Köszönjük feliratkozását!

Hamarosan megkapja heti webáruházas tippjeit.

A termékajánló rendszerek mára már majd minden online webáruház alapkellékei, ami nem csoda, hiszen okosan használva hatalmas mértékben képesek növelni a bevételt és a konverziós arányokat, valamint a felhasználói élményre is számottevő pozitív hatással vannak.

18 termékajánlási technika a jobb felhasználói élményért és a nagyobb bevételekért

Az ajánlórendszerek olyan információszűrő alkalmazások, amelyek algoritmusok segítségével, a rendelkezésükre álló adatok alapján mindig az adott helyzetben releváns termékajánlatokkal látják el a vásárlót. Az offline kereskedelem világából vett metaforával, gyakran egy tapasztalt eladóhoz hasonlítják ezeket, aki személyesen is jól ismeri vevőit és ezért képes számukra minden helyzetben megfelelő termékeket ajánlani.

A termékkör és a vásárlóközönség összetétele természetesen nagyban befolyásolhatja, hogy milyen fajta ajánlások a leghatékonyabbak egy adott webshop esetében, illetve milyen oldalakon, milyen „logikák” működnek a legjobban. (A továbbiakban a „logikák” szó alatt azokat a szabályokat értem, amelyek alapján megjelennek az ajánlások pl.: „Népszerű termékek”, „Akik ezt nézték a következőket is nézték ...”, stb.).

Az alábbiakban megkísérlem összefoglalni, hogy milyen ajánlási technikák léteznek, illetve hogyan és milyen helyzetben használhatóak optimálisan.

De előbb, tekintsük át, hogy hogyan is kedvezhet egy internetes boltnak, hogy ha ajánlórendszert használ.

Mire jó egy ajánlórendszer?

Egy vevő inkább hajlamos vásárolni, sőt, később is visszatérni egy olyan boltba, ahol az eladó segítőkész és minden megtesz azért, hogy segítsen megtalálni a keresett terméket. Ehhez hasonlóan, egy ajánlórendszer jelentősen lerövidítheti a böngészéssel töltött időt, így javítva a felhasználói élményt, ami rövidtávon vásárláshoz, hosszú távon pedig a vásárlói hűség kialakulásához vezet. Az Amazon alapítója, Jeff Bezos így nyilatkozott erről már 1998-ban:

“Az online világban a vállalkozások rendkívül mély kapcsolatot alakíthatnak ki vásárlóikkal, egyrészt preferenciáik elfogadása útján, másrészt az által, hogy folyamatosan megfigyelik vásárlási szokásaikat. Ezáltal egyfajta személyes tudást halmoznak fel a vásárlóikról, amelyet jól használva jelentősen megkönnyíthetik vásárlási döntéseiket. Ha ezt megteszik, a vevők hálával és bizalommal fognak fordulni feléjük.”

Termékajánlás

Ugorjunk 2015-be: a Venture Beat tavalyi kutatása szerint a “digitális bennszülöttek” (azaz az Y generáció, és az X egy jelentős része) 77%-a egyenesen elvárja, hogy személyre szabott felhasználói élményt nyújtsanak neki a weben. A perszonalizáció most már nemcsak egy plusz, hanem egyenesen elvárás a vevők részéről.

Az ajánlórendszerek az által, hogy mindig az adott vevőnek az adott helyzetben legmegfelelőbb, legrelevánsabb termékeket kínálják fel, a vevő és a webshop számára is értéket teremtenek. A kereskedő szempontjából az így elért vásárlói elégedettség konkrét anyagi előnyökre fordítható le.

A legszemléletesebb példa erre az Amazon sokat idézett statisztikája, ami szerint eladásaik 35%-a ajánlásokon keresztül realizálódik.

Egy másik elektronikus kereskedelmi óriás, az eBay 80 millió dollárért vásárolta meg a Hunch nevű ajánlórendszer szolgáltató céget 2011-ben.

A jó hír az, hogy manapság egyre kiforrottabbak és elterjedtebbek e technológiák, így kis-, és közép vállalkozások számára is elérhetővé váltak, például a Yusp-hoz hasonló szoftver szolgáltatások formájában.

Hol használhatunk ajánlásokat?

Az alábbiakban megkísérlem összefoglalni, hogy milyen ajánlási technikák léteznek, hogyan és milyen helyzetben használhatóak optimálisan, illetve néhány helyen arra is kitérek, hogy nagy vonalakban mire kell figyelnünk ilyen ajánlások implementálása során és milyen termékkörrel és közönség összetétellel rendelkező webshopok esetében működhetnek ezek a legjobban.

Az egyes ajánlási logikákat és módszereket aszerint fogom kategorizálni, hogy webshopok mely oldalain működnek a legjobb hatásfokkal. Tételesen a három legfontosabb, a főoldali, termékoldali és a kosároldali ajánlásokról fogok beszélni.

Főoldali ajánlások

A főoldal honlapunk kezdőlapja. Itt az ajánlások funkciója egy fizikai bolt kirakatához hasonló. Mivel ezt az oldalt a közvetlen forgalomból származó vevőink látják először, akik adott esetben nem konkrét céllal érkeznek, itt az elsődleges cél tájékoztatni a vevőt aktuális ajánlatainkról, akcióinkról, illetve minél teljesebb és kimerítőbb képet festeni boltunk kínálatáról.

1. Akciós termékek

A legegyszerűbb és legkézenfekvőbb ajánlásfajta, amellyel aktuális akcióinkat kínáljuk a látogató figyelmébe. Bár rendkívül egyszerű ajánlási logikáról van szó, mégis relatíve hatékonyan tud működni gyakorlatilag minden területen.

Penny

Penny.hu

Nagyobb és több, esetleg nagyban különböző termékkategóriákat felvonultató katalógus esetében érdemes kategóriánként szűrni egyes ajánlóblokkok tartalmát, és ezek közül többet is megjeleníteni a főoldalon.

2. Kiemelt termékek

A kiemelt termékek blokkokba a bolt üzemeltetője “manuálisan” jeleníthet meg valamilyen szempont szerint kiemeltnek ítélt termékeket és termékkategóriákat.

Szubjektív jellege miatt kevés helyzetben igazán hatékony, szinte kizárólag homogén termékkészlet mellett, illetve kezdeti stádiumban lévő, rendelési és böngészési adatokkal még nem rendelkező webshopoknál ajánlott a használata.

Cafepress

Cafepress.com

3. Újdonságok

Újonnan érkezett termékek, termékcsoportok megjelenítése a főoldalon kézenfekvőnek tűnhet és valóban, sok esetben hatékonyak az ilyen jellegű ajánlások.

Azonban vigyáznunk kell, hiszen azzal együtt, hogy a boltunk szempontjából esetleg nagy esemény a paletta bővülése, közönségünk összetételétől és a forgalmazott termékek jellegétől függően, ennek nem minden esetben van akkora hírértéke, hogy a főoldalon központi helyet foglaljon el egy ilyen ajánlódoboz. (Míg egy divatmárkánál az új kollekció egyértelműen központba helyezendő a főoldalon, addig sok kategória esetében célszerűbb a népszerű, vagy jól fogyó termékekre helyezni a hangsúlyt).

Pulllandbear

Pullandbear.com

4. Szezonális ajánlatok

Olyan termékfajták esetében, ahol a szezonalitás meghatározó, rendkívül hatékony lehet szezonális ajánlóblokkok megjelenítése a főoldalon.

Ha ilyen termékekkel dolgozunk, figyeljünk rá, hogy az adminisztráció során vigyünk fel a rendszerbe adatot arra vonatkozóan, hogy az adott termék mely évszakhoz kapcsolódik, hisz csak így lesz lehetőségünk ezen információ alapján szűrni az ajánlásainkat. Még hatékonyabb, ha ezeket az ajánlatokat akciókkal is összekapcsoljuk.

Fashiondays

Fashiondays.hu

5. Napi ajánlatok

Napi ajánlatok feltüntetése a főoldalon vonzó lehet a vevők számára, az exkluzivitás és az akció időbeli limitáltsága következtében. Technikai szempontból ezek is a “kevésbé érdekes” ajánlási logikák közé tartoznak, hiszen több hangsúlyt kap a manuális kuráció, mint az automatizáció, amely az ajánlórendszerek igazi erőssége.

Ezzel együtt, jelentősen javíthat az eredményeinken, hogyha a napi ajánlatok meghatározásakor módszeresen figyelembe vesszük az aktuális eladási adatainkat.

Ebay

Ebay.co.uk

6. Népszerű termékek

Itt ismét egy egyszerű, de hatásos logikáról van szó, amely szinte minden webshop esetében stabil eredményeket hoz. A termékek népszerűsége a legkönnyebben a vásárlási adatokból látható, vagyis hogy mennyit adunk el egy-egy tételből.

Azonban árnyaltabb kép alapján is ajánlhatunk, ha az ajánlórendszer figyelembe veszi nemcsak a vásárlásokat, de azokat az adatokat is, hogy melyik termékre hányan kattintottak, nézték meg a hozzátartozó termék oldalt, vagy helyezték a kosárba.

A Yusp ajánlórendszer “népszerű” ajánlásai is ilyen elven működnek, illetve nagyobb súllyal számítja az időben közelebb történt “eseményeket” (kattintás, vásárlás, stb.), amely szintén javít a teljesítményen.

Edigital

Edigital.hu

7. Ajánlások vevői értékelések alapján

A népszerűség egy fokmérője lehet a magas átlagos vevői értékelés. Hogyha úgy ítéljük meg, hogy vevőkörünk, vagy az általunk fogalmazott termékek jellegéből kifolyólag nagy hangsúly esik ezen értékelésekre, érdemes lehet “Legjobbra értékelt” blokk elhelyezését fontolóra vennünk, vagy legalábbis az értékeléseket is figyelembe venni a “Népszerű termékek” ajánlásainkban.

Macys

Macys.com

8. Személyre szabott ajánlások

A személyre szabott ajánlások egy adott vevő számára jelenítenek meg releváns termékeket korábbi vásárlási, illetve böngészési adatai szerint. Amennyiben ilyen blokkot használunk a főoldalon, mindenféleképpen kell, hogy legyen egy “B terv” meghatározva.

Ez azt jelenti, hogy amennyiben az adott látogató még nem járt az oldalon és így nem rendelkezünk róla adatokkal, egy ettől függetlenül is működő, például népszerű termékek blokk jelenik meg a személyre szabott ajánlatok helyén. Fejlettebb ajánlórendszerek, például a Yusp is ad lehetőséget ilyen fajta ajánló logika beállítására (részletes leírás és példa lentebb).

Emag

Emag.hu

Termékoldali ajánlások

A termékoldal vagy termék információ oldal az, amelyen egy adott termék részletes leírását és a hozzá tartozó vásárlás/kosárba helyezés gombot találhatjuk. Ezen oldalaknál az ajánlások elsősorban a további böngészés lehetőségét hivatottak biztosítani. A cél minél relevánsabb, hasonló, illetve kapcsolódó termékek megjelenítése.

 

Hogyha forgalmunk nagy része célzott, azaz a termékoldalakra a fizetett hirdetésekből, a CPC kampányokból, az áraggregátor oldalakról vagy az organikus keresési oldalakról érkezik, érdemes lehet olyan termékoldal struktúrát kialakítanunk, ahová minél több különböző ajánlóblokk “besűríthető”. Így jelentősen növelhetjük a célzott forgalomból befolyó bevételeinket és e látogatók konverziós rátáját.

 

Google Analytics forgalmi adatok

Egy e kategóriába tartozó webshop Google Analytics forgalmi adatai - láthatóan az áraggregátorok dominálják a statisztikákat

9. Hasonló termékek

Rengeteg webshopban működik “Hasonló termékek” ajánlóblokk, azonban ezeket nem szabad egy kalap alá vennünk, mivel különböző szempontok szerint lehet hasonló két termék egy ajánlórendszer szemében.

A legkézenfekvőbb megoldás, hogyha egyszerűen ugyanazon kategóriából listázunk ki termékeket feltöltés dátuma, vagy népszerűség szerint sorrendbe állítva. Nagyobb pontosság érdekében azonban rengeteg más adat is figyelembe vehető a hasonlóság megállapításakor.

Szerszamkell

Szerszamkell.hu

A Yusp a termékhasonlóságot meta adatokból (cím, leírás, stb.) számítja, fejlett ajánlóalgoritmusok segítségével. Tapasztalataink szerint ez a módszer a klasszikus kategória/kategóriák szerinti szűréssel összekötve nagyon jó hatásfokkal alkalmazható.

10. “Akik ezt nézték/megvették…” kollaboratív szűrés

A kollaboratív szűrést először az Amazon kezdte el széles körben használni az elektronikus kereskedelem területén, az eredményeik pedig magukért beszélnek. Ezen ajánlási technika lényege, hogy összeveti az egyes vásárlók böngészési és vásárlási profilját és az alapján dönti el, hogy mely termék mellé melyik másikat érdemes ajánlani. A lenti ábra jól demonstrálja, hogy hogyan is kell ezt a gyakorlatban elképzelnünk.

“Akik ezt nézték/megvették…” kollaboratív szűrés

A Yusp-on belül elérhető ilyen ajánlólogika, amely tapasztalataink szerint a leghatásosabb termékoldali ajánlásokat szolgáltatja. Rendszerünk minden gyűjtött adatot figyelembe vesz (klikkek, oldalmegtekintések, vásárlások, kosárba helyezések), hogy eldöntse, mely tételeket érdemes megjeleníteni egy adott termékoldalon.

Bónuszbrigád

Bonuszbrigad.hu

11. Kiegészítő termékek

Kiegészítő termék ajánlások rendkívül hatásosak lehetnek megannyi termékkategóriában és nagyban megnövelhetik a rendelések átlagos méretét és értékét.

Kivitelezésük is viszonylag egyszerű, viszont tudatos tervezést és boltunk méretétől és termékeink jellegétől függően, relatíve sok adminisztrációt igényelhet. A legegyszerűbb, hogyha a kiegészítő kategóriáink következetesen úgy vannak kialakítva, hogy egy az egybe ajánlhatóak egy másik kategóriához (iPhone -> iPhone kiegészítők).

Mediamarkt

Mediamarkt.hu

Alternatív esetben és a nagyobb pontosság érdekében külön-külön is megadható, hogy mely kiegészítő mely másik termékhez/termékekhez legyen ajánlható.

12. Kapcsolódó termékek

Ezen ajánlások nagyon hasonlóak a kiegészítő termék ajánlásokhoz annyi különbséggel, hogy itt az adott tételek nem feltétlenül funkcionálisan egészítik ki egymást, hanem például együtt jól mutató ruhadarabok esetében, valamilyen szempont szerint összeillenek. Ilyen ajánlásokat összeköthetünk “Együtt olcsóbb”, vagy másfajta termékcsomag ajánlatokkal is.

Decathlon

Decathlon.hu

13. Gyakran együtt vásárolt termékek

A “Gyakran együtt vásárolt” típusú ajánlások gyakran az előző két említett logikához hasonló eredményeket hoznak. A különbség csak az, hogy itt nem kategóriák szerint, vagy manuálisan döntjük el, hogy mit ajánlunk mihez, hanem a felhasználók konkrét vásárlási szokásait vesszük alapul. Ezen ajánlási technika használatához azonban sok vásárlási adattal kell rendelkeznünk és egy stabil, visszatérő vevő bázissal, hogy megfelelően kiépült vevői profilokra alapozhassuk az ajánlásokat.

Amazon

Amazon.com

14. Személyre szabott ajánlások

Személyre szabott ajánló dobozokban az adott vevő böngészési és vásárlási adatai szerint kerülnek megjelenítésre termékek, így személyesebb és relevánsabb felhasználói élményt teremtve.

De hogyan érhetjük el, hogy visszatérő vevőink számára személyre szabott élményt kínáljunk, azonban az oldalunkat első ízben meglátogató vásárlók se maradjanak releváns ajánlások nélkül?

A Yusp rendelkezik olyan funkcionalitással, amivel valós időben érzékeli, hogy elegendő adat áll e rendelkezésre az adott vevőről a személyre szabott ajánlási logika alkalmazásához. Amennyiben igen, úgy az illető személyes ajánlatokat kap, amennyiben pedig nem, az alap, pl. „hasonló termékek” ajánlódoboz kerül megjelenítésre.

Lent például, a bal oldali képen megfigyelhető, hogy az “Önnek ajánljuk” doboz tartalma megegyezik az “Akik ezt nézték…” logikával működő másik dobozéval, mivel a rendszer még nem rendelkezik adatokkal az új látogatót illetően. Jobb oldalt ezzel szemben már a két ajánlóblokk némi böngészés utáni állapotát tekinthetjük meg. A fenti sor itt már az adott vásárló böngészési adatai szerint áll össze, míg az alsó továbbra is az éppen megtekintett termékhez hasonló tételeket ajánl.

S-lightled

YUSP személyre szabott ajánlások az S-lightled.hu online boltjában.

Kosároldali ajánlások

Ebben az esetben a kosároldalon a kosárba helyezett, megvásárolni kívánt termékek mellé javasolt kiegészítőket, gyakran együtt vásárolt termékeket, vagy “csomagban olcsóbb” jellegű akciókat megjelenítő ajánlások kerülnek előtérbe. Az itt megjelenített ajánlások elsődleges célja a rendelések átlagos méretének növelése.

15. Kiegészítő termékek a kosároldalon

A kiegészítő termékek egyértelműen a leghatásosabb kosároldali ajánlásfajta annál is inkább, mert a vevő, aki már eddig a lépésig eljutott, és elszánta magát a vásárlás mellett, inkább lesz kapható további tételek fontolóra vételére.

Pcworld

Pcworld.co.uk

16. Kiegészítő termékek kosárba helyezéskor

Alternatív esetben a kosárba helyezés pillanatában is felkínálhatjuk kiegészítő termékeinket a vevőnek. Mivel azonban ez a legkönnyebben egy popup formájában kivitelezhető, amely korlátozott ajánlási felületet biztosít, még nagyobb hangsúly kerül az ajánlások pontosságára és relevanciájára.

Emag

Emag.hu

17. Gyakran együtt vásárolt termékek a kosároldalon

Gyakran együtt vásárolt termék ajánlások a kosároldalon is rendkívül jó eredményekkel kecsegtetnek. Ahhoz, hogy a kosároldali ajánlások megfelelően működjenek, a webshopunkon érdemes úgy beállítani a pénztár folyamatot, hogy “keresztül vezessen” a kosároldalon és ne tereljük a vásárlókat egyből a fizetés oldalra.

Pingvinpatika

Yusp kosároldali ajánlások a Pingvinpatika.hu oldalán

18. Hasonló termékek a kosároldalon

Kosároldalon hasonló termékek jellegű ajánlódoboz is megjeleníthető. Ugyan boltunk szempontjából nem szerencsés, hogyha a jelenleg megvásárolni kívántnál olcsóbb hasonló terméket kínálunk fel a vevőnek, ez megelőzhető egy apró trükkel: az ajánlásokat úgy szűrjük, hogy kizárólag a kosárban lévőknél magasabb árkategória termékei jelenjenek meg ezen ajánlódobozokban.

Edigital

Edigital.hu

Természetesen itt csak néhány általánosságban vett tippet fogalmaztam meg, a valóságban ahány webshop, annyiféle ajánlási stratégia létezhet. A fentiek azonban egy jó kiindulási pontot jelenthetnek abban, hogy hogyan viszonyuljunk a termékajánlásokhoz és milyen taktikák működhetnek saját vállalkozásunk esetében.

 

Amennyiben a cikk felkeltette az érdeklődését, ezen a linken regisztrálhat a Yusp intelligens ajánlórendszer ingyenes próbahónapjára.

 

Gáspár Huba
A szerzőről
Gáspár Huba kontent marketing manager a Gravity R&D-nél, amely hazai cégként nemzetközileg is az élvonalhoz tartozó ajánlórendszer szolgáltatóvá nőtte ki magát. Új termékük, a Yusp, kis- és középvállalkozások számára teszi elérhetővé a Gravity világszínvonalú ajánló technológiáját. A szoftver minden nagyobb CMS-re és eCommerce platformra könnyedén installálható minimális technikai háttérismeretekkel.

Továbbá, a jelenleg futó Yusp Open Beta program keretein belül ingyenes installációs és konfigurációs segítséget nyújtunk minden új regisztrálónknak.

További infókért: www.yusp.com | www.gravityrd.com | hello@yusp.com | +36 30 630 25 26
Kérjük írd be a képen látható kódot
Biztonsági kód Új kódot kérek
Szeretnék e-mail értesítést kapni az új hozzászólásokról!
Ha szeretnél további webáruházas tippeket, iratkozz fel heti értesítőnkre!
Van már webáruházad?