Doporučení, která dávají smysl, zvedají hodnotu košíku
Cross-sell je doporučení souvisejícího produktu k tomu, co si zákazník už vybral nebo koupil, typicky pouzdro k telefonu, filtr k tiskárně, doplněk k hlavnímu produktu. Cíl je vyšší hodnota objednávky (AOV), ale funguje to jen tehdy, když doporučení odpovídá skutečné souvislosti mezi produkty, ne když je jen náhodně přilepené vedle košíku.
Souvislost, ne náhoda
Zákazník doporučení bere vážně, jen pokud dává logický smysl. Doporučit powerbanku k mobilu funguje, doporučit náhodný bestseller z jiné kategorie ne, i kdyby se prodával nejvíc.
Efekt na AOV, ne jen na počet zobrazení
Metrika úspěchu není, kolikrát se doporučení zobrazilo, ale jestli reálně zvedlo hodnotu objednávky. Doporučení, které se zobrazí, ale nikdo si ho nepřidá, nic neřeší.
Cross-sell doplňuje, up-sell nahrazuje
Cross-sell nabízí doplňkový produkt vedle hlavního nákupu, up-sell nabízí dražší alternativu místo něj. Oba cíl mají stejný, vyšší hodnotu objednávky, ale pracují jinak a hodí se v jiné situaci.
Kde firmy pálí peníze
Typická chyba není chybějící cross-sell, ale cross-sell postavený na generických pravidlech nebo na krátkozraké honbě za vyšším obratem košíku bez ohledu na to, co se pod tím číslem skrývá.
Generické „zákazníci také kupují“ bez skutečné souvislosti
Krabicová doporučení postavená jen na obecné popularitě produktu, ne na tom, co spolu lidé skutečně kupují, doporučují náhodné kombinace. Zákazník to pozná a doporučení začne ignorovat.
Nesourodá doporučení škodí důvěře
Doporučit produkty, které spolu logicky nesouvisí, nezvedne košík, jen ukáže, že e-shop doporučuje naslepo. To poškozuje důvěru v celý web, ne jen v konkrétní widget.
Vyšší AOV bez ohledu na marži doplňku
Cross-sell, který honí jen vyšší obrat košíku, může doporučovat produkty s nízkou nebo zápornou marží, a firma tak platí za vyšší tržbu nižším ziskem. Jestli se tohle týká i vás, souvisí to přímo s tím, jak počítáte AOV, viz pojem AOV.
Produktové páry z reálné historie objednávek
Páry postavené na skutečných objednávkách, ne na odhadu
Analyzujeme historická data objednávek a pomocí algoritmů asociační analýzy a strojového učení identifikujeme produkty, které zákazníci nejčastěji kupují společně. Doporučení tak vychází z toho, co lidé opravdu dělají, ne z předpokladu, co by dělat mohli.
Cross-sell i up-sell z jedné analýzy
Kromě cross-sellu (doplňkové produkty) stejná analýza ukazuje i up-sell příležitosti, dražší alternativy k tomu, co si zákazník prohlíží, a časové vzorce nákupů.
Data pro doporučování na webu přes API
Výstup analýzy jde napojit přes API do e-shopu, takže se dá použít pro automatické zobrazování personalizovaných doporučení přímo na produktové stránce nebo v košíku.
Potřeba dost historie, ne odhad od nuly
Pro kvalitní doporučení je potřeba alespoň 1000 objednávek v historii, první analýza je hotová do 24 hodin od napojení dat.