È il 1994 quando Jeff Bezos abbandona un sicuro incarico professionale in un hedge found e, nel sotterraneo della propria casa in affitto, fonda Amazon.
Nel primo mese di vita, l’eCommerce vende libri in tutti gli stati americani ed in oltre 45 diversi paesi del mondo, generando un profitto netto di $ 20.000 a settimana, il resto è storia.
Dietro al successo di Amazon, oltre al rivoluzionario modello di business, si nasconde un costante miglioramento della piattaforma e la continua ricerca di soluzioni innovative.
Tra queste non possiamo dimenticare il product recommendation engine, il “motore” di raccomandazioni dinamiche dei prodotti che ha fatto il successo di Amazon e ha rivoluzionato l’intero mondo eCommerce.
Abbiano scelto, così, di aprire l’articolo di oggi del nostro blog, proprio ricordando questa storia.
Secondo uno studio reso noto da McKinsey, fino al 35% delle vendite Amazon viene generato grazie agli algoritmi di intelligenza artificiale che regolano le raccomandazioni di prodotto.
Jeff Wilke, direttore della Consumer Division, commenta così il ruolo di questa funzionalità nella piattaforma eCommerce più conosciuta al mondo:
“At Amazon.com, we use recommendation algorithms to personalize the online store for each customer.
The store changes radically based on customer interests, showing programming books to an engineer and baby toys to a new mom.”
Product recommendation: ma se il mio eCommerce non è Amazon?
Come è facilmente intuibile, in Amazon nulla è lasciato al caso, ma tutto è governato dall’intelligenza artificiale e dal machine learning.
Il motore che regola le raccomandazioni dinamiche di prodotti è composto da diverse parti che si occupano dell’analisi di molteplici dati: in linea di massima esso seleziona i prodotti da mostrare a ciascun utente sulla base degli acquisti fatti, delle interazioni e valutazioni di articoli in esposizione e combina i risultati con articoli simili visualizzati da utenti con interessi simili.
Sebbene di Amazon e di piattaforme eCommerce con così tanto budget spendibile in ricerca e sviluppo ne esista soltanto uno, le funzionalità di product/content recommendation dinamiche possono essere implementate anche su eCommerce (e perché no siti di contenuti) di più ridotte dimensioni, grazie a soluzioni e piattaforma di marketing automation come Blendee, con indubbi vantaggi:
- incremento delle vendite;
- miglioramento dell’esperienza di acquisto e navigazione degli utenti;
- aumento della customer retention;
- fidelizzazione dei clienti.
Product Recommendation con Blendee: come fare?
Si stima, in media, che solo il 5% dei prodotti a catalogo venga di fatto visto dagli utenti: ecco allora che l’utilizzo di product recommendation dinamiche diventa fondamentale non solo per far conoscere i tuoi prodotti a catalogo agli utenti ma per mostrarglieli nel momento più opportuno.
Profilare e segmentare a monte l’audience sarà fondamentale per selezionare il cluster di utenti più opportuno al quale mostrare determinate product recommendation.
Ma andiamo con ordine.
Blendee permette la possibilità di configurare product recommendation sulla base di più algoritmi.
Ecco i principali:
- trending recommendation: vengono mostrati i prodotti più popolari del catalogo per click e view;
- personalized recommendation: si suggeriscono all’utente prodotti selezionati in base alla sua recente storia di navigazione all’interno del sito;
- personalized trending recommendation: in questo caso l’algoritmo mostra prodotti mixando i due precedenti;
- browsing history recommendation: vengono mostrati prodotti a partire da quelli che l’utente ha visto;
- personalized recommendation by sales: l’algoritmo permette di mostrare prodotti suggeriti a partire da quelli che l’utente ha acquistato di recente;
- shopping cart recommendation: si consigliano prodotti 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.
Scelta dell’algoritmo ma non solo: in fase di configurazione è fondamentale selezionare anche la pagina del sito ove si desidera mostrarle:
- home page;
- pagina categoria;
- scheda prodotto;
- blog page;
- pagina account;
- pagina 404;
- cart page.
Blocchi delle pagine del Sito/eCommerce ma non solo: Blendee consente di inserire product recommendation dinamiche anche all’interno di messaggi comportamentali (warning, popup..) e all’interno di email e newsletter (widget email).
Raccomandazioni di prodotto dinamiche: come scegliere l’algoritmo giusto?
Tra tanti algoritmi disponibili come possono scegliere quello vincente? Questa è sicuramente la domanda che ti stai ponendo.
Esistono delle linee guida, pressoché assodate, secondo le quali, sulla base della pagina in oggetto ed il cluster di utenti che si desidera intercettare esistono degli algoritmi tendenzialmente più efficaci di altri.
Home page
Per utenti alla prima visita si consiglia di selezionare algoritmi generici che consentano di mostrare prodotti trending, mentre ad utenti di ritorno è preferibile mostrare prodotti consigliati sulla base del loro percorso di navigazione o acquisto.
Pagina prodotto
In questo caso l’obiettivo di mostrare prodotti consigliati è quello di alzare il valore dello scontrino e stimolare l’utente ad acquistare un prodotto simile a quello che sta visionando ad un prezzo maggiore.
Pagina carrello
Si consiglia di mostrare prodotti consigliati in ottica di cross-selling ovvero prodotti complementari a quelli che l’utente ha aggiunto al carrello, sfruttando proprio l’algoritmo dedicato (shopping cart recommendation).
Pagina categoria
Anche in questo caso è possibile mostrare in alto, nel listing, i prodotti più visti e cliccati della particolare categoria che l’utente sta visionando.
Pagina 404 e risultati di ricerca
In questo caso è possibile mostrare i prodotti più visti e cliccati partendo dalla storia di navigazione dell’utente.
Quanto riportato sopra sono solo best practice: con in ogni situazione solo l’analisi dei dati può confermare l’efficacia maggiore o minore di un algoritmo rispetto ad un altro.
Product recommendation efficace? È Blendee a dirti quale scegliere!
Grazie ad Experiments, la nuova versione di A/B testing di Blendee, scegliere la product recommendation più efficace è ancora più semplice.
In pochi e semplici click, puoi mettere a confronto due o più algoritmi di product recommendation in una determinata sezione del tuo sito o email, prendendo come audience di riferimento proprio un cluster dei tuoi utenti.
Puoi scegliere se impostare il test in modalità automatica o manuale.
Nel primo caso sarà sufficiente scegliere solo in base a quale criterio selezionare la variante vincente (visualizzazioni, click, vendite), mentre nel secondo caso sarà necessario scegliere anche il grado di accuratezza del test, il numero di utenti da coinvolgere, la durata temporale ed il tempo di attesa prima dell’analisi dei dati.
Una volta testati due o più algoritmi e individuato il vincente, questo sarà usato come criterio per orchestrare la visualizzazione dei prodotti raccomandati dinamici.
