Esempi di raccomandazioni di prodotti: cosa fanno e quando usarli

Immagina un cliente che sta guardando un divano. Sotto il prodotto, c’è un widget “Potrebbe piacerti anche” che mostra cuscini, candele e un paio di jeans casuale.

Niente di tutto ciò è utile. È solo riempitivo casuale con un’etichetta di consigliatore.

Aggiungere widget in tutto il sito non è sufficiente. Devi far corrispondere la logica di ogni modello al momento nel percorso del cliente. La giusta raccomandazione al momento giusto sembra un buon servizio e ti fa guadagnare.

Questo articolo esamina i principali tipi di consigliatori, cosa stanno effettivamente facendo e quando funzionano.

Raccomandazioni basate sui prodotti: “Perché stai guardando questo prodotto…”

Quando un cliente arriva su una pagina di dettaglio del prodotto, è già in modalità decisionale. Si sta chiedendo, “È quello giusto, o c’è qualcosa di meglio?”

I consigliatori basati sui prodotti rispondono a questa domanda. Prendono il prodotto corrente come punto di partenza e visualizzano alternative, upgrade o articoli complementari a seconda di quello che il cliente ha bisogno.

Prodotti simili (logica di upsell)

Gli upsell sono alternative a quello che il cliente sta attualmente visualizzando, con una preferenza per opzioni leggermente più costose. Se qualcuno sta guardando un paio di cuffie, mostrargli un modello con miglior cancellazione del rumore a un prezzo leggermente più alto spesso si vende da solo.

Prodotti visivamente simili (scoperta attraverso l’aspetto)

Alcune categorie vivono e muoiono a seconda di come le cose si presentano. Moda, arredamento, arredamento casa, gioielleria. Un cliente che sfoglia una maglietta di lino verde non sta cercando per specifiche. Vuole vedere cos’altro assomiglia.

I consigliatori visivi utilizzano la somiglianza delle immagini per trovare alternative che hanno l’aspetto giusto. Per categorie dove l’estetica guida la decisione, questo è spesso più utile della somiglianza basata su attributi.

Prodotti complementari (logica di cross-sell)

I cross-sell suggeriscono articoli complementari. Pensa a scarpe da corsa e solette o a una fotocamera e una scheda di memoria.

I nostri dati mostrano che i cross-sell nel popup del carrello convertono il 77,9% in più rispetto alle stesse raccomandazioni posizionate sulla pagina del carrello. Il motivo è il tempismo: subito dopo che un cliente fa clic su “aggiungi al carrello”, è aperto ad aggiungere di più.

Raccomandazioni basate sul comportamento: “Perché hai fatto questo…”

I modelli basati sui prodotti funzionano da quello che è sullo schermo. I modelli basati sul comportamento funzionano da quello che il cliente ha effettivamente fatto: quello che ha cliccato, acquistato e sfogliato. È qui che la personalizzazione guadagna veramente il suo posto.

Basato sui clic (visualizzato di recente)

Il modello basato sui clic traccia quello che un cliente ha visualizzato ma non ha acquistato. Se qualcuno ha cliccato su 12 scarpe da corsa nell’ultima sessione, è chiaramente interessato alle scarpe da corsa, anche se non ha ancora effettuato un acquisto.

Le raccomandazioni mostrano prodotti simili a quello che il cliente ha esplorato di recente. Per i visitatori nuovi o di ritorno che non hanno ancora convertito, mantiene il percorso nella giusta direzione piuttosto che ricominciare da zero.

Basato sulla conversione (cronologia acquisti)

Il modello basato sui clic utilizza i dati di navigazione, in particolare la cronologia acquisti. Raccomanda prodotti correlati a quello che il cliente ha acquistato prima. Per i visitatori per la prima volta senza cronologia, suggerisce prodotti che sono tendenza nel negozio.

Il modello basato sulla conversione sta essenzialmente rispondendo, “In base a quello che hai effettivamente acquistato, cosa è probabile che ti interessi dopo?”

Preferiti (prodotti acquistati ripetutamente)

Il modello dei preferiti è costruito per i beni di consumo: generi alimentari, cosmetici, cibo per animali, qualsiasi cosa le persone comprino secondo un programma prevedibile.

Il modello dei preferiti non cerca di introdurre qualcosa di nuovo. Mostra quello che il cliente ha più probabilità di acquistare di nuovo. L’obiettivo è la comodità, non la scoperta.

Per i negozi che vendono prodotti di acquisto ripetuto, questo modello funziona bene anche nelle email post-acquisto. Teta, una catena di farmaci, invia raccomandazioni personalizzate a oltre 130.000 clienti in base alla cronologia degli acquisti di ciascuna persona, sia online che in negozio. Il loro tasso di conversione delle raccomandazioni email è del 15%. Questo tipo di risultato viene dal mostrare alle persone esattamente quello che hanno già probabilità di acquistare.

Visitato di recente (riprendere da dove avevano lasciato)

Il modello visitato di recente mostra prodotti che il cliente ha visualizzato in sessioni recenti, saltando qualsiasi cosa abbia già acquistato. Anche se un cliente non converte alla prima visita, questo modello mantiene le considerazioni vive finché non sono pronti.

Ordinato di recente (acquisti ripetuti)

Il modello ordinato di recente riguarda puramente la cronologia degli acquisti. Funziona con quello che il cliente ha effettivamente acquistato.

Per i clienti di ritorno, li rimette su quello che vogliono senza doverlo cercare di nuovo.

Raccomandazioni basate su popolarità e tendenze: “Perché tutti gli altri stanno comprando questo…”

Non ogni cliente arriva con una cronologia. E a volte vuoi mostrare quello che funziona in tutto il negozio. I modelli basati su popolarità e tendenze gestiscono entrambi.

Tendenze (i più popolari nel catalogo intero)

Questo modello mostra i prodotti più popolari nel catalogo intero. Per i visitatori per la prima volta senza cronologia di navigazione, è la cosa utile più semplice che puoi mostrare: quello che sta vendendo bene adesso.

Categoria principale e marchio principale (tendenze all’interno di un contesto)

Questi modelli funzionano a un livello più specifico, estraendo i prodotti più performanti all’interno di una categoria o marchio.

Sulle pagine di categoria e marchio, il lavoro principale di un consigliatore è ridurre la scelta e mostrare la gamma. Una pagina del marchio Nike non dovrebbe consigliare otto colori della stessa scarpa da ginnastica. Dovrebbe mostrare una sezione trasversale rappresentativa dei prodotti del marchio tra le categorie.

Categorie utente principali (navigazione, non solo prodotti)

Questo modello raccomanda categorie, non singoli prodotti.

Per i clienti di ritorno, mostra le categorie verso cui gravitano costantemente. Per i nuovi visitatori senza cronologia, ricade su quello che è più popolare in tutto il negozio.

Un cliente di ritorno che sfoglia costantemente corsa, yoga e ciclismo probabilmente vuole vedere quelle categorie in primo piano. E un visitatore per la prima volta ha un punto di partenza sensato.

Raccomandazioni basate su novità e promozioni: “Cosa c’è di nuovo e cosa è in saldo…”

A volte quello che guida una vendita è il tempismo. Qualcosa è appena arrivato, o il prezzo è appena sceso. Questi modelli sono costruiti esattamente per quel momento.

Nuovi arrivi (la recenza come segnale)

Le raccomandazioni dei nuovi arrivi mostrano prodotti aggiunti di recente al catalogo, in base a quando sono stati introdotti.

In categorie come moda, libri, musica e skincare, questo è un ottimo modo per catturare l’interesse. Un cliente di ritorno non ha bisogno di vedere gli stessi bestseller che ha visto alla visita precedente. Quello che è fresco gli dà un motivo per esplorare.

Prodotti scontati (calo di prezzo come segnale)

Il modello dei sconti mostra prodotti dove il prezzo corrente è inferiore all’originale. Per i clienti sensibili al prezzo, una caduta di prezzo visibile spesso chiude la decisione.

Una cosa da tenere d’occhio: le raccomandazioni basate su sconti possono addestrare i clienti ad aspettare i saldi se utilizzate troppo aggressivamente. Utilizzate occasionalmente come strumento di scoperta, funzionano meglio a lungo termine e sembrano utili.

Raccomandazioni basate sul contenuto: “Perché stai leggendo questo…”

Queste funzionano da un diverso tipo di contesto: contenuto editoriale piuttosto che navigazione di prodotto.

Prodotti correlati agli articoli (trasformare il contenuto in commercio)

Abbina i prodotti del tuo catalogo all’articolo che il cliente sta attualmente leggendo.

Ad esempio, una recensione di attrezzatura da escursionismo si collega agli articoli specifici, o una guida di stile mostra i vestiti in tutto l’articolo.

Articolo correlato (mantenendo i lettori nel flusso editoriale)

Questo modello consiglia altri articoli che il lettore probabilmente troverà rilevanti.

Mantiene i lettori nel contenuto più a lungo prima che siano pronti ad acquistare. Un acquirente che legge tre articoli sulla corsa su sentieri ha maggiori probabilità di convertire sull’equipaggiamento da corsa rispetto a chi abbandona dopo il primo.

Conclusione

La maggior parte dei negozi non ha un problema di raccomandazione. Hanno un problema di posizionamento e corrispondenza del modello. Inseriscono il modello sbagliato nel momento sbagliato, oppure mostrano gli stessi prodotti su tre diversi widget sulla stessa pagina.

Non consigliare ciò che è già nel carrello, e non ripetere ciò che è visibile nella griglia di prodotti. Se l’acquirente ha appena visualizzato qualcosa, proporlo immediatamente sotto “consigliato per te” sconfitta lo scopo.

Ogni modello ha un compito. Le alternative aiutano gli acquirenti a decidere. I complementi aumentano il valore del carrello nel momento giusto. I preferiti riportano i clienti abituali. I modelli di tendenze e novità colmano le lacune quando non hai ancora dati di personalizzazione. I modelli di contenuti collegano il tuo editoriale al tuo catalogo.

I negozi che hanno buoni risultati con le raccomandazioni trattano ogni widget come una scelta deliberata. Chiedono cosa l’acquirente sta cercando di fare in questo momento, e scelgono il modello che lo aiuta davvero.

Domande frequenti