製品推奨システムをいつどのように実装するか

製品レコメンデーションは、2008 年に Amazon が小売業界に導入して以来、ますます人気が高まり、小売業者とその顧客の両方に大きな価値を提供できるようになりました。この誇大宣伝により、製品の推奨に関連する、時には危険な神話が数多く出現するようになりました (ほとんどの場合、ベンダーの営業およびマーケティング チームが作成したものです)。つまり、Web サイトにインストールされた直後に利益が増加する、完全自律型の特効薬として製品推奨ソリューションが提示されているのを依然として目にするかもしれません。

実際には、事態はさらに複雑です。製品の推奨は、売上を伸ばすことと、コンバージョンを台無しにすることの両方をもたらす可能性があります。また、ほとんどの無料分析ツールは誤解を招き、結果的に損失が増加する可能性があるため、その付加価値を測定することは困難です。

この記事では、製品の推奨事項を扱う際に小売業者が考慮する必要がある最も重要なトピックを取り上げ、製品のレコメンドを最大限に活用するための具体的なヒントとテクニックを提供します。

ツールではなくワークフローとキャンペーンから始める

製品の推奨事項は、顧客に購入を提案するアイテムのコレクションです。製品の推奨事項は、製品の提案が表示される場所 (営業マネージャーのタブレットや製品カードなど)、および企業の目標 (平均注文額の増加やコンバージョンや収益の増加など) によって異なる場合があります。

製品の推奨事項を実装する前に、それが顧客にとってどのワークフローで役立つかを理解することが重要です。従来の e コマース ビジネスでは、レコメンデーションは Web サイトのさまざまな部分に表示される製品カードのように見えます。たとえば、ブランドの Web サイトで T シャツを選択すると、他の同様の T シャツが推奨され、顧客に表示されます。

オフラインの推奨事項は、POS で店舗従業員や営業マネージャーのタブレットに表示できます。製品の推奨事項はコールセンターにも役立ちます。顧客から電話があれば、オペレーターが顧客の購入履歴や意見に基づいて商品を提案することができます。

同時に、製品の提案は、特定のビジネス目標や視聴者層のニーズに合わせて常に微調整できます。たとえば、レコメンデーションでは、割引のある製品のみ (UPT、トランザクションあたりの単位を増やすため)、特定のブランドによって製造された商品のみ (たとえば、最も利益を生み出す商品のみ)、または在庫がたくさんあります。
オンラインとオフラインの推奨事項の例をいくつか示します。

オンラインチャネル

• ホームページ上 - 人気の製品。

• カタログ内 - カテゴリの人気製品。

• 製品カード内 - 関連製品または類似製品。

• カート内 - 関連製品、または顧客が最も頻繁に購入する製品。

  
  

オフラインチャンネル

• コールセンター内 - 関連製品または頻繁に購入される製品。

• 営業マネージャーのタブレット - ベストセラーと製品コレクション。

• POS で - 関連またはプロモーションのオファー。

  
  

これらすべてのユースケースで重要なことは、理想的には、さまざまなタッチポイントやコミュニケーションチャネルにわたって推奨事項が一貫している必要があることです。プロモーションメールや電子商取引カタログで、結果的に異なる (あるいは矛盾する) 推奨製品のセットを受け取ったとき、また注文確認時にコールセンターの担当者と会話しているときに、顧客がどのような経験をするかを想像してみてください。その場合は、タッチポイント全体で製品推奨ロジックを一元的に調整できるソリューション、つまり顧客データ プラットフォーム (CDP) などを検討してください。

同じロジックが、カスタマー ジャーニーのさまざまな段階での製品推奨アルゴリズムのバリエーションにも当てはまります。つまり、製品のカートやチェックアウトでより安価な代替品を宣伝することはあまり意味がないかもしれません (これについては、以下で詳しく説明します)。

製品推奨の効率を評価する方法

製品推奨の状態と構成のさまざまな組み合わせは、さまざまな方法でメトリクスに影響を与えます。これは、平均注文額や収益などのビジネス指標を見ている場合でも、ページの深さ、クリックスルー率、製品がお気に入りに追加された回数などの代理 (または仲介) 指標を見ている場合でも当てはまります。お客様のカートへ。

ホームページで人気の商品を割引すると、平均注文額は減少しますが、代わりにコンバージョン率が増加します。製品カード内で類似のより高価な製品を推奨すると、コンバージョン率は低下しますが、平均注文額と全体的な利益は増加します。

プロキシ メトリクス (ビューなど) に関する情報はより速く収集されますが、それが常にビジネスの成功を意味するとは限りません。たとえば、ある薬局小売業者は、Web サイトで開始した実験の一環として、購入ごとの製品数を増やすために、カート ページに推奨製品を追加しました。 2 日間のテスト中に、同社は対照グループと比較して 30,000 ドルの損失を被りました。顧客は、推奨事項から製品カードのページにアクセスするためにカートを放棄し始め、注文を完了するのを忘れていることが判明しました。ページの深さは増加しましたが、最終的には全体的な収益は減少しました。

製品の推奨事項によって最も影響を受ける指標は次のとおりです。

ビジネス指標

• 収益
• 利益
• 注文への変換
• 平均注文額
• 注文した商品の数

プロキシメトリクス

• 訪問の深さ
• セッション期間
• 直帰率
• 製品カードのビュー
• カート、ウィッシュリスト、または比較リストにアイテムが追加されました

製品推奨キャンペーンのリストを作成するタスクを簡素化するには、これを複製することをお勧めします。ミロボードあなたのビジネスに役立つソリューションをブレインストーミングします。例として、いくつかのオプションを追加しました。

製品の推奨をパーソナライズする方法

製品推奨のリストを決定し、ターゲット指標を設定したら、製品推奨の品質を最適化する方法を考える必要があります。製品の推奨事項は、顧客にとって最も役立つアイテムを提案するのに役立ちます。これを行うには、製品の提案は次の要素に基づいている必要があります。

• ビジネス目標 - 収益成長、収益性、平均注文額、UPT、販売量。

• 顧客の行動 - 閲覧履歴、カートやお気に入りに追加された商品、オンラインおよびオフラインの購入履歴。

• 他の同様の顧客の顧客行動。

  
  

このようにして、企業と顧客の利益を考慮した製品提案が形成されます。より多くのデータが考慮されるほど、提案はより正確になります。顧客がオフラインでシャツを購入した場合、同じシャツを購入した他の顧客がこれらのパンツを気に入っていたため、モバイル アプリは一致するパンツを推奨します。

よくあることですが、顧客とブランドや製品群とのやり取りの履歴は、ERP ソフトウェアでのオフライン販売、Shopify などのオンライン販売、別のシステムでの顧客のアクション (ウィッシュリストへの商品の追加など) など、いくつかのシステムに保存されます。プラットホーム。この場合、Web サイトに戻ってきたばかりの顧客が 1 時間前にすでにオフライン購入を行ったことを知らない可能性があります。 クロックス東ヨーロッパたとえば、毎週、視聴者全体に一斉メールを送信するために使用されていました。オンライン購入履歴、オフライン購入、電子メール、SMS、Web プッシュ通知はすべて、異なるシステムに保存されていました。

その結果、マーケティング担当者は、購入履歴を考慮したキャンペーンを送信できる単一のデータ ソースにアクセスできませんでした。顧客は、たとえば前日に購入したクロックスを推奨するメールを受け取る可能性があります。分析の黄金律の 1 つは、「ガーバード イン - ガーバード アウト」のように聞こえます。これは、アルゴリズムに一貫性のないデータや不完全なデータを入力すると、同様に満足のいく結果が得られない可能性が高いことを意味します。ここには（まだ）魔法はありません。

この問題を解決するには、データを単一のシステムに集中させる必要があります。蓄積したデータをマーケティング活動に活用できるリポジトリを開発することも可能ですが、コストがかかります。このボトルネックを解決する最新の方法は、Customer Data Platform と呼ばれるテクノロジーのクラスです。これらは、さまざまな業界向けにすぐに使用できるあらゆるソリューションを提供します。

このテクノロジーを使用すると、企業は無制限のソースから顧客の行動に関するデータを自動的にアップロードし、データをクレンジングおよび統合して、顧客とブランドとのやり取りの完全な履歴を取得し、それに基づいて製品の推奨などのマーケティング キャンペーンを開始できます。

蓄積されたデータは、機械学習アルゴリズムのトレーニングにも使用できます。数万人の顧客を抱える企業でも、機械学習の恩恵を受けるのに十分なデータが 3 ～ 4 か月で蓄積されます (この間に約 100 万件の顧客行動記録が生成されます)。アルゴリズムは、顧客の興味に関するプロファイルを作成し、同様のユーザーを見つけて、購入したものに基づいて、購入したいと思われる他の製品を顧客に推奨します。まさにこれがその方法です個人的なおすすめはトム・テイラー・ファッション・ブランドで働いている。

一元化のもう 1 つの利点は、一貫性のあるオムニチャネル マーケティングです。このとき、オンライン チャネルではオフラインでの商品の人気が考慮され、Web サイトとキャンペーンでの商品の推奨が同期されます。したがって、データの一元化により、製品推奨の品質が大幅に向上します。

商品を推奨するサービスは数多くあります。それらの機能は、アルゴリズムの数、製品の推奨事項をカスタマイズできるかどうか、推奨事項の効率を測定するために提供されるツール、推奨事項マトリックスを構築するためにデータをアップロードするために使用できるソースが異なります。ブルームリーチ、インサイダー、 とマインドボックスML ソリューションを使用して製品の推奨を微調整し、オンライン、オフライン、モバイル アプリからのデータを考慮できるテクノロジーを企業に提供します。

製品推奨の効率を評価する方法

パフォーマンス測定ツールは、推奨事項が使用されるチャネルによって異なります。同時に、チャネルに関係なく、原理は同じです。顧客は 2 つのグループに分けられます。 1 つのグループは推奨事項を受け取りますが、2 番目のグループは推奨を受けません。推奨を受け取ったグループの売上が高ければ、顧客はその推奨が有益であると感じたということになります。

オンラインチャネル

オンラインでテストする場合は、Google のを使用することをお勧めします。最適化道具。無料で、実験をセットアップするのに必要な手順はわずかで、テストの作成にプログラミング スキルは必要ありません。

すでに Google アナリティクスを使用している場合、オプティマイズは e コマース データを使用してテストの効率を評価できます。 Web サイトの 1 つのバリアントは変更を加えていないオリジナル バージョンですが、もう 1 つのバリアントは顧客向けに製品の推奨事項を表示します。個々のウィジェットごとに、データが混合しないように実験を設定する必要があります。そうしないと、特定のレコメンデーション ウィジェットがどのウィジェットに役立ち、どのウィジェットが役に立たないかがわかりません。ランジェリーと水着の店「Incanto」は、製品推奨の導入後、収益が 5.5% 増加しました。

電子メール キャンペーンの実験も同様の方法で構成されます。受信者の一部は推奨事項を含む電子メールを受け取り、もう一部は推奨事項を含まない電子メールを受け取ります。 A/B テストは、ほぼすべての電子メール マーケティング プラットフォームで利用できます。

オフラインチャネル

コントロール グループを使用したオフライン A/B テストは、オンライン テストと同じ原理に基づいて機能します。これは、コールセンター内で製品の推奨事項をテストするときに実行できます。電話がかかると、オペレーターのソフトウェアは CDP にリクエストを送信します。CDP では、視聴者はすでに 2 つのグループに分けられています。ケースの半分では、プラットフォームはオペレーターの画面に製品の推奨事項を表示します。その他の場合には、推奨事項は提供されません。次に、CDP の組み込みレポートに基づいて、両方のグループの行動が比較され、顧客がより多く購入した場所が特定されます。レジ担当者が顧客に促す推奨事項が半分しか表示されない場合にも、同じアプローチを POS ソフトウェアに適用できます。

製品の推奨が役に立たない場合

ツールとしての製品レコメンデーションは、顧客に製品範囲を紹介するために Amazon Corporation によって発明されました。自動化された製品レコメンデーションは、製品範囲が 100 未満の製品を持つブランドには役に立ちません。この場合、アルゴリズムには選択できる十分な製品がありません。したがって、推奨事項は CMS で手動で 1 回だけ設定できます。これにより、サードパーティのテクノロジを購入する必要がないためコストが安くなるだけでなく、一度推奨事項が設定されるとサポートする必要がなくなるため、簡単になります。

ただし、対照群でテストされていない推奨事項の場合は状況が異なります。前述の薬局の例 (推奨事項を実施し、2 日で 30,000 ドルの損失) を使用すると、推奨事項がテストされない場合、会社が損失を被る可能性があると言えます。 10 歳未満の子供向け衣料品店の例を挙げると、対照グループと比較して +25% の収益増加を達成するまでに、2 か月間に 3 回の実験を繰り返しました。

製品の推奨を開始する方法

ビジネスで製品の推奨を試してみることにした場合は、次の手順に従うことをお勧めします。

キャンペーンリストを作成します。自分の Web サイトを開いて、どのような状況で推奨事項が顧客にとって役立つかを理解してください。この段階では、ホームページ上の人気製品などの簡単な解決策から、顧客が Web サイトを離れたいときに個人的なおすすめを表示するポップアップまで、効果的だと思われるすべての「欲しいものリスト」のようなものを作成することをお勧めします。結果として得られる仮説のセットをリーチに従って整理します。推奨事項を閲覧する人が増えるほど、テストで統計的に有意な結果が早く得られます。キャンペーンのリストを作成するには、ミロ マインドマップ テンプレート上記で提供しました。

メトリクスを定義します。指標は、推奨したい製品を理解し、成功の基準を決定するのに役立ちます。私のアドバイスは、最初からこのタスクを過度に複雑にしないことです。収益とページ深度 (「高速プロキシ メトリクス」とも呼ばれます) を見てください。オフラインの推奨事項の場合は、収益と平均注文額が考えられます。

この「欲しいものリスト」を製品推奨サービスの開発者または担当者に見せてください。開発者は実装にどれくらい時間がかかるかを教えてくれますし、サービス担当者は目的のキャンペーンを迅速に設定する方法を教えてくれます。 Bloomreach、Klaviyo、Mindbox などのサービスでは、最も人気のあるキャンペーンがそのまま提供されます。同僚からのフィードバックにより、立ち上げ計画を調整することもできます。特定の段階はより早く実装できます。

管理性とカスタマイズ性を確保します。さまざまなタッチポイントにわたってレコメンデーション ロジックを調整し、特定の顧客セグメント (ブランド愛好家、大量購入者など) に合わせてカスタマイズできることを確認します。

顧客とブランドおよび製品群とのやり取りの履歴を製品推奨サービスにアップロードします。オンライン、オフラインのチャネル、モバイル アプリからのデータを利用することで、より適切な提案を生成し、すべてのタッチポイントで均一なマーケティングを保証できます。 CDP を使用すると、蓄積されたデータを他のマーケティング キャンペーンにも使用できます。

テストツールをセットアップします。たとえば、オンライン チャネルには Google オプティマイズを使用し、オフライン チャネルにはコントロール グループを使用できます。メイン グループとコントロール グループの配分は 50/50 にすることができ、効率は収益によって評価できます。

実験の進行状況を監視し、製品の推奨事項が期待どおりに機能しない場合は調整します。最初に成功した結果を受け取るまでに最大 2 ～ 3 か月かかる場合があり、一部のウィジェットは収益の減少を引き起こす可能性があります。ただし、すべてが稼働すると、Incanto オンライン ストアと同様に、収益が 5.5% 増加することがわかります。