3. - czym są systemy rekomendacji
- po co są rekomendacje w e-commerce
- jak wygląda zastosowanie rekomendacji
- rekomendacje na podstronach serwisu
- case BRW
- podsumowanie
AGENDA
4. AMAZON
- wzrost sprzedaży z 9.9 miliarda na 12.89
miliarda rok do roku
- sukcesywne wdrożenie rekomendacji na
wszystkich etapach procesu zakupowego
- sklep odpowiada na intencje
użytkownika pokazując każdemu z nich
spersonalizowaną ofertę
PREKURSORZY
5. NETFLIX
- poprawna rekomendacja w jak
najkrótszym czasie
- podpowiadanie dalszych kroków jako
kluczowy element utrzymania klienta
- opatentowany silnik rekomendacji wart
1 miliard dolarów
PREKURSORZY
6. INNE BRANŻE
Rekomendacje jako warunek sukcesu
- wyszukiwarki (Google, Yandex, ...)
- muzyka (Spotify, YT, Pandora, etc)
- usługi (Yelp, Grupon, UDEMY, ...)
- praca, SM (LinkedIn,Facebook)
- media (NYT, WP, ONET)
PREKURSORZY
8. KOSZTY i ZASOBY – NIE MAM PERSONALIZACJI
- brak czas na wdrożenie i konfigurację
- wysoki koszt opracowania rozwiązania
rekomendacji
- brak zespołu IT do realizacji
- koszt ponoszony z góry
- wysokie ryzyko realizacji
WYZWANIA
9. WYZWANIA
TECHNICZNE – MAM REKOMENDACJE, ALE ...
- ręczne dopasowanie produktów jest
czasochłonne i kosztowne
- Produkty sezonowe, gdzie trendy nie mogą być
dopasowane ręcznie
- przewidzenie co klienci mogą kupić
- opóźnianie strony internetowej (dodatkowe
zapytania do bazy)
- brak skalowalności
10. WYZWANIA
DANE LOKALNE TO NIE ZAWSZE BIG DATA
- dopasowania mają niską skuteczność
- wyniki są trudne do zmierzenia (nie ma jak
przeprowadzić testów A/B/X)
- wyszukiwania nie wyświetlające rekomendacji
powodują opuszczenie sklepu przez kupującego
- brak historii przeglądania użytkownika
powiązanej z rekomendacjami
- kupujący mają problem z odnalezieniem
odpowiedniego produktu
11. Technologia dostępna dla każdego
- wykorzystanie zaawansowanych
metod personalizacji
- model rozliczeń za efekt
- krótki czas implementacji
ENTERPRISE JAKO SAAS
12. CO DAJĄ REKOMENDACJE
BAZUJĄC NA DANYCH WIEMY:
- jak pomóc klientowi znaleźć szybko produkt
- jak promować produkty w sklepie
- jak zwiększyć wartość koszyka i konwersję
- jak zwiększyć zaangażowanie
- jak zmniejszyć wskaźnik odrzuceń
13. JAK TO ROBIMY? NA BOGATO
- automatyzacja ekspozycji po stronie sklepu
- inteligentne dopasowanie oferty do kupującego
- up-sell, cross-sell, produkty polecane
- wybrane dla ciebie, trendy, historia
- widgety w kilkunastu miejscach na stronie
- 1 minutowe, 3 etapowe wdrożenie za free
- dojrzały produkt i zespół IT / 24h
15. GŁÓWNE TYPY REKOMENDACJI
- up-sell (nieco droższe produkty mogące zainteresować klienta)
- cross-sell (produkty uzupełniające, sprzedaż krzyżowa / komplementarna – kreowanie potrzeb)
- personalizowane (oglądane, kupione przez innych użytkowników)
POMAGAMY KLIENTOM ZNALEŹĆ I KUPIĆ POSZUKIWANE PRODUKTY,
PRECYZYJNIE DOPASOWUJEMY OFERTĘ ORAZ INSPIRUJEMY DO
DALSZYCH ZAKUPÓW
18. UŻYCIE REKOMENDACJI
STRONA GŁÓWNA
- polecane dla Ciebie
- produkty, które mogą Ci się spodobać
- najczęściej kupowane
- promocje w sklepie
- trendy sprzedaży
20. UŻYCIE REKOMENDACJI
STRONA PRODUKTU
- polecane dla Ciebie
- produkty podobne, rozważane przy zakupie
razem z bieżącym produktem
- produkty podobne, nieco droższe (upsell)
- uzupełnienie koszyka poprzez zainspirowanie
klienta i wywołanie nowych potrzeb (cross sell)
24. WIDGETY:
- polecane dla Ciebie, na podstawie referencji
- produkty, które mogą Ci się spodobać (upsell)
UŻYCIE REKOMENDACJI
STRONA „DZIĘKUJEMY”
25. REKOMENDACJE W SKLEPIE BLACK RED WHITE
Jednym z kluczowych elementów naszej strategii sprzedaży jest umożliwienie klientowi jak najszybszego
znalezienia produktów, które odpowiadają jego indywidualnym potrzebom.
Następnie, zainspirowanie go do dokonania dodatkowych zakupów.
Chcieliśmy, aby sklep internetowy był jak dobry sprzedawca,
rozumiał potrzeby naszych klientów i rekomendował personalizowaną ofertę każdemu z nich.
Magdalena Grzegorczyk, Menedżer ds. E-Commerce w Black Red White.
26. TECHNOLOGIA QUARTICON
- 5 data center. Europa, Azja i Pacyfik, Chiny, USA. 300 instancji w Elastic Cloud
- system codziennie zbiera i analizuje terabajty danych w czasie rzeczywistym
- samodzielny skrypt nie obciąża strony, prezentując produkty, które inspirują do dalszych zakupów
- posiada możliwość definiowania własnych reguł biznesowych (filtracja, ceny, atrybuty)
- opracowana na bazie najlepszych standardów i danych z testów A/B
- zaawansowany panel, pozwalający na zmiany sposobu wyświetlania i definiowanie reguł biznesowych
- wdrożenie jest bezpłatne, 30 dniowy okres testowy na sprawdzenie technologii