Quante volte navigando l’eCommerce del tuo fashion brand preferito ti sarai imbattuto in una selezione di prodotti pensati proprio per te?
Sicuramente tantissime: già perché la personalizzazione dell’esperienza di navigazione ed acquisto in un eCommerce passa in primo luogo dall’attivazione di product recommendation dinamiche.
Mostrare a clienti e potenziali clienti prodotti in linea alle loro esigenze, ai loro interessi e alle loro aspettative, è, infatti, fondamentale per incrementare le vendite dello shop grazie all’impiego di strategie di up-selling e cross-selling dinamico.
Se nel primo caso, l’obiettivo è quello di stimolare il potenziale cliente a spendere di più per il prodotto che sta cercando, proponendo alternative ad un prezzo tendenzialmente più alto, nel secondo caso il valore del carrello si alza proponendo prodotti correlati a quello visualizzato o scelto.
Marketing automation per eCommerce fashion: Amazon docet!
Se la funzionalità delle product recommendation dinamiche è, senza ombra di dubbio, quella più utilizzata in una strategia di marketing automation per eCommerce fashion e web personalization, il motivo è, sicuramente, riconducibile alla loro efficacia in termini di incremento delle vendite ed arricchimento dell’esperienza di navigazione ed acquisto degli utenti stessi.
Non è un caso, infatti, che Amazon abbia dichiarato come il 35% del fatturato derivi proprio dagli algoritmi di recommendation e, come in media, questi riescano a portare un incremento di fatturato del 12%, con punte, in alcuni casi, del 30%.
Dalla home page alla pagina prodotto, dalla pagina categoria alla pagina carrello: ogni sezione dell’eCommerce può essere personalizzata con product recommendation dinamiche.
Gli obiettivi?
- Aumentare i profitti: questo è il fine ultimo di ogni strategia di marketing, ovvero aumentare il ROI.
- Fidelizzare il cliente: se riusciamo a risolvere un suo problema o necessità, guadagniamo la sua fiducia.
- Incrementare il valore dello scontrino medio: effettuare una prima vendita è già un gran passo, dopo che abbiamo stabilito un primo contatto con il cliente, perché non provare ad incrementare il volume della vendita.
- Aumentare il CLV: considerando la difficoltà nel fidelizzare il cliente e l’aumento dell’offerta, in alcuni casi conviene puntare sui clienti già esistenti e stimolarli ad un secondo acquisto. Questo significa allungare il ciclo di vita del cliente e creare quindi altre occasioni per una nuova conversione. Se un cliente percepisce che continuiamo ad occuparci di lui e a proporgli offerte personalizzate, rimarrà fedele più facilmente.
Product recommendation per eCommerce fashion: si, ma quali?
Abbiamo ben compreso l’efficacia delle product recommendation il loro valore all’interno di un’efficace strategia di marketing automation per eCommerce fashion, ma, in fase di implementazione, dobbiamo ben valutare quali e come utilizzarle.
Esistono, infatti, diverse tipologie di product recommendation che variano in funzione della tipologia di algoritmo che utilizzano.
Analizziamo le principali:
- trending recommendation: vengono mostrati i prodotti più popolari del catalogo per click e view;
- personalized recommendation: l’utente ha la possibilità di vedere prodotti selezionati in base alla sua recente storia di navigazione all’interno del sito;
- personalized trending recommendation: in questo caso l’algoritmo propone prodotti mixando i due precedenti, ovvero suggerendo prodotti a partire dalla storia di navigazione dell’utente ma più popolari per click e view;
- browsing history recommendation: in questo caso vengono mostrati prodotti a partire da quelli che l’utente ha visto;
- personalized recommendation by sales: l’algoritmo consente di mostrare prodotti suggeriti a partire da quelli che l’utente ha acquistato di recente;
- shopping cart recommendation: con questa tipologia vengono mostrati prodotti consigliati a partire da quelli che l’utente ha inserito nel carrello;
- remarketing recommendation: vengono mostrati prodotti che l’utente ha visionato negli ultimi giorni ma non ha acquistato.
Queste sono soltanto le principali tipologie: esse possono essere ulteriormente personalizzate ed i prodotti mostrati filtrati, in funzione del segmento di appartenenza dell’utente stesso (es: soglie di spesa, categorie preferite, taglia indossata).
Le potenzialità di una funzionalità come quella delle product recommendation sono davvero enormi se ben sfruttate e se rispondenti ad una strategia ben pianificata: come per ogni attività di marketing automation il consiglio è ovviamente quello di farne un uso accorto per evitare effetti di over automation che potrebbero infastidire l’utente.
