Rekomendacje produktów AI w e-commerce: od „klienci kupili też” do rekomendacji w rozmowie

„Klienci kupili też” działa, gdy klient już wie, czego chce. Gdy nie wie, rząd podobnych produktów to strzał w ciemno. Rekomendacje produktów AI to zmieniają: zamiast zgadywać na podstawie kliknięć, sklep może zapytać, czego klient potrzebuje – i polecić produkt z uzasadnieniem.

W skrócie

  • Rekomendacje produktów występują w trzech odmianach: widżety oparte na regułach, personalizacja na podstawie zachowań i rekomendacje w rozmowie.
  • Widżety i silniki zgadują na podstawie zachowań; rozmowa pyta klienta i potrafi wyjaśnić, dlaczego produkt pasuje.
  • Personalizacja na podstawie tego, co mówi klient, działa też przy pierwszej wizycie – bez historii przeglądania.
  • Tym, co jest polecane, sterujesz regułami, a AI poleca tylko produkty z Twojego katalogu.
  • Mierz wyniki na poziomie rozmowy, a nie pojedynczego polecanego produktu.

Czym są rekomendacje produktów AI?

Rekomendacje produktów AI to propozycje produktów wybierane przez model, a nie przez stałą regułę – na podstawie tego, co klient przegląda i kupuje, co robili podobni klienci, albo tego, czego klient sam potrzebuje. W sklepie internetowym pojawiają się jako rzędy „może Ci się spodobać”, spersonalizowane strony główne, propozycje w koszyku i coraz częściej jako rekomendacje w chacie.

Cel jest taki sam jak u dobrego sprzedawcy: pokazać klientowi właściwy produkt we właściwym momencie. Podejścia różnią się tym, jak ustalają, co znaczy „właściwy”.

Trzy rodzaje rekomendacji produktów

Na podstawieGdzie się pojawiaMocna stronaGdzie się kończy
Widżety oparte na regułachBestsellery, „często kupowane razem”, ręczny wybórKarta produktu, koszyk, strona głównaProsty cross-selling, łatwe wdrożenieTe same dla każdego klienta
Personalizacja na podstawie zachowańHistoria przeglądania i zakupów, podobni klienciRzędy i maile dopasowane do klientaPowracający klienci z historiąSłaba przy pierwszej wizycie; nie wyjaśni, dlaczego
Rekomendacje w rozmowieTo, czego klient potrzebuje, plus Twój katalogChat na karcie produktu, w wyszukiwaniu i w koszykuPrzemyślane zakupy, dopasowanie i kompatybilnośćPotrzebuje klienta, który zada pytanie albo na nie odpowie

Dwa pierwsze podejścia wnioskują, czego klient może chcieć. Trzecie pyta – dlatego potrafi polecić coś do sytuacji, której nie opisze żadna historia kliknięć: „prezent dla 7-latka, który lubi naukę”, „sofa z funkcją spania do kawalerki”.

Spersonalizowane rekomendacje produktów bez śledzenia

Większość personalizacji opiera się na historii: im więcej klient przeglądał i kupował, tym lepsze propozycje. Poza nią zostaje klient najważniejszy – ten, który odwiedza sklep pierwszy raz i dopiero decyduje, czy w ogóle kupić. Rekomendacja w rozmowie jest dopasowana do tego, co klient mówi w tej chwili: zastosowania, rozmiaru, budżetu, modelu, do którego coś ma pasować. Działa przy pierwszej wizycie i nie wymaga profilu zbudowanego ze śledzenia.

Przy powracających klientach agent widzi też krótkie podsumowanie wcześniejszych rozmów, więc nie zaczyna od zera.

Jak działają rekomendacje w rozmowie

W agencie AI do chatu w e-commerce rekomendacja przebiega zawsze tą samą drogą:

  1. Pytanie. Klient opisuje potrzebę – albo agent dopytuje, jeśli czegoś brakuje.
  2. Rekomendacja z uzasadnieniem. Jeden–dwa produkty z Twojego katalogu i powód, dla którego każdy pasuje – znalezione po znaczeniu, a nie po słowach kluczowych (wyszukiwarka produktów AI).
  3. Karty produktów. Zdjęcie, ocena, cena i najważniejsze parametry, z przyciskami „Pokaż podobne” i „Do koszyka”, więc klient porównuje i kupuje, nie wychodząc z chatu.
  4. Pasujące dodatki. Akcesoria, które pasują do wybranego produktu – cross-selling w chwili, gdy jest naprawdę przydatny. W koszyku może je zaproponować także wiadomość proaktywna.
AskSpot Assistant
Zapytaj o dowolny produkt…
Powered by spot

Jedno pytanie, rekomendacja z uzasadnieniem – i dodatek, który do niej pasuje.

Zobacz rekomendacje na swoim katalogu

Umów krótkie demo – uruchomimy Agenta na produktach z Twojego sklepu i pokażemy, co poleca.

Prowadzenie klienta pytaniami do właściwego produktu to osobna umiejętność – więcej w tekście guided selling w e-commerce.

Jak sterować tym, co jest polecane

Rekomendacja jest tak dobra jak reguły, które za nią stoją. Liczą się trzy rzeczy:

  • Reguły rekomendacji. Krótkie zasady: które produkty, marki albo kategorie polecać w pierwszej kolejności, jakie akcesoria pasują do czego i jak doradzać – na przykład dopytać o wielkość pokoju, zanim agent poleci sofę.
  • Tylko Twój katalog. Agent poleca produkty z Twojego feedu, więc nigdy nie zaproponuje czegoś, czego nie sprzedajesz. Feed synchronizuje się domyślnie raz dziennie, więc nowe produkty i ceny trafiają do rekomendacji bez ręcznej pracy.
  • Plan na brak towaru. Gdy produkt, którego szuka klient, jest niedostępny, agent proponuje najbliższy dostępny – także automatycznie na stronie niedostępnego produktu.

Jak mierzyć rekomendacje produktów

Mierz na poziomie rozmowy: ile rozmów, w których agent coś polecił, skończyło się kliknięciem w polecany produkt, ile dodaniem do koszyka, a ile zakupem. Liczenie na poziomie pojedynczego polecanego produktu karze sam format – karuzela sześciu produktów z jednym kliknięciem to trafienie, a nie pięć pudeł. W opublikowanych case studies AskSpot:

58%

rozmów z rekomendacją kończy się kliknięciem w sklepie meblowym

Case studies AskSpot

56%

w sklepie z suplementami dla sportowców

Case studies AskSpot

48%

w sklepie terrarystycznym

Case studies AskSpot

To sklepy Edinos, SFD i GadziSklep. Potem przeczytaj rozmowy, które nie skończyły się zakupem: rekomendacja, w którą nikt nie kliknął, zwykle wskazuje brakujący produkt, brakujące dane w feedzie albo regułę do zmiany.

Rekomendacja, którą klient rozumie, dostaje kliknięcie. „Bo potrzebujesz jej do kawalerki” zawsze wygrywa z „klienci kupili też”.

Silnik personalizacji czy rekomendacje w rozmowie – czy jedno i drugie

Silnik personalizacji (personalization engine) to oprogramowanie stojące za blokami „polecane dla Ciebie”, spersonalizowanymi wynikami wyszukiwania i dopasowanymi mailami: uczy się na podstawie historii przeglądania i zakupów i zmienia to, co widzi każdy odwiedzający. W handlu internetowym najlepiej sprawdza się tam, gdzie ma się z czego uczyć – przy powracających klientach i dużym ruchu. Nie zapyta jednak klienta, czego potrzebuje dzisiaj.

Nie musisz wybierać. Każde podejście obsługuje innych klientów:

  • Widżety i silniki wystarczą przy zakupach pod wpływem impulsu, małych katalogach i powracających klientach, którzy przeglądają ofertę – „często kupowane razem” robi swoje.
  • Rozmowa wygrywa przy przemyślanych zakupach, produktach, które muszą pasować, i dużych katalogach, w których klient nie porówna wszystkiego.
  • Większość sklepów potrzebuje obu: widżetów na każdej stronie i rozmowy tam, gdzie klient się waha.

Porównując narzędzia, sprawdź, czy rekomendacje pochodzą z Twojego katalogu, czy da się nimi sterować regułami, czy wyjaśniają, dlaczego produkt pasuje, czy prowadzą do koszyka i czy są mierzone na poziomie rozmowy. Przegląd samych narzędzi znajdziesz w tekście czym jest asystent zakupowy AI oraz w zestawieniu chatbotów AI dla e-commerce.

FAQ

Czym są rekomendacje produktów AI?

To propozycje produktów wybierane przez model, a nie przez stałą regułę – na podstawie historii przeglądania i zakupów, podobnych klientów albo tego, czego klient sam potrzebuje. Pojawiają się jako rzędy produktów, propozycje w koszyku i rekomendacje w chacie.

Jak działają spersonalizowane rekomendacje produktów?

Silniki oparte na zachowaniach personalizują na podstawie tego, co klient oglądał i kupował. Rekomendacje w rozmowie personalizują na podstawie tego, co klient mówi teraz – zastosowania, rozmiaru, budżetu – więc działają też przy pierwszej wizycie.

Czym różni się silnik rekomendacji od chatu AI?

Silnik rekomendacji pokazuje produkty na podstawie zachowań, bez pytania. Chat AI pyta, czego klient potrzebuje, poleca produkty z Twojego katalogu i wyjaśnia, dlaczego pasują. Większość sklepów używa obu: silnika wszędzie, chatu tam, gdzie klienci się wahają.

Jak mierzyć rekomendacje produktów?

Na poziomie rozmowy: jaki odsetek rozmów z rekomendacją kończy się kliknięciem w polecany produkt, jaki dodaniem do koszyka, a jaki zakupem.

Czy rekomendacje produktów AI potrzebują danych o klientach?

Personalizacja oparta na zachowaniach – tak, uczy się z historii przeglądania i zakupów. Rekomendacje w rozmowie działają na podstawie tego, co mówi klient, i katalogu produktów, więc nie zależą od profilu zbudowanego ze śledzenia.

Czym jest silnik personalizacji w e-commerce?

To oprogramowanie, które zmienia to, co widzi każdy odwiedzający – polecane produkty, wyniki wyszukiwania, maile – na podstawie jego historii przeglądania i zakupów. Najlepiej działa przy powracających klientach i dużym ruchu; rozmowa obsługuje klientów, o których nie wie jeszcze nic.

LinkedIn

Autor

Nick SpivakHead of Marketing & Sales, AskSpot

Nick Spivak kieruje marketingiem i sprzedażą w AskSpot. Ma tytuł magistra na kierunku systemy sztucznej inteligencji, karierę zaczynał w 2008 roku jako full-stack developer, a przez dziewięć lat odpowiadał za rozwój, marketing i sprzedaż w dwóch agencjach tworzących strony internetowe dla międzynarodowych klientów B2B.

Case studies

Realne wyniki sklepów e-commerce

Zobacz, jak sklepy internetowe wykorzystują AskSpot, by automatyzować rozmowy, odciążać obsługę i zwiększać sprzedaż.

Wszystkie case studies

Morele.net

Jak Morele.net obniżyło koszty obsługi klienta o 90%

Morele.net obniżyło koszty obsługi o 90%, z 50 do 5 osób. AskSpot rozwiązuje 65% z 37 600 rozmów miesięcznie bez konsultanta i odpowiada na Allegro.

Czytaj historię →

Militaria.pl

Jak Militaria rozwiązuje 72% chatów w 8 językach

Militaria.pl prowadzi chat AI AskSpot na trzech domenach i w 8 językach: 61% klikalności rekomendacji, 26% dodań do koszyka, 72% chatów bez konsultanta.

Czytaj historię →

4FIZJO

Jak 4FIZJO rozwiązuje 61% chatów klientów dzięki AI

Chat AI AskSpot rozwiązuje 61% z 21 360 rozmów miesięcznie bez konsultanta na 6 rynkach, a Agent Inbox sam obsługuje 25% zgłoszeń e-mail i Allegro w helpdesku Thulium.

Czytaj historię →

Ogrodosfera

Jak Ogrodosfera zamienia pytania o ogród w 1,78 mln zł miesięcznie

Agent AskSpot w Ogrodosferze odpowiada o wymiary, materiały i odporność na wiatr na 9 europejskich sklepach – 1,78 mln zł/mies. z chatu, 73% bez konsultanta.

Czytaj historię →

PHH Group

Jak PHH Group obsługuje 56 000 rozmów miesięcznie

PHH Group używa AskSpot na pigu.lt, 220.lv, kaup24.ee i hobbyhall.fi – 56 000 rozmów miesięcznie, 43% w aplikacjach, 55% bez konsultanta.

Czytaj historię →

Senetic

Jak Senetic zamienia 19,5% technicznych chatów w koszyk

Agent AskSpot odpowiada Senetic na pytania o porty, PoE i zgodność sprzętu w 7 sklepach europejskich. 19,5% dodaje do koszyka, 8,1% kupuje, 62% bez konsultanta.

Czytaj historię →

21case studies

Zobacz wszystkie historie

Każdy sklep, który zmierzyliśmy – o co pytali klienci, co zrobił agent i jakie liczby z tego wyszły.

Przejrzyj wszystkie →

Gotowy, by każda rozmowa sprzedawała?

Załóż konto i skonfiguruj Agenta z asystentem w panelu – albo umów demo, a pokażemy Ci AskSpot na Twoim asortymencie.