![]() |
![]() |
![]()
Post
#1
|
|
Grupa: Zarejestrowani Postów: 898 Pomógł: 48 Dołączył: 2.11.2005 Skąd: Poznań Ostrzeżenie: (0%) ![]() ![]() |
W sumie nie wiem, gdzie dać takie pytanie, bo jest z pogranicza programowani, marketingu i ogólnie temat bardzo luźny.
Być może ktoś z Was miał okazję pracować nad projektem rekomendacji w sklepach internetowych - czyli chodzi o tworzenie ramek rekomendacyjnych, sugerujących klientowi najciekawsze produkty. Zastanawiam się nad algorytmem doboru produktów, które należy klientowi wyświetlić. Załóżmy sprawę najprostszą, czyli rekomendacje statyczne - dla każdego klienta takie same, czyli nie biorące pod uwagę np. historii zakupów danego użytkownika, czy przeglądanych przez niego produktów na stronie. Po prostu klient odwiedza kategorię X i wyświetlamy mu rekomendacje z tej strony. Temat wydawałoby się trywialny, ale... no właśnie nie do końca jest taki trywialny. Jeśli podejdziemy do tematu jednostronnie - np. największa sprzedaż ilościowa da nam w rekomendacjach zazwyczaj produkt, które klienci kupują najczęściej, ale są to produkty tanie. Jeśli weźmiemy sprzedaż największą to będzie duży udział produktów, który zazwyczaj nikt nie kupuje ale miały jakiś "strzał". Przykładowo w kategorii mamy produkty po 30 i po 1000zł to wystarczy jeden zakup tego drogiego produktu, aby produkty tanie praktycznie nie miały szans wyświetlania, a rekomendowanie tylko takich produktów to słaby pomysł. Dochodzi jeszcze aspekt czasu z jakiego analizujemy sprzedaż. Można analizować prawdopodobieństwo zakupu itd itp. W skrócie ogólnie pytanie brzmi - czy mieliście okazje pracować nad podobnym projektem i jeśli tak, jakie elementy brał pod uwagę algorytm. A może w ogóle trzeba do tematu podejść od innej strony i dodać wymiar typu CTR elementów wyświetlanych, czyli np. do każdej ramki dodawać produkty "średnio popularne" i badać ich CTR w rekomendacjach, ucząc w czasie stronę doboru odpowiednich produktów? Będę bardzo zobowiązany za wymianę doświadczeń, bo materiałów jak na lekarstwo. Jako, że temat zaczynam to i opiszę swoje pierwsze próby. Na chwilę obecną posiadam dane historyczne jedynie ze sprzedaży + informacje z samego katalogu sklepu (cena, marka etc). Głównie zależy mi na optymalizacji rekomendacji w obrębie kategorii bo zazwyczaj generują one jakieś 70-80% sprzedaży z takiego systemu, kolejne ~20% to strona główna, czyli w sumie podobny algorytm jak strona kategorii. Wyszedłem z punktu widzenia sprzedaży ilościowej. Pierwszy problem jaki napotkałem to zazwyczaj takie kategorie dominowane są przez jedną markę, która jest najpopularniejsza w segmencie, ale nadal stanowi tylko pewien procent sprzedaży. Zmodyfikowałem więc system aby ograniczał ilość rekomendacji do X produktów z danej marki. Kolejna rzecz to branie pod uwagę 2 kryteriów - bestsellery i promocje. Czyli system wyświetla X aktualnych promocji (również biorąc pod uwagę popularność produktów) + Y bestsellerów w danej kategorii, które nie są w promocji. W wielu kategoriach daje to już bardzo sensowne rekomendacje - z jednej strony rekomendujemy produkty popularne, z drugiej promocje. Problem jaki się pojawił to kategorie niejednorodne, w których produkty są z szerokiego przedziału cenowego - niestety skupienie się na sprzedaży ilościowej lub wartościowej powoduje rekomendacje tyko części asortymentu (o czym już wyżej pisałem). Trudno natomiast wyłowić asortyment "środka" czyli o średniej cenie i "przyzwoitej" sprzedaży. Tutaj pracuję nad jakimś "mnożnikiem" wg którego będę układał ranking produktów. Coś byście dodali do takiego systemu? Coś mi umyka? |
|
|
![]() |
![]()
Post
#2
|
|
Grupa: Zarejestrowani Postów: 2 885 Pomógł: 463 Dołączył: 3.10.2009 Skąd: Wrocław Ostrzeżenie: (0%) ![]() ![]() |
Jeśli na potrzeby własne implementujesz, to zaleta jest taka, że można do woli eksperymentować. Wszystko zależy od tego, jak słuszne (i czy) przyjmiesz założenia, co weźmiesz pod uwagę oraz - przede wszystkim - jaki chcesz uzyskać rezultat? Rekomendacje to nie wszystko, co można klientom zaoferować. Częściowy efekt wzrostu sprzedaży można osiągnąć stosując np. sprzedaż krzyżową, up-selling (gorsza karma - lepsza karma dla kota). Z kolei zaimplementowanie zestawów produktów również może przynieść wymierne korzyści, ludzie są przyzwyczajeni, że w pakiecie/zestawie jest taniej. Kilka prac wcześniej spotkałem się z ciekawą socjotechniką sprzedaży, mianowicie: never-ending promocja. Wystawiasz na stronie wszędzie widoczny timer, który odlicza, np. do końca promocji zostało jeszcze tyle i tyle godzin:minut:sekund i to sobie tak tyka. Niby każdy wie, że to lipa, ale finalnie mechanizm dość znacznie wpłynął na sprzedaż, wiem, ponieważ salesi porównywali wyniki sprzed wdrożenia z wynikami z kilku miesięcy po i wzrost był odczuwalny. Pomyśl też np. o tym, że jak klient zapisze się do Twojego newslettera, to z automatu dostanie jednorazowy kupon rabatowy do wykorzystania z datą ważności np. 30 dni. Podobny kupon można wdrożyć też po dokonaniu dowolnego zakupu. Klient czuje się wtedy doceniony, a lojalny klient - nagrodzony za zakup. Pieczesz dwie pieczenie na jednym: budujesz bazę potencjalnych lojalnych klientów, a jak robisz wyprzedaż, to szybka akcja marketingowo-mailowa i masz zwiększony ruch w sklepie. Siłą rzeczy prędzej czy później przekłada się to na wyniki sprzedaży czy tego chcesz czy nie.
|
|
|
![]() ![]() |
![]() |
Aktualny czas: 15.10.2025 - 12:03 |