কখন এবং কিভাবে পণ্য সুপারিশ সিস্টেম বাস্তবায়ন করতে হবে

2008 সালে Amazon দ্বারা খুচরা ব্যবসায় তাদের প্রবর্তনের পরে পণ্যের সুপারিশগুলি ক্রমবর্ধমান জনপ্রিয় হয়ে ওঠে এবং খুচরা বিক্রেতা এবং তাদের গ্রাহকদের উভয়ের জন্যই একটি দুর্দান্ত মূল্য প্রদান করতে পারে। হাইপটি পণ্যের সুপারিশের সাথে যুক্ত অনেকগুলি বিপজ্জনক মিথের উপস্থিতির দিকে পরিচালিত করে (বেশিরভাগই বিক্রেতার বিক্রয় এবং বিপণন দল দ্বারা তৈরি)। অর্থাৎ আপনি এখনও পণ্যের সুপারিশ সমাধানটিকে সম্পূর্ণ স্বায়ত্তশাসিত ম্যাজিক বুলেট হিসাবে উপস্থাপন করা দেখতে পারেন, যা ওয়েবসাইটে ইনস্টল করার পরেই একজনের লাভ বাড়িয়ে দেবে।

বাস্তবে, জিনিসগুলি আরও জটিল। পণ্যের সুপারিশগুলি উভয়ই করতে পারে - আপনার বিক্রয় বাড়ানো এবং রূপান্তর নষ্ট করা। এবং এটির অতিরিক্ত মান পরিমাপ করা চ্যালেঞ্জিং কারণ বেশিরভাগ বিনামূল্যের বিশ্লেষণাত্মক সরঞ্জামগুলি আপনাকে এখানে বিভ্রান্ত করতে পারে যার ফলে ক্ষতি বেড়ে যায়।

এই নিবন্ধে, আমি সবচেয়ে প্রয়োজনীয় বিষয়গুলি কভার করার চেষ্টা করব যেগুলি পণ্যের সুপারিশগুলির সাথে কাজ করার সময় একজন খুচরা বিক্রেতার দ্বারা বিবেচনা করা প্রয়োজন এবং কীভাবে আপনার পণ্যের রেকোর সর্বাধিক সুবিধা পেতে হয় সে সম্পর্কে কিছু নির্দিষ্ট টিপস এবং কৌশল প্রদান করব৷

কার্যপ্রবাহ এবং প্রচারাভিযান দিয়ে শুরু করুন, সরঞ্জাম নয়

পণ্যের সুপারিশগুলি হল ক্রয়ের জন্য গ্রাহকদের প্রস্তাবিত আইটেমগুলির সংগ্রহ। পণ্যের প্রস্তাবনা কোথায় প্রদর্শিত হবে তার উপর নির্ভর করে পণ্যের সুপারিশ ভিন্ন হতে পারে, উদাহরণস্বরূপ, বিক্রয় পরিচালকের ট্যাবলেট বা একটি পণ্য কার্ড এবং ব্যবসার লক্ষ্য, উদাহরণস্বরূপ, গড় অর্ডার মান বৃদ্ধি বা রূপান্তর বা আয় বৃদ্ধি।

পণ্যের সুপারিশ বাস্তবায়নের আগে, কোন ওয়ার্কফ্লোতে তারা গ্রাহকের জন্য উপযোগী হবে তা বোঝা অত্যন্ত গুরুত্বপূর্ণ। ক্লাসিক ইকমার্স ব্যবসায়, সুপারিশগুলি ওয়েবসাইটের বিভিন্ন অংশে প্রদর্শিত পণ্য কার্ডের মতো দেখায়। উদাহরণস্বরূপ, একটি ব্র্যান্ডের ওয়েবসাইটে একটি টি-শার্ট বাছাই করা অন্যান্য অনুরূপ টি-শার্টগুলিকে সুপারিশ করা হবে এবং গ্রাহককে দেখানো হবে৷

অফলাইন সুপারিশগুলি POS-এ দোকানের কর্মচারী, তাদের ট্যাবলেটে বিক্রয় ব্যবস্থাপককে দেখানো যেতে পারে। পণ্যের সুপারিশগুলিও একটি কল সেন্টারের জন্য উপযোগী হতে পারে। যখন একজন গ্রাহক কল করেন, তখন অপারেটর গ্রাহকের ক্রয়ের ইতিহাস এবং দর্শনের উপর ভিত্তি করে পণ্যের পরামর্শ দিতে পারে।

একই সময়ে, নির্দিষ্ট ব্যবসায়িক লক্ষ্য বা শ্রোতা বিভাগের প্রয়োজনের সাথে আরও ভালভাবে ফিট করার জন্য পণ্যের পরামর্শগুলি সর্বদা সূক্ষ্ম-টিউন করা যেতে পারে। উদাহরণস্বরূপ, সুপারিশগুলি শুধুমাত্র ডিসকাউন্ট সহ পণ্যগুলি প্রদর্শন করতে পারে (ইউপিটি, ইউনিট-প্রতি-লেনদেন বাড়ানোর জন্য), শুধুমাত্র একটি নির্দিষ্ট ব্র্যান্ডের দ্বারা উত্পাদিত পণ্যগুলি (উদাহরণস্বরূপ, যেটি সর্বাধিক মুনাফা তৈরি করে), বা শুধুমাত্র এমন পণ্যগুলি যা আপনার স্টক অনেক আছে.
অনলাইন এবং অফলাইন সুপারিশগুলি কেমন হতে পারে তার কিছু উদাহরণ এখানে দেওয়া হল:

অনলাইন চ্যানেল

• হোমপেজে — জনপ্রিয় পণ্য;

• ক্যাটালগে — বিভাগ থেকে জনপ্রিয় পণ্য;

• পণ্য কার্ডে — সম্পর্কিত বা অনুরূপ পণ্য;

• কার্টে — সম্পর্কিত পণ্য বা গ্রাহকরা প্রায়শই ক্রয় করেন।

  
  

অফলাইন চ্যানেল

• কল সেন্টারে — সম্পর্কিত বা ঘন ঘন কেনা পণ্য;

• বিক্রয় ব্যবস্থাপকের ট্যাবলেটে — বেস্টসেলার এবং পণ্য সংগ্রহ;

• POS এ — সম্পর্কিত বা প্রচারমূলক অফার।

  
  

এই সমস্ত ব্যবহারের ক্ষেত্রে কী গুরুত্বপূর্ণ - আপনার সুপারিশগুলি আদর্শভাবে বিভিন্ন টাচ পয়েন্ট এবং যোগাযোগের চ্যানেলগুলিতে সামঞ্জস্যপূর্ণ হতে হবে৷ আপনার প্রচারমূলক ইমেল, ই-কমার্স ক্যাটালগে এবং অর্ডার নিশ্চিতকরণের সময় কল সেন্টারের প্রতিনিধির সাথে কথা বলার সময় আপনার গ্রাহকরা বিভিন্ন (বা এমনকি পরস্পরবিরোধী) সেটের প্রস্তাবিত পণ্যগুলি গ্রহণ করার সময় যে অভিজ্ঞতা পেতে পারেন তা কল্পনা করুন। যদি এটি হয় তবে আপনি একটি সমাধান বিবেচনা করতে পারেন, যা আপনাকে টাচপয়েন্ট জুড়ে কেন্দ্রীয়ভাবে আপনার পণ্যের সুপারিশ লজিক অর্কেস্ট্রেট করতে সক্ষম করে - যেমন একটি গ্রাহক ডেটা প্ল্যাটফর্ম (CDP) বা অনুরূপ।

একই যুক্তি গ্রাহকের যাত্রার বিভিন্ন পর্যায়ে পণ্য সুপারিশ অ্যালগরিদম ভেরিয়েন্টের ক্ষেত্রে প্রযোজ্য - অর্থাত্ পণ্য কার্ট বা চেকআউটে সস্তা বিকল্পগুলি প্রচার করা খুব বেশি অর্থবহ নাও হতে পারে (আমরা নীচে আরও বিশদে এটি কভার করব)।

পণ্যের সুপারিশের কার্যকারিতা কীভাবে মূল্যায়ন করবেন

রাষ্ট্রের বিভিন্ন সংমিশ্রণ এবং পণ্যের সুপারিশের সংমিশ্রণ বিভিন্ন উপায়ে মেট্রিক্সকে প্রভাবিত করে। আপনি ব্যবসার মেট্রিক্স, যেমন গড় অর্ডার মান বা রাজস্ব, অথবা প্রক্সি (বা মধ্যস্থতাকারী) মেট্রিক্স, যেমন পৃষ্ঠার গভীরতা, ক্লিক-থ্রু রেট, এবং পণ্যগুলি কতবার পছন্দের বা গ্রাহকের কার্টে।

হোমপেজে ডিসকাউন্ট সহ জনপ্রিয় পণ্যগুলি গড় অর্ডার মান কমাতে পারে, কিন্তু পরিবর্তে রূপান্তর হার বাড়াতে পারে৷ পণ্য কার্ডে অনুরূপ, আরো ব্যয়বহুল পণ্যের সুপারিশ রূপান্তর হার কমাতে পারে, কিন্তু গড় অর্ডার মান এবং সামগ্রিক লাভ বাড়াতে পারে।

প্রক্সি মেট্রিক্সের তথ্য (যেমন ভিউ) দ্রুত সংগ্রহ করা হয়, তবে, এটি সর্বদা ব্যবসায়িক সাফল্য বোঝায় না। উদাহরণ স্বরূপ, একজন ফার্মেসি খুচরা বিক্রেতা, আমরা তাদের ওয়েবসাইটে লঞ্চ করা পরীক্ষার অংশ হিসাবে, প্রতিটি কেনাকাটায় পণ্যের সংখ্যা বাড়ানোর জন্য কার্ট পৃষ্ঠায় পণ্যের সুপারিশ যুক্ত করেছে। দুই দিনের পরীক্ষার সময়, কোম্পানিটি কন্ট্রোল গ্রুপের তুলনায় $30,000 হারিয়েছে। দেখা গেল যে গ্রাহকরা সুপারিশগুলি থেকে পণ্য কার্ডের পৃষ্ঠাগুলি দেখার জন্য কার্টটি পরিত্যাগ করতে শুরু করেছেন এবং তাদের অর্ডারগুলি সম্পূর্ণ করতে ভুলে গেছেন। আমরা পৃষ্ঠার গভীরতা বৃদ্ধি দেখেছি, কিন্তু শেষ পর্যন্ত, সামগ্রিক আয় কমেছে।

এইগুলি পণ্যের সুপারিশ দ্বারা সর্বাধিক প্রভাবিত মেট্রিক্স:

ব্যবসার পরিমাপ

• রাজস্ব
• লাভ
• একটি আদেশে রূপান্তর
• গড় অর্ডার মান
• অর্ডারে পণ্যের সংখ্যা

প্রক্সি মেট্রিক্স

• গভীরতা দেখুন
• সেশনের সময়কাল
• বহিষ্কারের হার
• পণ্য কার্ড ভিউ
• আইটেম কার্ট, ইচ্ছা তালিকা, বা তুলনা তালিকা যোগ করা হয়েছে

পণ্য সুপারিশ প্রচারাভিযানের একটি তালিকা কম্পাইল করার কাজটি সহজ করার জন্য, আমি এটি ক্লোন করার পরামর্শ দেব মিরো বোর্ড এবং আপনার ব্যবসার জন্য উপযোগী হবে এমন বুদ্ধিমত্তার সমাধান। আমি একটি উদাহরণ হিসাবে সেখানে কয়েকটি বিকল্প যোগ করেছি।

পণ্যের সুপারিশগুলি কীভাবে ব্যক্তিগতকৃত করবেন

পণ্যের সুপারিশের তালিকা নির্ধারণ করার পরে এবং লক্ষ্যমাত্রা মেট্রিক্স সেট করার পরে, আপনার পণ্যের সুপারিশের গুণমান কীভাবে অপ্টিমাইজ করা যায় সে সম্পর্কে আপনাকে ভাবতে হবে। পণ্য সুপারিশ গ্রাহকদের জন্য সবচেয়ে দরকারী আইটেম প্রস্তাব সাহায্য করা উচিত. এটি করার জন্য, পণ্যের পরামর্শগুলি অবশ্যই নিম্নলিখিত বিষয়গুলির উপর ভিত্তি করে করা উচিত:

• ব্যবসায়িক লক্ষ্য — রাজস্ব বৃদ্ধি, লাভজনকতা, গড় অর্ডার মান, UPT এবং বিক্রয়ের পরিমাণ;

• গ্রাহক আচরণ — ব্রাউজিং ইতিহাস, কার্টে যোগ করা আইটেম এবং পছন্দসই, অনলাইন এবং অফলাইন ক্রয়ের ইতিহাস;

• অন্যান্য অনুরূপ গ্রাহকদের গ্রাহক আচরণ।

  
  

এইভাবে, ব্যবসা এবং গ্রাহকের স্বার্থ বিবেচনায় নিয়ে পণ্যের পরামর্শ তৈরি করা হবে। যত বেশি ডেটা বিবেচনা করা হবে, পরামর্শগুলি তত বেশি সঠিক হবে। যদি গ্রাহক অফলাইনে একটি শার্ট কিনে থাকেন, মোবাইল অ্যাপটি তাদের সাথে মিলে যাওয়া প্যান্টের সুপারিশ করবে, কারণ একই শার্ট কেনা অন্যান্য গ্রাহকরা এই প্যান্টগুলি পছন্দ করেন।

এটি প্রায়শই ঘটে, ব্র্যান্ডের সাথে গ্রাহকের মিথস্ক্রিয়া এবং পণ্য পরিসরের ইতিহাস বিভিন্ন সিস্টেমে সংরক্ষণ করা হয়: ইআরপি সফ্টওয়্যারে অফলাইন বিক্রয়, Shopify এর মতো কিছুতে অনলাইন বিক্রয় এবং অন্যটিতে গ্রাহকের ক্রিয়াকলাপ (যেমন, ইচ্ছা তালিকায় আইটেম যোগ করা) প্ল্যাটফর্ম এই ক্ষেত্রে, আমরা জানি না যে গ্রাহক যে সবেমাত্র ওয়েবসাইটে ফিরেছেন তিনি ইতিমধ্যে এক ঘন্টা আগে অফলাইন কেনাকাটা করেছেন। Crocs পূর্ব ইউরোপ , উদাহরণস্বরূপ, একটি সাপ্তাহিক ভিত্তিতে তাদের সমগ্র দর্শকদের ইমেল বিস্ফোরণ পাঠাতে ব্যবহৃত। অনলাইন কেনাকাটার ইতিহাস, অফলাইন কেনাকাটা, ইমেল, এসএমএস, এবং ওয়েব পুশ বিজ্ঞপ্তিগুলি বিভিন্ন সিস্টেমে সংরক্ষিত ছিল।

ফলস্বরূপ, তাদের বিপণনকারীদের ডেটার একটি একক উত্সে অ্যাক্সেস ছিল না যা তাদের প্রচারাভিযান পাঠাতে সক্ষম করবে যা ক্রয়ের ইতিহাসকে বিবেচনায় নিয়েছিল। গ্রাহকরা ইমেলগুলি পেতে পারে যেগুলি, উদাহরণস্বরূপ, তারা আগের দিন ক্রয় করা Crocs সুপারিশ করেছিল৷ বিশ্লেষণের সুবর্ণ নিয়মগুলির মধ্যে একটি হল "গারবেড ইন - গারবেড আউট" এর মত, যার অর্থ হল আপনি যদি আপনার অ্যালগরিদমকে অসংলগ্ন বা অসম্পূর্ণ ডেটা দিয়ে খাওয়ান, তাহলে আপনি সম্ভবত অসন্তুষ্ট ফলাফলও পাবেন৷ এখানে কোন জাদু নেই (এখনও)।

এই সমস্যাটি সমাধান করার জন্য, ডেটা একটি একক সিস্টেমে কেন্দ্রীভূত করা উচিত। একটি সংগ্রহস্থল তৈরি করা সম্ভব যা জমাকৃত ডেটা বিপণন কার্যক্রমে ব্যবহার করার অনুমতি দেবে, তবে এটি ব্যয়বহুল। সেই বাধা সমাধানের সবচেয়ে সাম্প্রতিক উপায় হল গ্রাহক ডেটা প্ল্যাটফর্ম নামক প্রযুক্তির ক্লাস। তারা বিভিন্ন শিল্পের জন্য ব্যবহার করার জন্য প্রস্তুত সমাধানগুলির একটি সম্পূর্ণ সুযোগ প্রদান করে।

প্রযুক্তিটি কোম্পানিগুলিকে স্বয়ংক্রিয়ভাবে সীমাহীন সংখ্যক উত্স থেকে গ্রাহকের আচরণের ডেটা আপলোড করতে, ডেটা পরিষ্কার এবং একত্রিত করতে এবং ব্র্যান্ডের সাথে গ্রাহকের মিথস্ক্রিয়াগুলির একটি সম্পূর্ণ ইতিহাস পেতে দেয়, যার ভিত্তিতে আপনি পণ্যের সুপারিশ সহ বিপণন প্রচারাভিযান চালু করতে পারেন৷

জমে থাকা ডেটা মেশিন লার্নিং অ্যালগরিদম প্রশিক্ষণের জন্যও ব্যবহার করা যেতে পারে। এমনকি হাজার হাজার গ্রাহকের ব্যবসাগুলিও মেশিন লার্নিং থেকে উপকৃত হওয়ার জন্য 3-4 মাসে (এই সময়ে প্রায় এক মিলিয়ন গ্রাহক অ্যাকশন রেকর্ড তৈরি করা হয়েছে) পর্যাপ্ত ডেটা জমা করে। অ্যালগরিদমগুলি গ্রাহকের আগ্রহের একটি প্রোফাইল তৈরি করে, অনুরূপ ব্যবহারকারীদের খুঁজে বের করে এবং তারা যা কিনেছে তার উপর ভিত্তি করে, গ্রাহককে তারা কিনতে চায় এমন অন্যান্য পণ্যের সুপারিশ করে৷ এই ঠিক কিভাবে টম টেইলর ফ্যাশন ব্র্যান্ডে ব্যক্তিগত সুপারিশ কাজ করে .

কেন্দ্রীকরণের আরেকটি বোনাস হল সমন্বিত সর্বনিম্নচ্যানেল মার্কেটিং। এটি যখন অনলাইন চ্যানেলগুলি অফলাইনে আইটেমগুলির জনপ্রিয়তা বিবেচনা করে এবং ওয়েবসাইট এবং প্রচারাভিযানে পণ্যের সুপারিশগুলি সিঙ্ক্রোনাইজ করা হয়৷ এইভাবে, ডেটা কেন্দ্রীকরণ উল্লেখযোগ্যভাবে পণ্য সুপারিশের গুণমান বৃদ্ধি করে।

পণ্য সুপারিশ প্রস্তাব অনেক পরিষেবা আছে. তাদের ক্ষমতাগুলি অ্যালগরিদমের সংখ্যার মধ্যে আলাদা, তারা আপনাকে পণ্যের সুপারিশগুলি কাস্টমাইজ করার অনুমতি দেয় বা না দেয়, সুপারিশগুলির কার্যকারিতা পরিমাপের জন্য তারা যে সরঞ্জামগুলি অফার করে এবং একটি সুপারিশ ম্যাট্রিক্স তৈরি করার জন্য ডেটা আপলোড করার জন্য উপলব্ধ উত্সগুলি। ব্লুমরিচ , অভ্যন্তরীণ , এবং মাইন্ডবক্স কোম্পানিগুলিকে প্রযুক্তি প্রদান করে যাতে তারা ML সলিউশনের সাথে পণ্যের সুপারিশগুলিকে সূক্ষ্মভাবে সুরক্ষিত করতে পারে এবং অনলাইন, অফলাইন এবং মোবাইল অ্যাপ থেকে ডেটা গ্রহণ করে।

পণ্যের সুপারিশের কার্যকারিতা কীভাবে মূল্যায়ন করবেন

যে চ্যানেলে সুপারিশগুলি ব্যবহার করা হয় তার উপর নির্ভর করে পারফরম্যান্স পরিমাপের সরঞ্জামগুলি আলাদা। একই সময়ে, চ্যানেল নির্বিশেষে, নীতি একই। গ্রাহকরা দুটি গ্রুপে বিভক্ত। একটি দল সুপারিশ পায়, যখন দ্বিতীয়টি পায় না। যদি সুপারিশ পাওয়া গ্রুপে বিক্রয় বেশি হয়, তাহলে গ্রাহকরা সুপারিশগুলিকে দরকারী বলে মনে করেন।

অনলাইন চ্যানেল

অনলাইনে পরীক্ষা করার সময়, আমি Google এর ব্যবহার করার পরামর্শ দিই অপ্টিমাইজ করুন টুল. এটি বিনামূল্যে, পরীক্ষাটি সেট আপ করতে এটি মাত্র কয়েকটি পদক্ষেপ নেয় এবং পরীক্ষাটি তৈরি করতে প্রোগ্রামিং দক্ষতার প্রয়োজন হয় না।

আপনি যদি ইতিমধ্যেই Google Analytics-এর সাথে কাজ করেন, তাহলে অপটিমাইজ পরীক্ষার দক্ষতা মূল্যায়ন করতে ই-কমার্স ডেটা ব্যবহার করতে পারে। ওয়েবসাইটের একটি বৈকল্পিক কোনো পরিবর্তন ছাড়াই আসল সংস্করণ হবে, যেখানে অন্য সংস্করণটি গ্রাহকদের জন্য পণ্যের সুপারিশ প্রদর্শন করবে। প্রতিটি পৃথক উইজেটের জন্য, আপনাকে আপনার পরীক্ষা সেট আপ করতে হবে, নিশ্চিত করুন যে ডেটা মিশ্রিত না হয়, অন্যথায় আপনি জানতে পারবেন না কোন নির্দিষ্ট সুপারিশ উইজেট সাহায্য করে এবং কোনটি নয়। ইনক্যান্টো, একটি অন্তর্বাস এবং সাঁতারের পোশাকের দোকান , পণ্য সুপারিশ বাস্তবায়নের পর রাজস্ব 5.5% বৃদ্ধি পেয়েছে।

ইমেল প্রচারাভিযানের পরীক্ষাগুলি একইভাবে কনফিগার করা হয়। প্রাপকদের একটি অংশ সুপারিশ সহ ইমেল পায় এবং অন্যটি সেগুলি ছাড়াই৷ A/B পরীক্ষাগুলি প্রায় প্রতিটি ইমেল বিপণন প্ল্যাটফর্মে উপলব্ধ।

অফলাইন চ্যানেল

একটি কন্ট্রোল গ্রুপের সাথে একটি অফলাইন A/B পরীক্ষা একটি অনলাইন পরীক্ষার মতো একই নীতির উপর ভিত্তি করে কাজ করে। একটি কল সেন্টারের মধ্যে পণ্য সুপারিশ পরীক্ষা করার সময় এটি করা যেতে পারে। যখন একটি কল করা হয়, তখন অপারেটরের সফ্টওয়্যারটি সিডিপিতে একটি অনুরোধ পাঠায়, যেখানে দর্শকরা ইতিমধ্যেই দুটি গ্রুপে বিভক্ত। অর্ধেক ক্ষেত্রে, প্ল্যাটফর্মটি অপারেটরের স্ক্রিনে পণ্যের সুপারিশ প্রদর্শন করে। অন্যান্য ক্ষেত্রে, কোন সুপারিশ প্রদান করা হয় না. তারপর, CDP-এর অন্তর্নির্মিত প্রতিবেদনের উপর ভিত্তি করে, গ্রাহকরা কোথায় বেশি কেনাকাটা করেছেন তা নির্ধারণ করতে উভয় গ্রুপের আচরণ তুলনা করা হয়। একই পদ্ধতি POS সফ্টওয়্যারের সাথে প্রয়োগ করা যেতে পারে যখন ক্যাশিয়ার কেবলমাত্র অর্ধেক সময় গ্রাহককে অনুরোধ করার জন্য সুপারিশগুলি দেখেন।

যখন পণ্যের সুপারিশ কার্যকর হয় না

আমাজন কর্পোরেশন একটি পণ্য পরিসরে গ্রাহকদের পরিচয় করিয়ে দেওয়ার জন্য একটি সরঞ্জাম হিসাবে পণ্যের সুপারিশগুলি উদ্ভাবন করেছিল। 100 টির কম পণ্য সমন্বিত পণ্য পরিসর সহ ব্র্যান্ডগুলির জন্য স্বয়ংক্রিয় পণ্যের সুপারিশগুলি কার্যকর নয়৷ এই ক্ষেত্রে, অ্যালগরিদম থেকে বেছে নেওয়ার জন্য পর্যাপ্ত পণ্য থাকবে না। অতএব, সুপারিশগুলি সিএমএসে ম্যানুয়ালি একবার কনফিগার করা যেতে পারে। এটি কেবল সস্তা হবে না কারণ তৃতীয় পক্ষের প্রযুক্তি কেনার প্রয়োজন নেই তবে এটি আরও সহজ কারণ সুপারিশগুলি একবার কনফিগার হয়ে গেলে, তাদের সমর্থন করার প্রয়োজন হবে না৷

যাইহোক, যখন কোনও নিয়ন্ত্রণ গোষ্ঠীতে পরীক্ষা করা হয়নি এমন সুপারিশগুলির ক্ষেত্রে পরিস্থিতি আলাদা হয়। উপরে উল্লিখিত ফার্মেসির উদাহরণ ব্যবহার করে (যা সুপারিশগুলি বাস্তবায়ন করেছে এবং দুই দিনের মধ্যে $30,000 হারিয়েছে) এটি বলা ন্যায্য হবে যে যদি সুপারিশগুলি পরীক্ষা না করা হয় তবে এটি কোম্পানির অর্থ হারাতে পারে। যদি আমরা দশ বছরের কম বয়সী বাচ্চাদের জন্য একটি পোশাকের দোকানের উদাহরণ নিই, তাহলে কন্ট্রোল গ্রুপের সাপেক্ষে +25% আয় বৃদ্ধি পেতে আমাকে দুই মাসের মধ্যে পরীক্ষাটির তিনটি পুনরাবৃত্তি করতে হয়েছে।

কিভাবে পণ্যের সুপারিশ চালু করবেন

আপনি যদি আপনার ব্যবসায় পণ্যের সুপারিশগুলি চেষ্টা করার সিদ্ধান্ত নেন, আমি আপনাকে এই পদক্ষেপগুলি অনুসরণ করার পরামর্শ দিই:

একটি প্রচার তালিকা তৈরি করুন। আপনার নিজস্ব ওয়েবসাইট খুলুন এবং কোন পরিস্থিতিতে সুপারিশগুলি আপনার গ্রাহকদের জন্য উপযোগী হতে পারে তা বোঝার চেষ্টা করুন। এই পর্যায়ে, আমি পরামর্শ দিচ্ছি যে কোনো গ্রাহক যখন ওয়েবসাইট ছেড়ে যেতে চান তখন ব্যক্তিগত সুপারিশ সহ হোমপেজে জনপ্রিয় পণ্যের মতো সাধারণ সমাধান থেকে শুরু করে, আপনি কাজ করতে পারেন বলে মনে করেন সবকিছুর এক ধরনের "ইচ্ছা তালিকা" তৈরি করুন৷ নাগাল অনুযায়ী অনুমানের ফলে সেট সাজান। যত বেশি লোক সুপারিশগুলি দেখবে, তত দ্রুত আপনি পরীক্ষায় পরিসংখ্যানগতভাবে উল্লেখযোগ্য ফলাফল পাবেন। প্রচারাভিযানের একটি তালিকা তৈরি করতে, ব্যবহার করুন মিরো মাইন্ডম্যাপ টেমপ্লেট আমি উপরে প্রদান করেছি।

মেট্রিক্স সংজ্ঞায়িত করুন। মেট্রিক্স আপনাকে বুঝতে সাহায্য করবে যে আপনি কোন পণ্যগুলি সুপারিশ করতে চান এবং সাফল্যের মানদণ্ড নির্ধারণ করতে চান৷ আমার পরামর্শ হল শুরুতে এই কাজটিকে বেশি জটিল না করা। আয় এবং পৃষ্ঠার গভীরতা দেখুন ("দ্রুত প্রক্সি মেট্রিক" নামেও পরিচিত)। অফলাইন সুপারিশের জন্য, এটি উপার্জন এবং একটি গড় অর্ডার মান হতে পারে।

এই "ইচ্ছা তালিকা" ডেভেলপার বা পণ্য সুপারিশ পরিষেবার প্রতিনিধিদের দেখান । বিকাশকারীরা আপনাকে বলতে পারবে যে বাস্তবায়নে কত সময় লাগবে, এবং পরিষেবা প্রতিনিধিরা আপনাকে বলবে কিভাবে দ্রুত কাঙ্খিত প্রচারাভিযান সেট আপ করতে হয়। ব্লুমরিচ, ক্লাভিও বা মাইন্ডবক্সের মতো পরিষেবাগুলিতে, সর্বাধিক জনপ্রিয় প্রচারাভিযানগুলি বাক্সের বাইরে সরবরাহ করা হয়। আপনার সহকর্মীদের কাছ থেকে প্রতিক্রিয়া আপনাকে লঞ্চ পরিকল্পনা সামঞ্জস্য করার অনুমতি দেবে — নির্দিষ্ট ধাপগুলি দ্রুত বাস্তবায়ন করা যেতে পারে।

ব্যবস্থাপনা এবং কাস্টমাইজযোগ্যতা নিশ্চিত করুন। পরীক্ষা করুন যে আপনি বিভিন্ন টাচপয়েন্ট জুড়ে আপনার সুপারিশের যুক্তি সমন্বয় করতে সক্ষম হবেন এবং কিছু নির্দিষ্ট গ্রাহকের সেগমেন্ট - যেমন ব্র্যান্ড প্রেমীদের, ভারী কেনাকাটা ইত্যাদির সাথে আরও ভালভাবে মানিয়ে নিতে এটি কাস্টমাইজ করতে সক্ষম হবেন৷

পণ্য সুপারিশ পরিষেবাতে ব্র্যান্ডের সাথে গ্রাহকের মিথস্ক্রিয়া এবং পণ্যের পরিসরের ইতিহাস আপলোড করুন । অনলাইন এবং অফলাইন চ্যানেলগুলির পাশাপাশি মোবাইল অ্যাপগুলির ডেটা আপনাকে আরও ভাল পরামর্শ তৈরি করতে এবং সমস্ত টাচপয়েন্টে অভিন্ন বিপণনের গ্যারান্টি দেবে৷ আপনি যদি একটি CDP ব্যবহার করেন, তাহলে আপনি অন্যান্য বিপণন প্রচারাভিযানের জন্যও জমে থাকা ডেটা ব্যবহার করতে পারেন।

একটি টেস্টিং টুল সেট আপ করুন। উদাহরণস্বরূপ, আপনি অনলাইন চ্যানেলগুলির জন্য Google অপ্টিমাইজ এবং অফলাইন চ্যানেলগুলির জন্য একটি নিয়ন্ত্রণ গোষ্ঠী ব্যবহার করতে পারেন৷ প্রধান এবং নিয়ন্ত্রণ গোষ্ঠীর বন্টন 50/50 হতে পারে, যখন দক্ষতা রাজস্ব দ্বারা মূল্যায়ন করা যেতে পারে।

পরীক্ষার অগ্রগতি নিরীক্ষণ করুন এবং পণ্যের সুপারিশগুলি সামঞ্জস্য করুন যদি তারা আশানুরূপ কাজ না করে। আপনি প্রথম সফল ফলাফল পেতে 2-3 মাস পর্যন্ত সময় নিতে পারে, এবং কিছু উইজেট রাজস্ব হ্রাসের কারণ হতে পারে। যাইহোক, একবার সবকিছু ঠিকঠাক হয়ে গেলে, আপনি ইনকান্টো অনলাইন স্টোরের মতো রাজস্ব 5.5% বৃদ্ধি দেখতে পাবেন।