarıdır. Dijital kullanıcılardaki bu üstel büyüme, gevşek bir şekilde, artan çevrimiçi etkinlikleri anlamına gelir ve e-ticaret, bunun önemli bir parçasıdır. Ancak işletmeler için daha fazlası her zaman keyifli değildir – perakende pazarındaki kullanıcı ve kuruluşların akışı, markalar için daha fazla rekabeti beraberinde getirerek e-ticareti son derece rekabetçi bir alan haline getirdi.

Bu modern müşteriler artık alışveriş yapmak için bir dizi seçenekle karşı karşıya. Binlerce e-ticaret sitesi, her dakika aynı olmasa da benzer ürünleri kendilerine satmaya çalışıyor. Yine de, çevrimiçi harcamaları her zamankinden daha sıkı bir bütçeye sahip!

Peki e-ticaret siteleri bir müşterinin cüzdanına girerek ve satış hedeflerini karşılayarak sektöre nasıl hakim oluyor? Güvenilir yöntemlerden biri, ürün önerileridir - müşterinin ilgisini çeken öğeleri belirgin bir şekilde görüntülemek için kullanılan dinamik bir tahmin sistemi.

E-ticaret sitelerinin %71'inden fazlası ana sayfalarında ürün tavsiye ediyor. Bu, etkileşimi, dönüşümleri ve geliri artırmalarına yardımcı oldu. Öneriler, ziyaretlerin yalnızca %7'sine katkıda bulunurken, gelirin %26'sını oluşturdu.

Öneri sistemlerinin ne olduğunu ve nasıl çalıştığını ayrıntılı olarak iki kez inceleyecek olsak da, devam etmeden önce temellerini anlayalım. Aşağıdaki dönüşüm hunisi, önerilerin, onlar için ürün keşfini basitleştirerek sıcak müşteri adaylarını nasıl yüksek niyetli müşterilere dönüştürdüğünü gösterir.

Öneri sistemleri, alışveriş yapanların davranışlarını anlamak ve gelecekteki ihtiyaçlarını tahmin etmek için veri yığınlarını analiz eden algoritmalar kullanılarak oluşturulur. Tıpkı Netflix'in bundan sonra hangi filmi izlemek istediğinizi bilmesi gibi. Müşteri ihtiyaçlarını bu şekilde analiz etme ve tahmin etme, önerilerin kişiselleştirilmesine yardımcı olan müşteri profili oluşturma olarak bilinir.

Alışveriş yapanlar bu tür tavsiyelere tıkladığında, ürünü sepete ekleme ve işlemlerini tamamlama olasılıkları 4,5 kat daha fazladır. Bunun nedeni, sistemin, alışveriş davranışlarına veya alışveriş yapan kullanıcıların en fazla satın aldığı ürüne göre ürünleri önermesidir. ürün.

Bu öneriler, %10 daha yüksek bir Ortalama Sipariş Değerine (AOV) yol açar. Öneriler yalnızca alıcının hayatını kolaylaştırmakla kalmaz, aynı zamanda bir e-ticaret pazarlamacısının satışları artırması ve hedeflere ulaşması için nihai araçtır!

E-Ticaret Dönüşüm Oranları: Hesaplama & Yorumlama

Çoğu tavsiyenin amacı satın almaları artırmaktır. Ancak bu hedef, müşteri hizmetleriyle iletişime geçmek, bir haber bültenine abone olmak veya potansiyel müşteri yaratma formu doldurmak gibi eylemleri içerecek şekilde web sitesinin doğasına göre değişebilir.

Sonuç olarak dönüşüm, web sitesi oturumlarının bu nihai hedefin (işlemler, formlar, sonuçlar vb.) tamamlanmasına oranıdır. Sitenin amaçlanan eylemini tamamlayan ziyaretçilerin yüzdesinin ölçülmesine yardımcı olur. Diyelim ki amaç ürünü satın almaktı, ardından dönüşüm 'satın alan toplam ziyaretçinin toplam web sitesi ziyaretçisine bölünmesiyle hesaplanır. Bunu 100 ile çarpın ve bu sizin dönüşüm oranınız!

Örneğin, web sitenizin 6.000'i ürün satın alan 80.000 ziyaretçisi varsa, dönüşüm oranı %7,5'tir.

Formül şu şekildedir: E-ticaret dönüşüm oranı (%7,5) = Satın alan toplam ziyaretçi (80.000) / Toplam web sitesi ziyaretçisi (6.000) x 100

Ürün önerilerinin başarısı en iyi dönüşüm oranlarıyla ölçülse de, Ortalama Sipariş Değeri (AOV) ve Tıklama Oranı (TO), bir müşteriye ihtiyaçlarına en uygun ürünler konusunda yardımcı olmanın faydalarını da yansıtır.

Ortalama sipariş değeri, bir web sitesinin müşterisi tarafından harcanan ortalama dolar (rupi) tutarıdır. Gelirin toplam sipariş sayısına bölünmesiyle hesaplanır ve tavsiyelerin ek satış / çapraz satışta ne kadar başarılı olduğunu kanıtlar.

Formül şu şekildedir: Ortalama Sipariş Değeri (AOV) = Gelir / Sayıların Sırası

Aynı şekilde, Tıklama Oranı, web sitesindeki belirli bir bağlantının tıklanma sayısını temsil eder. Tıklamaların gösterimlere (yani, bağlantının görüntülenme sayısı) bölünmesiyle hesaplanır.

Formülün işleyişi: TO = Tıklamalar (reklamı tıklayan kişi sayısı) / Gösterimler (reklamı görüntüleyen kişi sayısı) x 100

Bir öneriye tıklayanların geri gelme olasılığı yaklaşık 2 kat daha fazla olduğundan, TO, yüksek niyetli alıcıların yüzdesini gösterir! Kısacası bir tavsiye tıklandıysa dönüşüm oranını ve geliri artırmada oldukça verimlidir.

Ürün Önerisi nedir?

Şimdiye kadar, ürün tavsiyelerinin binlerce müşterinin geçmiş işlemlerini analiz ederek ve gelecekteki ihtiyaçlarını tahmin ederek perde arkasında büyü yaptığını anlıyoruz. Bu analiz daha sonra web sitesi ziyaretçisine öneriler şeklinde gösterilir ve onları daha fazla ve daha hızlı satın almaya teşvik eder.

FirstCry'nin web sitesinden aşağıdaki resme hızlıca bir göz atalım. Hem 'beğenebilirsiniz' hem de 'sıklıkla birlikte satın alındı' başlıkları, kullanıcılarını satın alma veya seçme üzerine dürten markanın tavsiyeleridir.

Çoğu e-ticaret sitesi, %2,5 ila %3 arasındaki dönüşüm oranlarıyla mücadele ederken, ürün önerileri, ziyaretçilerin %49'undan fazlasını başlangıçta hiç düşünmedikleri ürünleri satın almaya itebilir.

Halihazırda ikna olmadıysanız, e-ticaret sitelerinize neden ürün önerileri eklemeniz gerektiğine dair şu dört önemli nedene göz atın:

1. Geliştirilmiş kullanıcı deneyimi –

Çevrimdışı hayatımızda, genellikle yerel bir süpermarketteki dükkan sahibinin önerisine güvendik. Neden? Çünkü kullanışlı ve hızlıdır. Çevrimiçi ürün önerileri, bir müşterinin sitenizdeki yolculuğunu taramadan ödeme aşamasına kadar kolaylaştırarak aynı amaca hizmet eder.

O kadar önemli hale geldiler ki, müşterilerin %56'sı tavsiye eden sitelere geri dönüyor ve %71'i, alışveriş deneyimi kişiselleştirilmemişse hüsrana uğruyor.

2. Daha iyi müşteri etkileşimi –

Müşteriler güven ve anlaşılma duygusuyla gelişirler. Pazarlamacılar, satın alma modellerini tamamlayan kişiselleştirilmiş ürün önerileri sunarak bunu yapabilirler. Bu, sitede daha fazla tıklama, daha fazla ziyaret ve e-posta gibi diğer iletişim kanallarının etkinleştirilmesine yardımcı olur.

Örneğin, bir Hint akış hizmeti olan ALTBalaji, daha yüksek abonelikler elde etmek için e-posta yoluyla bu şekilde kişiselleştirilmiş bir öneri gönderdi. Bu bir site tavsiyesi değildir, ancak e-posta, sms ve anında iletme bildirimlerinin tümü yeniden canlanma veya tekrar satın alımları artırma aracı olarak kullanılabilir.



3. Gelir artışı -

Açıkçası, ürün tavsiyeleri, bir alıcının tercihini benzer veya yükseltilmiş ürünlerle tamamlamak için harika bir fırsat sunar. Pazarlamacılar, "Sık sık birlikte satın alındı" ve "Bunu satın alan müşteriler de satın aldı" gibi bölümleri kullanarak çapraz satış ve ek satış yapmak için bu fırsatı kullanmalıdır. Aşağıda, Amazon'un benzer türdeki kitaplar için başka bir önerisi var.



4. Sadakat oluşturur –

Öneriler müşteri yolculuklarını her temas noktasında kişiselleştirdiği için genel memnuniyetleri artıyor. Memnun bir müşterinin geri dönme ve siteyi ağızdan ağza pazarlama yoluyla tanıtma olasılığı daha yüksektir.

Öneri motorları nasıl oluşturulur?

Bir e-ticaret sitesinin ziyaretçilerine kişiselleştirilmiş öneriler göstermek için algoritmaların nasıl kullanıldığını kısaca tartıştık. Buna derinlemesine dalalım.

Bir ürün öneri motoru, Makine Öğrenimi (ML) kullanarak tonlarca kullanıcı verisini analiz eder ve modeller. İlk olarak, kullanıcıların geçmiş işlemleri, tarayıcı geçmişi, bağlantı tıklamaları ve diğer etkileşimleri ile ilgili veriler (girişler) alınır. Bu veriler temizlendikten ve benzer davranışlara sahip kullanıcılar farklı parametrelere göre segmentlere ayrıldıktan sonra bir öneri sistemi oluşturulur.

Çoğu öneri sistemi, bu üç yaklaşımdan biri kullanılarak uygulanır:

1. İşbirlikçi filtreleme : Bu model, geçmişte benzer ürünleri satın alan kullanıcıların muhtemelen gelecekte de aynı modeli tekrarlayacağı varsayımıyla çalışır. Yani, Jasmine bir pizza ve salata aldıysa, Aliya ise bunları artı bir diyet kola aldıysa, Jasmine de aynısını yapacak.
2. İçerik tabanlı model : Bu model, her kullanıcının beğenip beğenmediğini anlamak için ziyaret edilen tüm sitelerin çerezlerinden alınan verileri kullanır. Daha sonra önerilen ürünler, geçmiş etkileşimlerinize benzer öğelerin keyfini çıkaracağınız varsayımına göre filtrelenir.

Örneğin, Nick sarı ayakkabı, gömlek ve chino pantolon aldıysa, gelecekte sarı pantolon arayacaktır.

3. Hibrit filtreleme : Bu yöntem, kullanıcılar arasındaki paylaşılan tercihleri ​​hesaba katmak için içeriği ve ortak çalışmaya dayalı filtrelemeyi birleştirir, ancak sonuçları bireysel kullanıcıların tercihlerine göre filtreledikten sonra görüntüler. Örneğin Netflix'i ele alalım, filmleri benzer kullanıcıların alışkanlıklarına göre filtreler, ancak yalnızca bu kullanıcının geçmiş etkileşimleriyle eşleşenleri gösterir.

E-ticaret dönüşümlerinizi artırmak için 10 ürün önerisi stratejisi

COVID-19 alışveriş yapma şeklimizi değiştirdi. Yalnızca gelişmekte olan ülkelerde, çevrimiçi alışveriş yapanların oranı %33'ten %60'a yükseldi. Sonuç olarak, birkaç işletme çevrimiçi olmaya zorlandı. Ancak birçoğu, önerileri kişiselleştirme konusunda hala mücadele ediyor ve bu nedenle trafiği rekabete kaptırıyor.

Öte yandan, kişiselleştirilmiş öneriler sunan başarılı işletmeler, müşterinin satın alma olasılığını %91 oranında artırıyor. Anahtar, kime neyi göstereceğini bilmektir. İşte bu soruyu yanıtlamanıza yardımcı olabilecek birkaç tür ürün önerisi:

• Kişiselleştirme – Bir aksiyon gerilim filmi mi izlediniz veya mavi bir elbise mi satın aldınız? Aynı restorandan defalarca yemek sipariş ettiniz mi? Tüm bu veriler, bir müşterinin beğenip beğenmediğini anlamak ve ilgili önerilerde bulunmak için analiz edilir.

Bu öneriler bir müşterinin zevklerine ne kadar yakınsa, dönüşümleri o kadar yüksek olur. Kişiselleştirilmiş öneriler, alışveriş yapanların %54'ünü ortalama sipariş değerlerini artırmaya ikna etti.



• İlgili ürünler: Alışveriş yapılabilecek binlerce ürünle, bir müşteri bir sayfadan diğerine geçmek zorunda kalarak kolayca hüsrana uğrayabilir. Ancak burada 'Benzer Ürünler' öneri kategorisi imdadımıza yetişiyor.

Müşteriler sadece daha fazla ürün incelemekle kalmaz, aynı zamanda seçeneklerini kolayca karşılaştırabilir ve işlemlerini sorunsuz bir şekilde tamamlayabilir.



• Çapraz satış ve ek satış: Yakın zamanda bir telefon satın alan bir müşterinin yakında bir vakaya ihtiyaç duyacağını düşünmek neredeyse sezgiseldir. Benzer şekilde, ceket arayışında olan birinin daha fazla kışlık giysiye ihtiyacı olabilir.

Ürün önerileri, "Senin gibi insanlar ne aldı" ve "Sıklıkla birlikte satın aldı" gibi kategorileri kullanarak ek satış veya çapraz satış yaparak bu fırsattan en iyi şekilde yararlanır.

• Sosyal kanıt: Alışveriş yapanlar, onlara bir güvenlik duygusu verdiği ve güven oluşturmaya yardımcı olduğu için incelemelerden yararlanır. Araştırmaya göre, alışveriş yapanların %47'sinden fazlası e-ticaret sitelerinde (görsel) sosyal kanıt arıyor.

Bu nedenle, geçmiş müşteriler tarafından yüksek puan alan ürünleri önermek, işlemi daha hızlı tamamlamaya yardımcı olur. Yaygın kategoriler arasında "en yüksek puan alan ürünler" veya "etkileyenlerin seçtikleri" yer alır.



• Mevsimsel - Müşterinin değişen mevsimlerle birlikte gelişmeye ihtiyaç duyması doğaldır. Bu tavsiye kategorisi, gıda ve moda ürünleri söz konusu olduğunda işe yarar.

Örneğin, yaz bir mango çılgınlığını çağrıştırır ve bahar mevsiminde çiçekli kıyafetler bir öfkedir.

• Yeni gelenler: Bu hızlı moda ve hızla gelişen teknoloji çağında, 'yeni gelenlere' dayalı öneriler, etkili bir ürün tanıtım stratejisidir.



Bu tür öneriler, müşteriler arasında bir şeyleri kaçırma korkusu (FOMO) yaratır. Sonuçta kim yeni bir telefon/elbise sergilemeyi sevmez ki?

• Grup oluşturma: Geniş bir müşteri tabanında tekrarlanma eğiliminde olan alışveriş trendlerinden yararlanılarak "Bunu görüntüleyen müşteriler aynı zamanda inceledi" veya "Sıklıkla birlikte satın alındı" gibi kategorilerde öneriler gösterilebilir. Bu nedenle ürünler, genellikle ödeme sırasında bir araya getirilerek satışları ve Ortalama Sipariş Değerini (AOV) artırır.



• Tarama geçmişine dayalı – Ciddi satın alma niyeti olmadan e-ticaret web sitelerine göz atmak insani bir eğilimdir. Bu nedenle, algoritmalar ihtiyaçlarını/isteklerini belirlemek ve buna göre öneriler göstermek için geçmiş tarama verilerini kullanır.
• Ürünler tekrar stokta: Mobilya e-ticaret sitelerinde yaygın olan bu tür öneriler, satışları artırmak için daha hızlı tükenen ürünlerden yararlanır.

Sadece stok konusunda endişelenen müşteriler arasında bir aciliyet duygusu yaratmakla kalmaz, aynı zamanda sürekli müşteriler arasında marka sadakati oluşturmaya da yardımcı olur.

Ne tür bir tavsiye seçerseniz seçin, onu uygun şekilde konumlandırdığınızdan emin olun. Aksi takdirde, hepsi sadece kaybedilen satış fırsatlarıdır.

Önde gelen markalardan ürün tavsiye örnekleri

Ürün keşfi için çözüm, e-ticaret siteleri için kullanıcı deneyiminde garantili bir iyileşme sağlar. Amazon, Myntra veya Netflix gibi piyasa hakimlerinin zirvede kalmak için 'ürün tavsiyeleri' yarışında başarılı olmasına şaşmamalı. Önerilerin kendilerine nasıl fayda sağladığını anlamak için 3 markayı ayrıntılı olarak inceleyelim:

Örnek 1: Amazon

Amazon, daha yüksek tıklama ve dönüşüm elde etmek için kullanıcı yolculuğu boyunca stratejik olarak yerleştirilmiş çok çeşitli öneri stilleri kullanır.

Amazon Hindistan'ın 'Bunu satın alan müşteriler de satın aldı' önerilerine ilişkin bazı örnekleri burada bulabilirsiniz. Mckinsey'e göre, bu tür kişiselleştirilmiş öneriler toplam gelirin %35'inden fazlasına katkıda bulundu ve satışlarda %29'luk bir artışa neden oldu.

Örnek 2: Nykaa

Hindistan'ın en büyük güzellik ve sağlıklı yaşam perakendecilerinden biri olan Nykaa, kullanıcı grupları arasında ortak ilgi alanlarına göre çapraz ürün satışı yapmak için "Beğenebilirsin" öneri türünü kullandı. Sonuç olarak, Nykaa'nın müşterilerinin %50'si 2020'ye kadar rutin ziyaretçiler haline geldi ve satın alma rehberi tarzındaki tavsiyeleri, o yıl Brüt Ürün Değerinin (GMV) %3'üne katkıda bulundu.

Kaçınılması gereken hatalar

Ürün önerilerini göstermek yeterli değildir. Zamanlamadan yerleştirmeye kadar her şey başarılarında çok önemli bir rol oynar. İşte kaçınılması gereken 5 hata –

• Yanlış yerleştirme – Bir dizüstü bilgisayar ürün sayfasında şort önerilerinin gösterilmesi yardımcı olmaz. Bunun yerine, dizüstü bilgisayar çantaları gibi ilgili ürünleri göstermek daha yüksek dönüşüm sağlayacaktır.
• Ezici tavsiyeler – Çok fazla bilgi gürültüdür. Ve çok fazla tavsiye hiç anlamına gelmez. Bu nedenle, alıcının ekranını önerilerle doldurmayın.
• Bağlama duyarlı olmayan öneriler – Her öneri, alıcının bağlamı, konumu, demografisi veya satın alma geçmişi ile uyumlu olmalıdır. Ancak o zaman bir alıcı anlaşıldığını ve spam edilmediğini hissedecektir.

İşte Amazon'un duyarsız ürün tavsiyesine bir örnek.


• A/B testi eksikliği: A/B testi, önerilerin sayısı, görünümü ve konumu gibi parametreleri optimize etmek için bir ön koşuldur. Bunu yapmak, daha yüksek dönüşüm oranlarına sahip önerilerin belirlenmesine ve korunmasına yardımcı olacaktır.
• Yetersiz gezinme: Bir öneri yalnızca sağladığı dönüşümler kadar iyidir. Bu nedenle, kullanıcının bağlantıya tıklama sonrası yolculuğundaki herhangi bir sürtüşme giderilmelidir. Bize ulaşın, ürün kataloğu ve sepet gibi tüm önemli sayfalara her zaman kolayca erişilebilir olmalıdır.

Çözüm

Ürün tavsiyelerinin satışları artırma, sipariş değerlerini artırma ve müşterilerle daha iyi etkileşim kurma konusundaki gerçek potansiyelini anlamak ufuk açıcı olabilir. Ancak tecrübeli pazarlamacılar bile tavsiyeleri tam potansiyellerine göre kullanmakta başarısız oluyor.
Bunun, önerileri çalıştırmanın çok pahalı veya çok karmaşık olmasından kaynaklandığını düşünüyorsanız, bu sizin gerçek anınız - öyle değil! WebEngage'in ürün önerme araçları son derece kolaydır ve birçok müşterinin ek gelir elde etmesine yardımcı olmuştur.

Alışveriş yapanların yaklaşık %81'i, WebEngage müşterilerinin başarılı olmasına yardımcı olan bir özellik olan kişiselleştirilmiş bir ürün tavsiyesi pazarlama e-postası aldıktan sonra satın almayı kabul etti. Pazarlama kanallarında önceden doldurulmuş şablonlarımızı kullanan WebEngage kullanıcıları, müşterileriyle temas kurmak için son derece ilgi çekici ve yaratıcı yollar tasarlayabilir.

WebEngage, e-ticaret sitenizin tavsiye sistemi gereksinimlerini karşılayacak kapsamlı bir pakete sahiptir. Geliri artıracak seçeneklerin peşindeyseniz, bugün bizimle bir demo yapın ve işletmenizin dönüşümünü izleyin!