Συχνά οι επιχειρήσεις δεν χρησιμοποιούν καθόλου το ιστορικό των παραγγελιών, με αποτέλεσμα να χάνουν κέρδη από τις πωλήσεις. Αντίθετα, επιχειρήσεις που εκμεταλλεύονται τα δεδομένα των παλαιών παραγγελιών, μπορούν να δουν αύξηση σε πωλήσεις που έχουμε δει να ξεπερνάει συχνά το 25%.
Ο τρόπος είναι η προσθήκη, δίπλα στο προϊόν που βλέπει ο πελάτης, μιας σειράς προϊόντων που αγοράζονται με τη μεγαλύτερη συχνότητα, μαζί με το συγκεκριμένο προϊόν, είτε σε ζευγάρι, είτε ως τριπλέτα κλπ.
Με άλλα λόγια, αν πολλοί προηγούμενοι πελάτες που αγόρασαν το προϊόν Α αγόρασαν επίσης το προϊόν Β, τότε αυτό συμπεριλαμβάνεται στη λίστα αυτή.
Ο μηχανισμός αναλύει καταρχάς ποια άλλα προϊόντα αγοράζονται μαζί με το προϊόν, κατόπιν τα ταξινομεί βάσει συχνότητας και επιλέγει τα 4-5 προϊόντα με τη μεγαλύτερη συχνότητα.
Εδώ προσοχή. Υπάρχουν μηχανισμοί στα eshops που κατατάσσουν τα σχετικά προϊόντα βάσει πλήθους αγορασμένων προϊόντων. Αυτό όμως είναι λάθος, καθώς μπορεί μια μεμονωμένη παραγγελία με πολλά τεμάχια από ένα προϊόν, να επηρεάσει τα αποτελέσματα.
Ας δούμε ένα παράδειγμα.
Έστω πως έχουμε τις παρακάτω παραγγελίες:
- Παραγγελία με 1 προϊόν Α & 1 προϊόν Β
- Παραγγελία με 1 προϊόν Α & 15 προϊόντα Γ
- Παραγγελία με 1 προϊόν Α & 1 προϊόν Β
- Παραγγελία με 1 προϊόν Α & 1 προϊόν Β
Άρα έχουμε 3 πελάτες που μαζί με το Α επιλέγουν το Β. Και μόλις 1 πελάτη που επέλεξε το Γ.
Το προϊόν με τη μεγαλύτερη συχνότητα που αγοράζεται μαζί με το Α είναι προφανώς το προϊόν Β, που αγοράζεται με συχνότητα 75%. Αντίθετα, το προϊόν Γ εμφανίζεται με συχνότητα 25%.
Πολλοί αλγόριθμοι στα eshops παρόλ’ αυτά, θα δείξουν το Γ ως πιο σχετικό (που είναι λάθος), καθώς θα επηρεαστούν από την ποσότητα των αγορασμένων προϊόντων. Το Γ έχει αγοραστεί 15 φορές, ενώ το Β μόλις 3. Όμως όπως είδαμε, αυτό οφείλεται σε μια μεμονωμένη παραγγελία και ισχύει πως το Γ είναι λιγότερο πιθανό να αγοραστεί μαζί με το Α, σε σύγκριση με το Β που είναι πολύ πιο πιθανό.
Η χρήση μιας σωστά δημιουργημένης λίστας “σχετικών προϊόντων”, που μερικές φορές ονομάζεται και “Οι πελάτες επίσης αγόρασαν”, είναι επωφελής τόσο για τον πελάτη, όσο και για το eshop.
Στους πελάτες παρέχονται πρόσθετες προτάσεις προϊόντων που είναι σχετικές με αυτό που ψάχνουν, γεγονός που οδηγεί σε πρόσθετες αγορές. Για το eshop, αυξάνεται το engagement, καθώς ο πελάτης δεν φεύγει αμέσως, αλλά παραμένει, καθώς του τραβούν την προσοχή τα σχετικά προϊόντα. Αυτό οδηγεί σε περισσότερο χρόνο περιήγησης στο eshop, σε περισσότερες προβολές προϊόντων και προσθήκη στο καλάθι περισσότερων προϊόντων.
Για παράδειγμα, ας υποθέσουμε ότι ένας πελάτης βλέπει ένα μίξερ Bosch σε ένα eshop. Ο αλγόριθμος θα λάβει υπόψη τη συχνότητα με την οποία εμφανίζονται άλλα προϊόντα σε προηγούμενες παραγγελίες που αγοράστηκε το συγκεκριμένο μίξερ. Διαπιστώνει ότι πολλοί πελάτες που αγόρασαν το μίξερ αγόρασαν επίσης πρόσθετα εξαρτήματα, όπως έναν αναδευτήρα ή έναν γυάλινο κάδο, επομένως προτείνει αυτά τα δύο προϊόντα στον επισκέπτη, ακριβώς κάτω ή δίπλα από το μίξερ που βλέπει.
Ο επισκέπτης είναι πολύ πιθανό, αντί να αγοράσει μόνο το μίξερ, να προσθέσει στο καλάθι του και τα δύο προϊόντα, αυξάνοντας το κέρδος για το κατάστημα.
Αν είστε ιδιοκτήτης eshop και εφαρμόσετε τη συγκεκριμένη τεχνική είναι σίγουρο πως θα δείτε αύξηση πωλήσεων. Μόνη προϋπόθεση είναι να έχετε ήδη αρκετό αριθμό παραγγελιών και οι παραγγελίες να έχουν συχνά πάνω από 1 προϊόν.
Και ασφαλώς να συνεργάζεστε με εταιρία που να μπορεί να υλοποιήσει τον συγκεκριμένο αλγόριθμο στο eshop σας.
