Kaikilla kaupallisilla sivustoilla on niitä. Käyttäjät ovat oppineet odottamaan niitä. Tuotesuosittelut, kuten samantyyppisten tuotteiden suosittelu tuotesivulla tai täydentävät tuotteet ostoskorissa, ovat muodostuneet keskeisiksi verkkokauppojen ostokokemukselle.

Sinunkin verkkokaupassasi on luultavasti suosituksia. Ainakin pitäisi olla, koska ne tutkitusti kasvattavat verkkokaupan tuottavuutta. Mutta pystytkö hyödyntämään niitä parhaalla mahdollisella tavalla? Suurimpia ongelmia suositusten käytössä ovat esimerkiksi:

• “Black-boxing”: Käyttäjän ei yleensä ole mahdollista nähdä tai muokata suositteluihin käytettäviä algoritmeja suosittelujärjestelmissä.
• Datan siiloutuminen: Suosittelujärjestelmien keräämää dataa ei voi käyttää muissa järjestelmissä, tai suosittelujärjestelmä itsessään pystyy käsittelemään tietynlaista dataa.
• Kylmäkäynnistystilanne: Asiakkaasta ei vielä ole kerääntynyt tarpeeksi dataa, joten tuotesuositteluja ei pysty yksilöimään.
• Epäolennaiset suositukset: Viiveestä tai muista rajoitteista johtuen tuotesuositteluissa käytettävä data ei ole ajan tasalla. Asiakkaat saattavat siksi nähdä suositteluja esimerkiksi tuotteista, jotka he ovat jo ostaneet, tai väärän hintaluokan tuotteista.

Alla olevat vinkit auttavat sinua torjumaan näitä ongelmia ja toivottavasti antavat uusia ideoita tuotesuositteluiden hyödyntämiseen.

Tunne markkinasi ja asiakkaasi

Kun valitset suosittelujärjestelmää, ota huomioon asiakaskuntasi tarpeet. Olet oman verkkokauppasi, tuotteittesi ja asiakkaittesi paras asiantuntija. Siksi sinun täytyy pystyä muokkaamaan suositteluissa käytettäviä algoritmeja niin, että saat suositteluistasi parhaan mahdollisen tuoton. Jos käytössäsi on AI-malli, sen yhdistäminen suosittelujärjestelmään kannattaa.

Aivan kuten konversio-optimointi ja verkkokaupan kehittäminen yleensä, tuotesuositteluiden käyttäminen on jatkuva projekti. Algoritmeja kannattaa hienosäätää ja testata säännöllisesti, jotta löydät toimivimmat sisällöt, sijainnit ja ulkoasun suositteluillesi.

Kohdenna ja yksilöi

Nielsen Norman Group tutki hiljattain verkkosivustojen käyttäjien odotuksia ja mieltymyksiä tuotesuositteluiden suhteen. Kävi ilmi, että suosittelut vaikuttavat merkittävästi ostopäätökseen. Käyttäjät odottavat suositteluiden avulla löytävänsä kiinnostavaa sisältöä tai tuotteita ja arvostavat sitä, että suosittelut on kohdennettu juuri heille. Käyttäjille on myös tärkeää tietää, mikä sisältö on kohdennettua ja mikä ei.

Jos verkkokaupan pääsivulla esimerkiksi on useampi suosittelukaruselli (“Uutuudet”, “Suosituimmat”, “Parhaimmat arvostelut” ja niin edelleen), huolehdi siitä, että kohdennetut suosittelut ovat tarpeeksi näkyvällä paikalla ja todella erottuvat (“Sinulle suositeltua”). Voit myös suoraan kertoa, millä perusteella kohdennettuja suositteluja näytetään, jos se tuntuu luontevalta. Esimerkiksi Netflixin koko käyttöliittymä perustuu sisältökategorioihin, joissa yksilöidyt suosittelut erottuvat selkeästi (“Koska pidit tästä: Rick and Morty”). 

Tuotesuosittelut uusille käyttäjille

Kuten olemme todenneet, suosittelujärjestelmät perustuvat yleensä sivustolta kerättyyn käyttäjätietoon. Siksi suosittelujärjestelmän teho kärsii, jos uudesta käyttäjästä ei ole vielä kerääntynyt tarpeeksi dataa, tai jos käyttäjä ei halua antaa tietoa mieltymyksistään ja määrittelee yksityisyysasetuksensa niin, ettei käyttäjätietoa saa kerätä.

Voit kuitenkin luoda kohdennettuja suosituksia näille käyttäjäryhmille. Esimerkiksi natural language processing (NLP) -pohjaiset algoritmit tunnistavat yksittäisiä sanoja sivuston sisällössä ja luovat suositteluja yhtäläisyyksien perusteella. Jos uusi käyttäjä esimerkiksi lukee artikkelin tietystä aiheesta, algoritmi tunnistaa avainsanoja ja etsii sivustolta muuta sisältöä, jossa samoja avainsanoja on käytetty. Sivustolla voidaan sitten näyttää suositteluja samantyyppisistä artikkeleista.

Samaa logiikkaa voi soveltaa myös verkkokauppaan. Käytä algoritmia, joka tunnistaa yhtäläisyyksiä tuotedatassa (esim. tuotemerkki, kuvaus tai kategoria), jotta voit suositella samantyyppisiä tuotteita reaaliaikaisesti. Tällainen kohdentaminen ei vaadi datan keräämistä käyttäjästä.

Ostoskorisuosittelut uudelle tasolle

Tuotesuosittelut ostoskorissa nostavat verkkokaupan keskiostosta tehokkaasti. Verkkokaupan asiakkaat osaavat jo odottaa ostoskorisuositteluja, mutta useimmilla suosittelujärjestelmillä niitä on hankalaa tehdä hyvin.

Yksinkertaisin tapa hyötyä ostoskorisuositteluista on näyttää geneerisiä, edullisia tuotteita, joita useimmat ihmiset käyttävät, kuten sukkia, tyynyliinoja tai käsidesiä, riippuen verkkokauppasi valikoimasta. Kivijalkaliikkeissä näitä vastaavat kassan läheisyydessä tarjolla olevat pikkutavarat, kuten suklaapatukat, patterit ja - kyllä vain - sukat.

Kivijalkaliikkeessä myyjä voi myös muistuttaa asiakasta ostamaan täydentäviä tuotteita, kuten välttämättömän HDMI-kaapelin uutta älytelevisiota varten. Voit saavuttaa saman asiakaspalvelun tason verkkokaupassasi suosittelemalla näitä  täydentäviä tuotteita ostopolun varrella.

Ostoskorisuositteluissa on hyvä muistaa kaksi asiaa. Tärkeintä on suositella tuotteita oikea-aikaisesti. Anna käyttäjän edetä ostopolulla tarpeeksi pitkälle ja suosittele täydentäviä tuotteita vasta, kun ostopäätös on tehty. Toiseksi, älä häiritse tai keskeytä ostotapahtumaa. Suosittele tuotteita, jotka asiakas voi lisätä koriin tutustumatta sen tarkemmin niiden ominaisuuksiin tai vaihtoehtoihin.

Rakenna koko verkkokauppasi tuotesuositteluilla

Tehokkaimmat tuotesuosittelut perustuvat usein eri datalähteiden ja suosittelualgoritmien yhdistämiseen. Monet yritykset rakentavat jo koko verkkokauppansa suositteluiden varaan. Tällöin sivustolla näytettävien tuotteiden järjestys ja ryhmittely perustuvat erilaisiin filttereihin.

Tämä lähestymistapa mahdollistaa sisällön kohdentamisen yksittäisille käyttäjille ja tekee helpoksi korostaa tuotteita, joiden haluat myyvän. Voit esimerkiksi yhdistää asiakkaan ostoshistorian, perustuotteita, eniten myytyjä tuotteita ja asiakkaan viimeksi katsomia tuotteita. Muista myös käyttää eri malleja uusille käyttäjille ja kanta-asiakkaille. Parhaan tuloksen saavuttamiseksi anna käyttäjien itse filtteröidä tuotteita.

Frosmon tuotesuosittelut

Frosmon suosittelutyökalu, Frosmo Recommendations, on suunniteltu vastaamaan yllä lueteltuihin haasteisiin: näkyvyyden puuttumiseen, huonolaatuisen ja hajanaisen käyttäjädatan aiheuttamiin ongelmiin ja vaikeuksiin kohdentaa sisältöä uusille käyttäjille. Lisäksi voit näyttää suositteluja kutakuinkin minkä tahansa tapahtuman tai käyttäjän suorittaman toiminnon perusteella ja muokata suosittelut oman sivustosi näköisiksi, jotta käyttäjäkokemus on saumaton.

Kiinnostuitko? Lataa Power of Personalization e-kirja (englanninkielinen) kohdentamisen voimasta.