Marketing Automation

Prodotti Raccomandati Dinamici per Ecommerce: La guida definitiva

I prodotti raccomandati dinamici sono una parte molto importante del marketing automation, tant’è che ci sono software che fanno solo questo ed altri invece che li contengono all’interno di una suite di funzionalità.

Essendo una feature molto potente, andremo molto in dettaglio sul loro utilizzo e su come sfruttarli al meglio.

Perché utilizzare le Raccomandazioni dinamiche

In media solo il 5% dei prodotti che hai a catalogo viene visto dai tuoi utenti.
Se hai 5.000 prodotti ed in home page ne mostri 20 la percentuale è ancora più bassa.

Il tempo che i visitatori trascorrono su un e-commerce è spesso limitato a pochi secondi.

E’ fondamentale dunque che i tuoi visitatori trovino i prodotti per loro più rilevanti sin da subito.
Per prodotti rilevanti si intendono quelli che hanno più probabilità di essere acquistati.

Non puoi pensare che tutti gli utenti siano interessati ai prodotti che gli stai mostrando.
Infatti la tua selezione interesserà solo una parte di questi.

Il tuo obiettivo dunque è di restituire per ogni singolo utente i prodotti che effettivamente gli interessano.
Questo lo puoi fare dinamicamente tramite i prodotti raccomandati dinamici.

Uno dei primi ad inserire i prodotti dinamici è stato Amazon con un proprio algoritmo, tant’è che la sua home page è diversa per ogni visitatore e vengono consigliati prodotti e categorie in base alla navigazione precedente e le preferenze di acquisto.

Di seguito la mia home page di Amazon che è diversa dalla tua.

Grazie al Marketing Automation puoi farlo anche sul tuo e-commerce.

“Sicuramente sarà difficile realizzarlo” potrai obiettare!

Tranquillo! ci sono piattaforme di Marketing Automation che ti permettono di restituire per ogni tuo cliente i prodotti di suo interesse senza avere conoscenze avanzate di programmazione.

Oltre ad aumentare la rilevanza delle offerte per ogni utente, i prodotti raccomandati sono importanti perché automatizzano una procedura che fatta manualmente può richiedere molte ore di lavoro.

Se infatti imposti manualmente i prodotti nella tua pagine devi per ogni prodotto associare uno o più prodotti correlati.

Se hai grandi cataloghi il lavoro è davvero immenso, immagina per 5/6.000 prodotti di dover associare su ognuno i suoi prodotti correlati.

Inoltre se qualcuno di quei prodotti correlati vengono tolti dal catalogo (per esempio per fine disponibilità) sarà necessario aggiornare manualmente il prodotto sostituendo i prodotti che nel frattempo saranno scomparsi nelle raccomandazioni.

Questo un esempio di una scheda prodotto con i prodotti raccomandati gestiti manualmente.

Il Layout prevede 5 articoli raccomandati, ma siccome 3 di questi sono terminati se ne vedono solo 2.
L’operatore dovrebbe di volta rendersi conto di quali pagine rimangono orfane di raccomandazioni e sostituirle ogni volta con nuove.

Immagina di dover fare questo lavoro per migliaia di prodotti!

E’ quasi impossibile o comunque richiede del tempo che si può tranquillamente destinare ad altro.
Grazie al marketing automation le raccomandazioni vengono gestite e sostituite dinamicamente, e grazie a complessi algoritmi, restituiti sempre i correlati con la più alta probabilità di essere venduti.

Oltre al problema dell’aggiornamento, la gestione manuale dei prodotti raccomandati non si basa sui dati, ma sull’opinione personale dell’operatore che quando crea un prodotto a suo piacimento associa determinati prodotti.

Le opinioni personali nel marketing non contano, possono essere delle considerazioni importanti dalle quali partire, ma quello che contano sono sempre i dati e i risultati dei test.

I prodotti raccomandati possono essere inseriti in qualsiasi pagina del sito, ma ci concentreremo sulle principali, ossia:

Home Page
Scheda Prodotto
Pagine Categorie
Carrello

Per ognuna di queste è consigliabile utilizzare diverse tipologie di algoritmi e metterle in test per vedere quale funziona meglio.

Oltre a poter scegliere gli algoritmi posso inoltre avere diverse raccomandazioni su diversi segmenti, per esempio utilizzare un algoritmo sui nuovi visitatori, uno su quelli di ritorno, un altro su chi ha comprato il brand x, altro ancora su chi non ha mai acquistato ma dimostrato preferenza per categoria X, etc.

Il fine è che ogni visitatore deve vedere dei prodotti diversi, per lui rilevanti.

Cerca di mostrare molti prodotti ed in particolare quelli con la migliore probabilità di essere venduti.

E’ vero anche che se nel tuo E-commerce hai 30 prodotti, personalizzare il sito e le raccomandazioni ti servirà a ben poco e in questo caso puoi optare per una gestione manuale.

Cosa possono servirti sofisticati algoritmi di prodotti raccomandati, quando tutti i prodotti del catalogo sono facilmente consultabili su una singola pagina?

Questo non esclude in generale i benefici di una comunicazione personalizzata: semplicemente, i costi e le risorse impiegate per tenere in piedi un software di personalization potrebbero superare i vantaggi, rendendo l’investimento non sostenibile.

Al contrario, se il tuo catalogo conta centinaia, se non migliaia di prodotti, restituire risultati rilevanti per ogni utente si traduce quasi automaticamente in un aumento nelle aggiunte al carrello e nelle vendite.
Vediamo ora come funzionano gli algoritmi e tra quali possiamo scegliere.

 

Tipologie di Algoritmi dei Prodotti Raccomandati

Per ogni segmento e pagina puoi decidere di utilizzare un diverso algoritmo a partire da quelli “generici”:

  • Visti di recente
  • Più popolari oggi
  • Più popolari questa settimana
  • Più popolari questo mese

Algoritmi indicati per la scheda prodotto:

  • Acquistati di recente (prodotti più acquistati dal giorno x)
  • Acquistati con questo prodotto (prodotti più acquistati insieme al prodotto x)
  • Acquistati dopo aver visto questo prodotto (prodotti acquistati al posto del prodotto x – ma dopo averlo visto)
  • Visti con questo prodotto (prodotti più visti da altri utenti insieme al prodotto x)
  • Prezzo superiore a quello visto (upselling – prodotto simile a quello visto ma con scontrino medio superiore)

Algoritmi indicati per la pagina catalogo:

  • Più venduti della categoria X
  • Più venduti del brand X

Algoritmi indicati per la pagina del carrello:

  • Acquistati da altri clienti
  • Acquistati assieme a questo prodotto (cross-selling)

Thank you page/404/altre pagine:

  • I clienti che hanno acquistato il tuo prodotto poi acquistano anche…

Potrei aggiungere delle condizioni agli algoritmi già esistenti, o crearne dei nuovi per esempio selezionando nella scheda prodotto l’algoritmo:

[prezzo superiore a quello visto] + [prodotti della stessa sottocategoria] + [stesso colore prodotto visto]

In questo caso se sto navigando su un maglione di Prada colore rosso, vedrò nelle raccomandazioni altri maglioni di Prada a costo superiore e, se disponibili, di colore rosso.

Come ti dicevo ogni pagina del tuo e-commerce ha delle sue kpi e necessita di determinati algoritmi, vediamo in dettaglio come approcciare le raccomandazioni.

 

Prodotti raccomandati nella home page

La Home Page è la vetrina del tuo e-commerce, è una pagina molto importante in quanto deve spingere l’utente ad andare avanti nella navigazione e convincerlo sin da subito che la tua offerta risolve le sue esigenze.
La maggior parte degli e-commerce inseriscono nella home page una selezione random di prodotti oppure quelli che sono in offerta senza affidarsi ai dati o alla personalizzazione.

Proporre 8 prodotti su un catalogo di 10.000 non ha molto senso, almeno che non siano diversi per ogni singolo utente.

Nella home page dobbiamo partire anche da un altro ragionamento.

Molti utenti non “scrollano” la pagina e soprattutto su grandi cataloghi solitamente la prima azione che compie l’utente è di cercare un prodotto sul motore di ricerca interno.

« Il 43% dei visitatori intraprende subito, come prima cosa, l’azione di cercare il nome di un prodotto (27% degli utenti) o di una categoria (16% degli utenti) nella search box del sito»  (Fonte: Marketing Sherpa)

 

La figura è esemplificativa di come su grandi cataloghi gli utenti preferiscano ricercare direttamente un prodotto.

Tutti quelli che non utilizzano la barra di ricerca navigano il menù principale o cliccano sulle slide e le offerte in centro pagina.

Ovviamente non è una regola per tutti gli e-commerce, puoi attivare le mappe di calore con strumenti come hotjar o crazyegg per conoscere i comportamenti dei tuoi utenti.

Pertanto sulla home page non aspettarti grandi numeri con le raccomandazioni, proprio per il fatto che molti si soffermano principalmente nella parte alta del layout.

Però su tutti i visitatori che invece approfondiscono la pagina è importante mostrare i prodotti più rilevanti per loro.

Allo stesso modo se il tuo layout è studiato per mostrare in home page subito in evidenza i prodotti raccomandati, allora è ancora più importante.

Per quanto riguarda gli algoritmi delle raccomandazioni, nella home page il mio consiglio è di dividerli inizialmente su due macro segmenti:  utenti prima visita e visitatori/clienti di ritorno

Utenti prima visita

Sui nuovi utenti alla prima visita ancora non hai dati di navigazione e di comportamento sul sito (essendo appunto la prima volta che naviga non hai uno storico) quindi non puoi personalizzare su di loro i prodotti raccomandati.

In questo caso il consiglio è di utilizzare uno degli “algoritmi generici” come:

Più popolari oggi
Più popolari questa settimana
Più popolari questo mese

Per “più popolari”si intendono prodotti più visti e/o acquistati.

Se vuoi puoi incrociare uno di questi algoritmi con una categoria, per esempio mostrare i prodotti più popolari della categoria Outlet o Promozioni.

In questo modo sei sicuro di mostrare i prodotti più visti e/o acquistati ma all’interno di una categoria che può interessare più di altre ai nuovi utenti.

Puoi anche decidere di non mostrare prodotti raccomandati sui nuovi visitatori e sfruttare lo spazio del layout per promuovere per esempio categorie o altre promo del sito.

Approfondiremo come nascondere o modificare elementi del layout sui segmenti, più avanti, nella web personalization.

Visitatori di ritorno

I visitatori di ritorno sono utenti che sono stati già sul tuo sito e sono diversi a seconda delle azioni effettuate nella navigazione precedente.

Mi spiego meglio, il visitatore di ritorno può essere alla 2 o 5° visita, può aver acquistato, solamente navigato, cliccato su un link o aver aggiunto prodotti nel carrello il carrello, essersi iscritto alla newsletter etc.

Una buona strategia di marketing automation lavora in profondità e segmenta più possibile gli utenti per aumentare la rilevanza.

Pertanto nella home page puoi mostrare diversi prodotti raccomandati con differenti algoritmi su più segmenti relativi ai visitatori di ritorno.

La prima cosa da definire prima di attivare i prodotti raccomandati sono appunto i vari segmenti, te ne consiglio alcuni:

[visitatori di ritorno con 0 acquisti]

Su questo segmento puoi mostrare i prodotti raccomandati più venduti o più cliccati della sua categoria preferita o brand.

Il software di marketing automation riconosce la categoria o brand preferita dall’utente in base alla navigazione precedente.

 

Nella foto si vedono dei prodotti consigliati che mi vengono proposti una volta tornato sul sito.
Nella prima navigazione ho cliccato su prodotti della categoria alimentazione biologica, al mio ritorno mi vengono mostrati prodotti di punta di quella categoria.

Al posto della categoria potrei impostare il brand, in un e-commerce di moda se durante la prima visita il sistema riconosce come mio brand preferito Versace dalla seconda visita potrei consigliare prodotti di punta di quella linea.

Potrei andare ancora più in profondità e far vedere correlati delle sottocategorie, per esempio vedo pantaloni di Armani la prima volta ed al ritorno altri pantaloni di Armani.

Alcune di queste scelte sono anche strategiche e vanno definite ed inserite all’interno dell’architettura di marketing automation (chiamato anche workflow), della quale parleremo più avanti.

Altri algoritmi e segmenti di esempio:
[visitatori di ritorno che hanno aggiunto un prodotto al carrello senza acquistare - prospect]

In questo caso l’interesse del cliente è ancora più definito in quanto ha effettuato un’azione significativa, ossia aggiungere il prodotto al carrello.
Mostra in home page al suo ritorno il prodotto aggiunto nel carrello ed i correlati al prodotto (prodotti simili).

[visitatori di ritorno con 1 o più acquisti – clienti ]

Su questo segmento sai cosa hanno comprato, per esempio se uno smartphone e tornano sul tuo sito è sbagliato fargli vedere altri telefoni.

In questo caso il consiglio è di lavorare su prodotti accessori (cross-selling), come potrebbero essere le cover per quel determinato smartphone oppure cavetteria ed accessoristica varia.

Come vedi la segmentazione è alla base di tutta la strategia, anche dei prodotti raccomandati.
Parti sempre dal tuo settore, dai tuoi obiettivi ed incrocia i tuoi segmenti personalizzati con quelli offerti dai software andando in profondità con la segmentazione.

Prodotti raccomandati nella pagina catalogo

La pagina catalogo o categoria è dove viene presentata la lista di prodotti:

Sai già quanto sono importanti in questa pagina i filtri di navigazione per permettere agli utenti di trovare subito quello che cercano.
Anche in questa pagina posso inserire i prodotti raccomandati, vediamo con quale logica.

L’obiettivo è di mostrare subito in alto le sottocategorie più vendute, come Macy’s che nella categoria “women” mostra le principali sottocategorie:

Oppure i prodotti in evidenza/consigliati sulla base delle preferenze di navigazione:

Anche in questa pagina puoi dividere i segmenti come meglio preferisci e settare gli algoritmi migliori per ognuno di questi.

Potresti inserire le raccomandazioni non solo sopra al listing dei prodotti, ma sulla sidebar sinistra o in fondo al listato.
Valuta a seconda del tuo layout dove meglio inserirli.
Grazie agli a/b test puoi mettere a confronto diversi algoritmi, posizioni e segmenti per tenere, conclusi i test, quelli con le performance migliori.

Prodotti raccomandati nella scheda prodotto

La scheda prodotto in un e-commerce è una pagina chiave, in quanto molto traffico atterra direttamente qui senza passare dalla home page.

Per esempio tutte le visite tramite campagne pay per click come adwords o i comparatori di prezzo come google shopping e trovaprezzi.

Assicurati che sulla pagina siano presenti tutte le informazioni necessarie alla vendita, le garanzie e il trust sufficiente per convincere il tuo visitatore a comprare.

Per quanto riguarda i prodotti raccomandati, solitamente  vengono inseriti sotto la descrizione del prodotto:

Nell’esempio dei caschi è utilizzato l’algoritmo:

[prodotti della stessa sottocategoria - ossia caschi jet] + [prezzo superiore – al prodotto mostrato]

Avrei potuto aggiungere [colore nero] e far vedere a quel punto altri caschi della stessa sottocategoria a prezzo superiore ma sempre di colore nero.

Valuta tu quanto delimitare o meno il raggio di azione dell’algoritmo.

Potrei decidere di dare più visibilità ai raccomandati all’interno del mio layout come nell’esempio di seguito:

In questo caso l’algoritmo utilizzato è il seguente:

[prodotti della stessa sottocategoria (guanti) e Brand (Befast)] + [prezzo superiore] + [colore nero].

L’obiettivo delle raccomandazioni nella scheda prodotto è di aumentare lo scontrino medio (upselling), quindi consiglio sempre di offrire prodotti simili ma di prezzo superiore.

Occhio a non fare “downselling” offrendo prodotti simili ma a minor costo.

E’ chiaro che a seconda dei settori può variare e molto la scelta degli algoritmi, ma l’obiettivo resta sempre lo stesso, fare upselling.
Puoi aiutarti anche con la preparazione di bundle ad hoc per aumentare lo scontrino medio.

Altro esempio:
scheda prodotto: smartphone iphone 6 
correlati: iphone 6s, iphone 7, iphone 7 plus, samsung s8 etc
Se sta già navigando sul top di gamma, mostra gli altri colori o prodotti di altri brand a prezzo superiore, oppure bundle a prezzi superiori (iphone 7 + cover + accessori).


Prodotti raccomandati nel carrello

Una volta che l’utente ha aggiunto al carrello si possono consigliare prodotti correlati al suo acquisto.

Solitamente l’obiettivo è quello di fare cross-selling, ossia aumentare lo scontrino medio attraverso l’aggiunta di prodotti accessori o complementari allo stesso.

Possono essere utilizzate diverse strategie ed algoritmi, vediamone qualcuno insieme.

Nel sito di seguito vengono proposti prodotti a basso scontrino medio (<5€) con l’obiettivo di aumentare il carrello, senza aumentare troppo la spesa del cliente.


Questo ragionamento è successivo ad un’analisi dei dati, in quanto si è visto che la maggior parte degli utenti una volta arrivati sul carrello tende a chiudere l’ordine senza fare aggiunte, quindi è più facile aggiungere prodotti da pochi euro che prodotti costosi.

Pertanto l’algoritmo utilizzato è il seguente:
[prodotti acquistati assieme a questo prodotto (cross selling)] + [scontrino medio <5€]

Segmento: [tutti gli utenti], ma anche qui potrei utilizzare differenti algoritmi su disparati segmenti.

Se invece vendi prodotti tecnologici può essere produttivo raccomandare gli accessori correlati al prodotto acquistato.

Come fa Amazon, una volta aggiunto al carrello un modello.

 

Sulle tv puoi mostrare barre per fissaggio a muro, casse acustiche, garanzie extra, etc.

Nel carrello non esiste una regola o un algoritmo che funzioni per tutti, il consiglio è di definire le kpi e mettere in test diversi algoritmi, al fine di valutare e misurare le performance.

Mi è capitato di essere sicuro su degli algoritmi, mentre i test hanno dimostrato il contrario.
Un approccio basato sui dati è sempre vincente e grazie agli a/b test sei sicuro dei risultati.

Widget prodotti raccomandati per le mail

Molti software offrono la possibilità di creare dei widget di prodotti raccomandati da esportare ed utilizzare nelle proprie comunicazioni.

In pratica puoi crearti una o più righe di prodotti con algoritmo a scelta ed importanti l’ html in software di mail marketing per “appenderle” alle tue comunicazioni.

Il software riconoscerà attraverso la mail, le preferenze degli utenti e restituirà per ognuno i correlati più opportuni.

Nell’esempio soprariportato è stato allegato alla mail un widget contenente dei prodotti raccomandati.

Molti software prevedono già l’integrazione o la generazione del codice html specifico per la piattaforma di mail marketing che ospiterà il widget:

Si possono automatizzare e spedire mail personalizzate sui vari segmenti, quindi quando utilizzare i widget ed inserirli nella newsletter?

Per esempio quando devi fare una comunicazione a tutto il database, comunicando sconti tutto il catalogo, spedizione gratuita per il giorno x, oppure in tutte le mail transazionali informative sulla spedizione o gestione dell’ordine (eh si, puoi inserirli anche in queste, anzi te lo consiglio, visto l’elevato tasso di apertura).

Misurare le giuste Kpi e i test A/B

Come capire se i prodotti raccomandati stanno funzionando o meno?

Ti premetto che c’è un intero capitolo sulla misurazione, pertanto faremo un piccolo focus sulla misurazione dei soli prodotti raccomandati.

E’ importante come prima cosa partire dalle giuste kpi, ossia da cosa vogliamo misurare.

Se inserisco dei prodotti raccomandati nella scheda prodotto, cosa mi interessa valutare?

L’aggiunta al carrello, il click sulle raccomandazioni o la vendita?

In questo caso la kpi che più mi interessa è il click sui prodotti raccomandati per comprendere la rilevanza, ossia quanto attirano i click degli utenti.

Importante mettere sempre in test a/b i prodotti raccomandati, ossia far ruotare sulla stessa pagina diversi algoritmi e vedere quale dei due rende meglio, solamente dopo vanno messi in produzione.

L’argomento a/b test lo riprenderemo diverse volte nel corso del libro, quindi non disperare se qualcosa non ti è chiaro.

Sotto un esempio di prodotti raccomandati messi in test a/b/c (sono stati testati 3 algoritmi diversi sulle schede prodotto) e questi i dati del ctr%

algoritmo - variazione 1:

algoritmo - variazione 2:

algoritmo – variazione 3:

Come vedi ho deciso di misurare in questo caso la percentuale di click sui prodotti raccomandati con diversi algoritmi per capire quale dei tre fosse quello migliore per il mio target.
La Variazione 3 seppur di poco ha mostrato migliore rendimento in merito al click-through rate.

Di seguito invece un test a/b/c che misura le vendite nelle quali è intercorso un click su uno o più prodotti raccomandati.

Gli a/b test hanno una metrica che si chiama statistica di significanza e quando questa supera il 95%, significa che il test è andato a buon fine e che ci sono numeri sufficienti per la messa in produzione della variazione che ha vinto.

Gli algoritmi necessitano di dati per funzionare al meglio

Una domanda che mi fanno spesso è legata agli algoritmi e al loro funzionamento.

Premetto che non sono un tecnico, ma ti voglio parlare di un aspetto importante.

Più dati questi algoritmi riescono a gestire e meglio funzionano.

Molti e-commerce utilizzano gli algoritmi standard dei software per i prodotti raccomandati, senza andare ad incrociare segmenti e trigger.

Si parla molto di big data e machine learning negli ultimi tempi e questi algoritmi nativi dei software stanno migliorando sempre di più.

C’è da dire però che per quanto è complesso un algoritmo se ha pochi dati ha difficoltà a fare le giuste associazioni.
Il ragionamento è logico e di seguito è un esempio esplicativo:

Nell’esempio puoi vedere che con circa 20.000 visite sulla scheda prodotto, più di mille cliccano sui guanti consigliati in cross-sell.

A questo punto ho sufficienti dati per essere sicuro di inserire automaticamente i guanti con quel prodotto perché molti hanno cliccato.

Ma avere 20.000 visite su una singola scheda significa averne centinaia di migliaia totali (dipende anche dal numero prodotti).

Se su quella pagina prodotto invece di 18.250 visite ne hai 1.000, i click sui correlati saranno minimi e l’algoritmo non avrà abbastanza dati per associarti i giusti prodotti.

Se si chiamano big data ci sarà un motivo!

Se hai poco traffico puoi però lavorare su associazioni semplici o creare algoritmi composti, già descritti.

Nella moda piuttosto che affidarsi agli algoritmi standard, se si hanno poche visite, piuttosto conviene lavorare su associazioni semplici, come far vedere altri prodotti della stessa sottocategoria oppure associare raccomandazioni su colore e brand:

Dunque meno dati hai e più dovrai lavorare a “manina” sulle associazioni dei prodotti ed aiutare le lacune degli algoritmi, affidandoti alla creazione di segmenti personalizzati e supportando il calcolo, lasciando meno spazio alla automatizzazione dei risultati.

Ora che conosci le best practices da utilizzare per le recommendation, cambiamo argomento e vediamo come personalizzare in tempo reale il sito sui diversi utenti.

Post correlati

Churn Rate: come misurarlo e quali strategie adottare

Marco Santandrea

Guida al corretto utilizzo del campo dinamico [NOME] nelle email

Marco Santandrea

Video Corso Marketing automation con Salesmanago

Marco Santandrea

Lascia un commento

Accetto e dichiaro di aver letto l’Informativa Privacy

prodotti-raccomandati-dinamici-per-ecommerce-la-guida-definitiva-ecommerceschool-blog-formazione-in-e-commerce-management
error: I contenuti sono protetti da diritti d\'autore e DMCA®
[i]
[i]