10 种产品推荐策略，让您的电子商务销售额翻三倍

介绍

印度拥有 9 亿互联网用户，是世界第二大在线市场。 数字用户的这种指数级增长松散地转化为他们的在线活动，而电子商务是其中的重要组成部分。 但更多并不总是对企业有利——零售市场中用户和组织的涌入为品牌带来了更多竞争，使电子商务成为一个竞争激烈的空间。

这些现代客户现在面临大量购物选择。 数以千计的电子商务网站试图每分钟向他们销售类似的产品，即使不是相同的产品。 然而，他们的在线支出预算比以往任何时候都更加紧张！

那么，电子商务网站是如何通过侵入客户的钱包并实现销售目标来主导行业的呢？ 一种可靠的方法是通过产品推荐——一种动态预测系统，用于突出显示客户感兴趣的项目。

超过 71% 的电子商务网站在其主页上推荐产品。 这帮助他们提高了参与度、转化率和收入。 虽然推荐仅占访问量的 7%，但它们占收入的 26%。

虽然我们将详细介绍推荐系统是什么以及它们是如何工作的，但在继续之前让我们先了解一下它们的基础知识。 下面的漏斗显示了推荐如何通过简化产品发现将热情的潜在客户转化为高意向的购物者。

推荐系统是使用分析大量数据的算法构建的，以了解购物者的行为并预测他们未来的需求。 正是 Netflix 知道您接下来想看哪部电影的方式。 像这样分析和预测客户需求被称为客户画像，这有助于个性化推荐。

一旦购物者点击此类推荐，他们将商品添加到购物车并完成交易的可能性会增加 4.5 倍——这是因为系统会根据他们的购物行为或它发现的最大用户购买量以及产品。

这些建议使平均订单价值 (AOV) 提高了 10%。 所以让我们同意，推荐不仅让买家的生活更轻松，而且它们也是电子商务营销人员促进销售和实现目标的终极工具！

电子商务转化率：计算和解释

大多数推荐的目标是推动购买。 但是，此目标可能会根据网站的性质而有所不同，包括联系客户服务、订阅时事通讯或填写潜在客户生成表格等操作。

因此，转化率是网站会话与完成此最终目标（交易、表格、结果等）的比率。 它有助于衡量完成站点预期操作的访问者的百分比。 假设目标是购买商品，那么转化率的计算方法是“购买的总访问者除以网站访问者总数”。 将其乘以 100，这就是您的转化率！

例如，如果您的网站有 80,000 名访问者，其中 6,000 名访问者购买了产品，则转化率为 7.5%。

公式为：电商转化率（7.5%）=总购买量（80000）/网站总访问量（6000）×100

虽然产品推荐的成功最好通过转化率来衡量，但平均订单价值 (AOV) 和点击率 (CTR) 也反映了帮助客户提供最适合他们需求的产品的好处。

平均订单价值是网站客户花费的平均美元（卢比）金额。 它是通过将收入除以订单总数来计算的，证明了推荐在追加销售/交叉销售中的成功程度。

公式为：平均订单价值 (AOV) = 收入 / 数量顺序

同样，点击率表示网站上特定链接被点击的次数。 它的计算方法是将点击次数除以展示次数（即链接可见的次数）。

计算公式：CTR = Clicks（点击广告的人数）/ Impressions（观看广告的人数）x 100

点击率指的是高意向买家的百分比，因为点击推荐的人回来的可能性要高出近 2 倍！ 简而言之，如果某个推荐被点击，则在提高转化率和收入方面效率很高。

什么是产品推荐？

到目前为止，我们了解到产品推荐通过分析成千上万购物者过去的交易并预测他们未来的需求来发挥幕后魔力。 然后，该分析以向网站访问者推荐的形式显示，激励他们购买更多、更快。

让我们快速浏览一下来自 FirstCry 网站的下图。 “您可能也喜欢”和“经常一起购买”这两个标题都是该品牌在用户购买或选择时提出的建议。

虽然大多数电子商务网站的转化率都在 2.5 到 3% 之间挣扎，但产品推荐可以促使超过 49% 的访问者购买他们最初从未打算购买的产品。

如果您还不确定，请查看以下四个重要原因，说明为什么您必须在电子商务网站上提供产品推荐 –

1. 改善用户体验 –

在我们的线下生活中，我们经常依赖当地超市店主的建议。 为什么？ 因为方便快捷。 在线产品推荐通过简化客户在您网站上从浏览到结帐的旅程来达到相同的目的。

它们变得如此重要，以至于 56% 的顾客会返回那些推荐的网站，如果购物体验不个性化，71% 的顾客会感到沮丧。

2. 更好的客户参与度 –

客户在信任和被理解的感觉中茁壮成长。 营销人员可以通过为他们提供个性化的产品推荐来补充他们的购买模式来做到这一点。 这有助于提高网站的点击率、更多的访问量以及激活其他通信渠道（如电子邮件）。

例如，印度流媒体服务 ALTBalaji 就是这样通过电子邮件发送个性化推荐以提高订阅量的。 这不是网站推荐，但电子邮件、短信和推送通知都可以作为复活或增加重复购买的媒介。



3. 增加收入——

显然，产品推荐提供了一个很好的机会，可以用类似或升级的产品来补充购买者的偏好。 营销人员必须利用这个机会使用“经常一起购买”和“购物过的顾客也购买过”等部分进行交叉销售和追加销售。 以下是亚马逊对类似类型书籍的另一项推荐。



4. 建立忠诚度 –

由于推荐在每个接触点都个性化了客户旅程，因此他们的整体满意度提高了。 满意的客户更有可能返回并通过口耳相传来推广网站。

推荐引擎是如何构建的？

我们简要讨论了如何使用算法向电子商务网站的访问者显示个性化推荐。 让我们深入探讨一下。

产品推荐引擎使用机器学习 (ML) 分析和建模大量用户数据。 首先，接收有关用户过去交易、浏览器历史、链接点击和其他参与的数据（输入）。 一旦清理了这些数据并根据不同的参数对具有相似行为的用户进行了细分，就创建了一个推荐系统。

大多数推荐系统都是使用以下三种方法之一实现的：

1. 协同过滤：该模型假设过去购买过类似产品的用户将来可能会重复该模式。 因此，如果 Jasmine 买了披萨和沙拉，而 Aliya 买了它们和健怡可乐，Jasmine 也会这样做。
2. 基于内容的模型：该模型使用所有访问站点的 cookie 中的数据来了解每个用户的好恶。 然后根据您将喜欢与您过去互动相似的项目的假设来过滤推荐产品。

例如，如果尼克买了黄色鞋子、衬衫和斜纹棉布裤，他以后很可能会寻找黄色裤子。


3. 混合过滤：这种方法结合了内容过滤和基于协作的过滤，以考虑用户之间的共享偏好，但在根据个人用户的偏好过滤后显示结果。 以 Netflix 为例，它根据相似用户的习惯过滤电影，但只显示与该用户过去互动相匹配的电影。

提高电子商务转化率的 10 种产品推荐策略

COVID-19 改变了我们购物的方式。 仅在发展中国家，网上购物者的比例就从 33% 飙升至 60%。 结果，几家企业被迫上线。 然而，他们中的许多人仍然在个性化推荐方面苦苦挣扎，从而失去了竞争的流量。

另一方面，显示个性化推荐的成功企业使客户购买的可能性高 91%。 关键是知道向谁展示什么。 因此，这里有几种类型的产品推荐可以帮助回答这个问题——

• 个性化——你看过动作惊悚片还是买了蓝色裙子？ 您是否多次从同一家餐厅点餐？ 分析所有这些数据以了解客户的好恶并提出相关建议。

这些推荐越接近客户的口味，他们的转化率就越高。 个性化推荐还说服了 54% 的购物者增加他们的平均订单价值。



• 相关产品：有数千种可供选择的产品，客户很容易因为不得不从一个页面导航到另一个页面而感到沮丧。 但这就是“类似产品”推荐类别对我们的帮助。

客户不仅可以查看更多产品，还可以轻松比较他们的选择并无缝完成交易。



• 交叉销售和追加销售：几乎可以直观地认为最近购买了手机的客户很快就会需要一个手机壳。 同样，正在探索夹克的人可能需要更多的冬季穿着。

产品推荐充分利用了这一机会，通过使用诸如“人们喜欢你买了什么”和“经常一起购买”等类别来向上销售或交叉销售商品。

• 社会证明：购物者喜欢评论，因为评论给了他们安全感并有助于建立信任。 根据研究，超过 47% 的购物者在电子商务网站上寻找（视觉）社交证明。

因此，推荐过去客户评价很高的产品有助于更快地完成交易。 常见类别包括“顶级产品”或“影响者精选”。



• 季节性——客户需要随着季节的变化而发展是很自然的。 此类推荐在食品和时尚产品方面效果很好。

例如，夏天会掀起一股芒果热，而华丽的服装在春季风靡一时。

• 新品上新：在这个快时尚和技术飞速发展的时代，基于“新品”的推荐是一种有效的产品推广策略。



此类建议使客户害怕错过 (FOMO)。 毕竟，谁不喜欢炫耀新手机/新衣服呢？

• 捆绑：可以利用倾向于在广泛的客户群中重复出现的购物趋势来显示类别中的推荐，例如“查看过此内容的客户也查看过”或“经常一起购买”。 因此，产品捆绑在一起，通常是在结账时捆绑在一起，以促进销售和平均订单价值 (AOV)。



• 基于浏览历史——人类倾向于浏览电子商务网站而没有认真的购买意图。 因此，算法使用他们过去的浏览数据来识别他们的需求/愿望并相应地显示建议。
• 产品补货：在家具电子商务网站上很常见，这种类型的推荐利用更快售罄的产品来推动销售。

它不仅在担心库存的客户中产生紧迫感，而且还有助于在回头客中建立品牌忠诚度。

无论您选择哪种类型的推荐，请确保将其放置在适当的位置。 否则，他们都只是失去了销售机会。

来自领先品牌的产品推荐示例

解决产品发现问题可以保证电子商务网站的用户体验得到改善。 难怪亚马逊、Myntra 或 Netflix 等市场主导者在“产品推荐”竞赛中占据领先地位。 让我们详细研究 3 个品牌，了解推荐如何让他们受益 –

示例 1：亚马逊

亚马逊使用广泛的推荐风格，在用户旅程中有策略地放置，以实现更高的点击率和转化率。

以下是亚马逊印度“购买此商品的顾客也购买了”推荐的一些示例。 据麦肯锡称，这种个性化推荐贡献了超过 35% 的总收入，并使销售额增长了 29%。

示例 2：Nykaa

作为印度最大的美容保健品零售商之一，Nykaa 使用“您可能也喜欢”推荐类型，根据用户群体之间的共同兴趣交叉销售产品。 因此，到 2020 年，Nykaa 50% 的客户成为常客，他们的购买指南式推荐贡献了当年商品总价值 (GMV) 的 3%。

要避免的错误

仅仅显示产品推荐是不够的。 从时机到位置的其他一切都对他们的成功起着至关重要的作用。 这里有 5 个错误要避免——

• 位置不正确——在笔记本电脑产品页面上显示短裤推荐无济于事。 相反，展示笔记本电脑包等相关产品会带来更高的转化率。
• 压倒性的建议——太多的信息就是噪音。 太多的建议转化为根本没有。 因此，不要让买家的屏幕上充满建议。
• 上下文无关的推荐——每个推荐都必须与买家的上下文兼容——位置、人口统计或购买历史。 只有这样，买家才会感到被理解而不是垃圾邮件。

这是亚马逊不敏感产品推荐的示例。


• 缺乏 A/B 测试：A/B 测试是优化推荐数量、外观和定位等参数的先决条件。 这样做将有助于识别和保留具有更高转化率的建议。
• 糟糕的导航：推荐的好坏取决于它带来的转化率。 因此，必须消除用户点击链接后的旅程中的任何摩擦。 联系我们、产品目录和购物车等所有重要页面都必须始终易于访问。

结论

了解产品推荐在推动销售、增加订单价值和更好地吸引客户方面的真正潜力可以让人大开眼界。 但即使是经验丰富的营销人员也无法充分利用建议的潜力。
如果您认为那是因为运行推荐过于昂贵或过于复杂，那么这就是您的关键时刻 – 事实并非如此！ WebEngage 的产品推荐工具非常简单，已帮助许多客户带来额外收入。

将近 81% 的购物者在收到个性化产品推荐营销电子邮件后同意购买，这是一种帮助 WebEngage 客户脱颖而出的工具。 使用我们在营销渠道上预先填充的模板，WebEngage 用户可以设计出极具吸引力和创造性的方式来与客户建立联系。

WebEngage 有一个全面的包来满足您的电子商务网站的推荐系统要求。 如果您正在寻找增加收入的选择，请立即与我们一起进行演示，见证您的业务转型！