Recomendando productos

 

Nadie duda de la importancia de recomendar productos a nuestros usuarios. De alguna forma, todos lo estamos haciendo cuando seleccionamos determinados productos o ofertas y les damos mayor protagonismo en nuestra página de inicio.

 

Pero, ¿cómo recomendar productos de manera relevante? Tres temas o preguntas deberemos hacernos para saber cómo ser relevantes cuando recomendamos nuestros productos:

1. ¿Qué productos recomendar?

2. ¿Dónde recomendarlos?

3. ¿Cómo recomendarlos?

 

 

 

Empecemos hablando sobre qué productos recomendar. Y la respuesta es clara. Dejemos que sean los mismos usuarios con su comportamiento quienes nos ayuden a saber qué productos recomendarle. Son muchas las soluciones existentes en el mercado que ofrecen sistemas de behavioral targeting como pueden ser Baynote, Avail, Strands, Richrelevance, Loomia, la catalana Blueknow o muchas otras soluciones. También estamos viendo como soluciones como Coremetrics o Omniture están dando respuesta a esta lógica de recomendación. O como las mismas plataformas de comercio electrónico como ATG o Magento nos brindan posibilidades en este sentido.

 

La mayoría de soluciones incluye algoritmos para responder múltiples escenarios (primeras visitas,?), ofrecen recomendaciones en tiempo real, se integran con nuestras bases de datos de clientes, permiten realizar tests a/b, disponen de un módulo de analítica y se integran con soluciones de email marketing para hacer envíos más personalizados. Pero, cómo veremos la lógica de técnicas de recomendación puede ser bien diferente.

 

En cualquier caso, introducir un sistema dinámico de recomendación de productos mejora de media entre un 15%-20% los ratios de conversión, aunque veremos muchos casos de éxito de soluciones de recomendación que llegan a doblar e incluso triplicar nuestros ratios de conversión. Hay negocios en la red que han hecho bandera de su sistema de recomendaciones para convertirse en líderes indiscutibles. Para Amazon sus recomendaciones representa un 35% de sus ventas. Para Netflix, un 60% !

 

Y por ello no nos sorprenden cifras como las que arroja Forrester al decir que este tipo de sistemas de recomendación de productos y personalización es ya la máxima preocupación del 55% de las tiendas online norteamericanas. Sin duda, toda la web tienden a crear presencias comercialmente cada vez más inteligentes.

 

Podemos agrupar los sistemas de para recomendar productos según si disponemos de información previa del usuario o no:

 

 

 

  • Si no la disponemos, podemos recomendar productos
    • Mostrando aquellos productos más populares o más comprados (1).
    • Mostrando aquellos productos con mejores precios o descuentos (2).
    • Asociando productos a una ocasión especial o evento (el día del padre?) (3).
    • Seleccionando aquellos productos que por motivos de stock queremos sacarnos de encima más rápidamente (4).
    • Enseñando novedades o productos nuevos (5)
    • Agrupando productos por su similitud (categoría?) o complementariedad (accesorios?) (6).
    • Atendiendo a la keyword que el usuario escribió en el buscador desde el que llegó o que usó en nuestro buscador interno (7).
    • Creando reglas de negocio de cross-selling o up-selling (8).

  • Si la disponemos, podemos recomendar productos
    • Segmentando nuestros usuarios según su edad, sexo o ubicación geográfica (9).
    • Relacionando los productos según las compras de los mismos usuarios. Este sistema lo popularizo Amazon y responde al concepto Collaborative filtering y responde la recomendación de ?Usuarios que compraron X también compraron Y? (10).
    • Personalizando en función del comportamiento anterior del usuario (por ejemplo, los productos introducidos en el carrito de la compra o las categorías de producto visitadas?) (11).

    • Personalizando atendiendo al perfil de compra histórico del cliente (12)
    • Mostrando productos en función de la información explícita que el usuario nos ha ofrecido rellenando un perfil, un wishlist o utilizando un wizard. (13).
    • Recordando aquellos productos que recientemente el usuario consultó o incluso puso en el carrito de la compra en anteriores visitas. (14).
    • Mostrando los productos que nuestros amigos les gustan o han comprando si el usuario ha hecho uso de sistemas como el Facebook Connect. Amazon no se lo ha pensado dos veces en hacer uso de este sistema de recomendación (15).

En un próximo post, hablaremos de dónde recomendar productos y cómo hacerlo.

 

 

Comentarios

1 comentarios

Compartir en:

Leave a Reply

Tu correo electrónico no aparecerá publicado. Los campos marcados con * son obligatorios.

  1. […] interesante el post de @davidboronat de @multiplica acerca de los sistemas de recomendación en eCommerce. Se proponen […]