Es 1994 cuando Jeff Bezos abandona un puesto profesional seguro en una fundación de cobertura y, en el sótano de su casa alquilada, funda Amazon. En el primer mes de su existencia, la empresa de comercio electrónico vende libros en todos los estados de EE.UU. y en más de 45 países diferentes de todo el mundo, generando un beneficio neto de 20.000 dólares semanales; el resto es historia.
Detrás del éxito de Amazon, además de su revolucionario modelo de negocio, se encuentra una mejora constante de la plataforma y la búsqueda continua de soluciones innovadoras. Entre ellas, no podemos olvidar el motor de recomendación de productos, el «motor» dinámico de recomendación de productos que ha hecho posible el éxito de Amazon y ha revolucionado todo el mundo del comercio electrónico.
Por ello, hemos decidido abrir el artículo de hoy en nuestro blog recordando esta historia. Según un estudio publicado por McKinsey, hasta el 35% de las ventas de Amazon se generan gracias a algoritmos de inteligencia artificial que rigen las recomendaciones de productos. Jeff Wilke, director de la División de Consumo, comenta el papel de esta función en la plataforma de comercio electrónico más conocida del mundo:
En Amazon.com, utilizamos algoritmos de recomendación para personalizar la tienda online para cada cliente. La tienda cambia radicalmente en función de los intereses del cliente, mostrando libros de programación a un ingeniero y juguetes para bebés a una madre primeriza«.
Recomendación de productos: ¿y si mi eCommerce no es Amazon?
Como es fácil adivinar, en Amazon nada se deja al azar, sino que todo se rige por la inteligencia artificial y por el aprendizaje automático. El motor que rige las recomendaciones dinámicas de productos se compone de varias partes que se ocupan del análisis de múltiples datos: básicamente, selecciona los productos que se mostrarán a cada usuario en función de las compras realizadas, las interacciones y las valoraciones de los artículos expuestos y combina los resultados con artículos similares mostrados por usuarios con intereses parecidos.
Aunque sólo hay unAmazon y plataformas de eCommerce con tanto presupuesto que se puede gastar en investigación y desarrollo, las funcionalidades de recomendación dinámica de productos/contenidos también se pueden implementar en eCommerce más pequeños(y por qué no en sitios de contenidos), gracias a soluciones y plataformas de automatización de marketing como Blendee, con indudables ventajas:
- aumento de las ventas;
- mejorar la experiencia de compra y navegación del usuario;
- mayor retención de clientes;
- fidelización de la clientela.
Recomendación de productos con Blendee: ¿cómo hacerlo?
Se estima que, de media, sólo el 5% de los productos de su catálogo son realmente vistos por los usuarios: de ahí que el uso de recomendaciones dinámicas de productos se convierta en algo esencial no sólo para dar a conocer los productos de su catálogo a los usuarios, sino para mostrarlos en el momento más oportuno.
La elaboración de perfiles y la segmentación de la audiencia en sentido ascendente serán cruciales para seleccionar el grupo de usuarios más adecuado al que mostrar determinadas recomendaciones de productos. Pero procedamos por orden.
Blendee permite la posibilidad de configurar las recomendaciones de productos en base a varios algoritmos. Aquí están los principales:
- ecomendación de tendencias: los productos más populares del catálogo se muestran por clic y vista;
- recomendación personal: se sugieren al usuario productos seleccionados en función de su historial de navegación reciente en el sitio;
- recomendación personalizada de tendencias: en este caso, el algoritmo muestra productos mezclando los dos anteriores;
- recomendación del historial de navegación: se muestran productos a partir de los que el usuario ha visto;
- recomendación personalizada por ventas: el algoritmo permite mostrar productos sugeridos a partir de los que el usuario ha comprado recientemente;
- recomendación de la cesta de la compra: se recomiendan productos a partir de los que el usuario ha colocado en la cesta de la compra;
- recomendación de remarketing: se muestran productos que el usuario ha visto en los últimos días pero no ha comprado.
Elegir el algoritmo, pero no sólo eso: durante la configuración, también es esencial seleccionar la página del sitio en la que desea mostrarlos:
- página de inicio;
- página de categoría;
- ficha de producto;
- página del blog;
- página de la cuenta;
- página 404;
- página del carro.
Bloques de páginas web/eCommerce, pero no sólo: Blendee permite recomendaciones dinámicas de productos también dentro de mensajes de comportamiento (avisos, popups…) y dentro de emails y newsletters (widgets de email).
Recomendaciones dinámicas de productos: ¿cómo elegir elalgoritmo adecuado?
Entre tantos algoritmos disponibles, ¿cómo elegir el ganador? Esta es sin duda la pregunta que usted se hace.
Existen directrices, más o menos establecidas, según las cuales, en función de la página en cuestión y del grupo de usuarios que se desea interceptar, hay algoritmos que tienden a ser más eficaces que otros.
Página de inicio Para los usuarios primerizos, es aconsejable seleccionar algoritmos genéricos para mostrar los productos de tendencia, mientras que es preferible mostrar productos recomendados a los usuarios recurrentes en función de su historial de navegación o de compras.
Página de producto En este caso, el objetivo de mostrar productos recomendados es aumentar el valor del recibo y estimular al usuario para que compre un producto similar al que está viendo a un precio superior.
Página de la cesta de la compra Es aconsejable mostrar productos recomendados con vistas a la venta cruzada, es decir, productos complementarios a los que el usuario ha añadido a la cesta de la compra, explotando el algoritmo dedicado (recomendación de la cesta de la compra).
Página de categoría De nuevo, es posible mostrar en la parte superior del listado los productos más vistos y en los que más se ha hecho clic de la categoría concreta que está viendo el usuario.
Página 404 y resultados de búsqueda En este caso, es posible mostrar los productos más vistos y en los que se ha hecho clic a partir del historial de navegación del usuario.
Lo anterior son sólo buenas prácticas: en cada situación, sólo el análisis de los datos puede confirmar la mayor o menor eficacia de un algoritmo sobre otro.
¿Recomendación eficaz de productos? ¡Blendee te dice cuál elegir!
Gracias a Experiments, la nueva versión de pruebas A/B de Blendee, elegir la recomendación de productos más eficaz es aún más fácil.
En unos pocos clics, puede comparar dos o más algoritmos de recomendación de productos en una determinada sección de su sitio o correo electrónico, tomando como público objetivo un grupo de sus usuarios.
Puede elegir si desea configurar la prueba en modo automático o manual. En el primer caso, sólo tiene que elegir en función de qué criterio desea seleccionar la variante ganadora (vistas, clics, ventas), mientras que en el segundo caso, también tiene que elegir el grado de precisión de la prueba, el número de usuarios que participarán, el tiempo de duración y el tiempo de espera antes de analizar los datos.
Una vez probados dos o más algoritmos e identificado el ganador, éste se utilizará como criterio para orquestar la visualización de productos dinámicos recomendados.