fbpx

System rekomendacji w sklepie internetowym

System rekomendacji jest skuteczny, bo pozwala klientom sklepów lepiej skomponować swoje zakupy, proponując im towary zgodne z ich preferencjami.

W sklepach z wieloma towarami klient nigdy nie przejrzy wszystkich produktów, stąd trafna rekomendacja ze strony sklepu wpływa na powiększenie obrotów, zapewniając wzrost przychodów przez zwiększenie konwersji i średniej wartości koszyka.

Inne zastosowanie systemu rekomendacji to np. takie, gdy klient sklepu internetowego zapisał sobie na liście obserwowanych jakiś towar, który przestał być dostępny. System rekomendacji zaproponuje wtedy coś, co jest dostępne, a równie dobrze spełni oczekiwania klienta. Dzięki swojej szybkości, uczeniu się, precyzji propozycji stanowi realną przewagę handlu elektronicznego nad tradycyjnym.
W żadnym sklepie żaden sprzedawca nie będzie w stanie tak szybko, dokładnie i bezpośrednio proponować towarów komplementarnych i substytutów dla tak ogromnej rzeszy kupujących. Tylko sprawne oraz efektywne algorytmy i oprogramowanie są
w stanie to zrobić. Dlatego e-sklepy, które coraz częściej walczą o portfel konsumentów z tradycyjnym handlem, muszą je wykorzystywać w tej walce. Inaczej sami siebie pozbawiają „killer app”, która daje im szansę na wygranie tej wojny i zdobycie
pokaźnych zysków.

 

Czym są systemy rekomendacji?

Zwykle matematyka, statystyka oraz algorytmy są nieciekawe i trudne dla sprzedawców, ale w kwestii systemów rekomendacji warto wiedzieć choć ogólnie, czym one są. A są bardzo zaawansowanymi technologicznie programami, które posiadają wiedzę o towarach i aktywnościach klientów, i zwracają konkretnemu klientowi, na konkretnej stronie rekomendacje towarów. Poszczególne systemy rekomendacyjne różnią się metodami użytymi do wygenerowania rekomendacji. Możemy wyróżnić systemy, w których sposób generowania rekomendacji jest stosunkowo prosty. Przykładem są metody generujące rekomendacje towarów najczęściej kupowanych wraz z aktualnie oglądanym towarem. Jeszcze mniej złożonym mechanizmem są rekomendacje towarów najczęściej kupowanych w danym sklepie (tzw. bestsellery).
Zaawansowane systemy rekomendacji, takie jak stworzyła IAI S.A., wykorzystują m.in. metody uczenia maszynowego (ang. machine learning) oraz metody sztucznej inteligencji. Dzięki nim możliwe jest dopasowanie rekomendacji do indywidualnych preferencji użytkowników. Są to tak zwane rekomendacje spersonalizowane, inaczej zwane też inteligentnymi, które przynoszą najwięcej korzyści. Po pierwsze, na podstawie analizy zachowania się klientów i kroków, jakie podejmują, system rekomendacji zdobywa i wykorzystuje istotne informacje o ich zainteresowaniach. Dzięki temu dokładniej poznaje potrzeby klientów i lepiej dopasowuje prezentowaną część oferty sklepu.
Po drugie, dzięki prezentowaniu dobrze dopasowanej oferty rośnie satysfakcja klienta
z przebiegu zakupów, a to przekłada się na lojalność. System rekomendacji, który zna
i rozumie potrzeby klienta, pozwala sklepowi internetowemu lepiej je zaspokoić przy
każdej kolejnej wizycie klienta. To sprawia, że rośnie prawdopodobieństwo powrotu klienta do sklepu i dokonania kolejnych zakupów. Efektem końcowym trafnych rekomendacji
jest przede wszystkim wzrost przychodów sklepu internetowego. Istotnymi elementami
są również wzrost zadowolenia i lojalności klientów oraz zwiększenie poziomu sprzedaży
produktów poprzez skuteczniejszy cross-selling.

 

Czy każdy sklep internetowy powinien korzystać z systemów rekomendacji?

Wielkość ma znaczenie. Im więcej jest asortymentu oraz odwiedzin, tym więcej danych do analizy pozyskuje system rekomendacji. Dzięki temu szybciej się uczy i lepiej prezentuje ofertę. Ważne jest także zróżnicowanie asortymentu. Sklepy horyzontalne, które posiadają szerokie spektrum asortymentu, powinny upewnić się, że taki system poradzi sobie dobrze z różnymi kategoriami towarów, często w bardzo niewielkim stopniu ze sobą powiązanych.
Kolejną kwestią przy wyborze systemu rekomendacji są wykorzystane metody generowania rekomendacji. Metody, które bazują na wiedzy o zachowaniu się użytkowników, wymagają zgromadzenia odpowiedniej ilości danych, zanim będzie możliwe zbudowanie efektywnego modelu. Ze względu na to proces uruchomienia
systemu rekomendacji wymaga z jednej strony pewnego czasu, w którym system
na podstawie danych archiwalnych będzie się uczył i rozwijał. Także ogranicza to trochę dostępność takiego systemu dla nowych sklepów. Z drugiej strony pozwala na lepsze dopasowanie wyników do preferencji klientów w sklepach, które już istnieją od dłuższego czasu i szukają sposobu na poprawienie swoich wyników.
System, jaki stworzyliśmy w IAI, miał służyć w tak trudnej branży, jak szeroko rozumiana branża modowa i sportowa, w której jesteśmy bardzo silni. Wynikało to z tego, że dostępne na rynku systemy rekomendacji nie potrafiły w testach A/B wykazać, iż przynoszą większy zwrot z inwestycji niż opłaty ponoszone przez sklep na rzecz dostawcy systemu rekomendacji. Dlatego nasz system głęboko wchodzi w bazę towarów, ucząc się, co w danym sklepie internetowym jest ważne, rozumiejąc czasami lepiej od samego sprzedawcy, że np. dla danego buta ważne są wysokość obcasa i sposób zaokrąglenia czuba, a dla drugiego buta ważne są kryształki umieszczone na nim od boku.


1 komentarz

  1. Tomek 19-11-2013

Zostaw odpowiedź