Silnik rekomendacji w praktyce

Silnik rekomendacji jest jednym z podstawowych narzędzi marketingowych, wykorzystywanych w e-commerce. Jego głównym zadaniem jest inspirowanie do zakupów. Zobacz przykłady zastosowania tego narzędzia w praktyce oraz efekty, które można osiągnąć.

Silnik rekomendacji w dużym sklepie

Dla dużego sklepu z branży wyposażenia wnętrz (360 tyś UU/msc) wdrożyliśmy silnik rekomendacji na karcie produktu.

Wygląd oraz struktura widgetu wiernie odwzorowywała inne widgety na stronie klienta. Silnik rekomendował produkty, które najczęściej oglądali inni, podobni użytkownicy.

Produkty były ustawione tak, by na pierwszym miejscu znajdował się ten, który miał największą szansę zainteresować przeglądającego, czyli cieszył się największą popularnością wśród użytkowników o podobnym profilu behawioralnym.

EFEKTY: W ciągu jednego miesiąca na produkty z naszego widgetu kliknięto 53 581 razy. Przez ten czas widget wziął udział w 498 zamówieniach (wygenerował zakup lub zwiększył wartość koszyka).

Silnik rekomendacji w średnik sklepie internetowym

Dla średniego sklepu (75 tyś UU/msc) z branży wydawniczej silnik rekomendacji również został umiejscowiony na karcie produktu. Silnik rekomendował produkty, które najczęściej oglądali inni, podobni użytkownicy. W razie potrzeby (w przypadku rzadko odwiedzanego produktu) silnik uzupełniał widget produktami najczęściej kupowanymi przez ogół użytkowników.

EFEKTY: W ciągu jednego miesiąca odnotowaliśmy 2 410 kliknięć w widget i 50 zamówień.

Silnik rekomendacji w niewielkim (małym) sklepie internetowym

Dla małego sklepu (ok 25 tyś UU/msc) z branży żeglarskiej wdrożyliśmy silnik rekomendacji na stronie głównej.

Silnik rekomendował produkty, które cieszyły się największą popularnością wśród osób o podobnym profilu. Widget był w razie potrzeby uzupełniany produktami najczęściej oglądanymi przez ogół użytkowników (gdy użytkownik pojawiał się po raz pierwszy na stronie).

EFEKT: W ciągu jednego miesiąca na produkty z widgetu kliknięto 1 872 razy. Przez ten czas widget wziął udział w 131 zamówieniach. To przykłady silników bazujących na mechanizmie collaborative filtering, rekomendującym produkty oglądane lub kupowane przez innych użytkowników. Od pewnego czasu testujemy też działanie silnika opartego na rozpoznawaniu obrazów i już niedługo podzielimy się z Wami case study i efektami.