YouTube, Netflix, Spotify ja Amazon hyödyntävät suosittelujärjestelmiä olennaisena osana liiketoimintaansa. Miksi et sinäkin?
Suosittelujärjestelmät (eng. Recommender System, Recommender Engine) ovat viime vuosikymmenten aikana yleistynyt algoritminen tapa suositella sisältöä käyttäjille. Suositusten tarkoituksena on tarjota käyttäjälle kiinnostavaa sisältöä. Suositukset voivat pohjautua esimerkiksi käyttäjän mieltymyksiin, suositeltujen asioiden ominaisuuksiin tai muiden samankaltaisten käyttäjien mieltymyksiin.
Käyttökohteita suosittelujärjestelmille on lukuisia. Suosittelujärjestelmät kehittyivät tarpeeseen torjua informaatiotulvaa ja helpottamaan oleellisen sisällön löytämistä. Tällä tavoin niitä voi hyödyntää myös verkkokaupan käyttäjäkokemuksen parantamisessa ja kaupan sisäisessä markkinoinnissa.
Suosittelujärjestelmien etuja
Suosittelujärjestelmien avulla voidaan kasvattaa myytyjen tuotteiden määrää, parantaa asiakaspalvelun laatua tarjoamalla henkilökohtaisempaa palvelua, kasvattaa asiakasuskollisuutta paremmalla käyttökokemuksen myötä. Hyvin toimivan suosittelujärjestelmän avulla käyttäjät löytävät nopeammin ja paremmin etsimänsä, sekä uutta kiinnostavaa sisältöä.
Verkkokaupan suosittelujärjestelmät
Yleisiä verkkokaupassa käytettyjä suosittelujärjestelmiä ovat tuotteiden ristimyynniksi, lisämyynniksi ja liittyviksi tuotteiksi kutsutut listaukset (Cross-Sell, Upsell, Related Products). Yksinkertaisiksi suosittelujärjestelmeksi voidaan katsoa myös esimerkiksi top-listaukset myydyimmistä tuotteista. Tällaisten suositusten tekemiseen löytyy valmiiksi työkalut monesta verkkokauppaohjelmistosta, kuten MyCashflow'sta, Magentosta ja Shopifysta. Ominaisuudet mahdollistavat manuaalisesti tuoteyhteyksien luomisen tuotekohtaisesti.
Tuotesuositusten käytännöllisyys riippu katalogin koosta: muutaman tuotteen verkkokaupassa suositukset eivät ole tarpeellisia, sillä tuotteet löytyvät helposti muutenkin. Kuitenkin jo vähäisillä tuotemäärillä erilaiset lisämyynnin suositukset (tuotteiden kanssa yhteen sopivat tuotteet) voivat olla hyödyllisiä. Muutamien tuotteiden välisten yhteyksien hallinointi on helppoa manuaalisesti. Tuotekatalogin kasvaessa kymmeniin, satoihin, ja edelleen tuhansiin, tulevat erilaiset tuotesuositukset yhä hyödyllisemmiksi, kun tuotteiden löytäminen asiakkaalle vaikeutuu, ja tuoteyhteyksien hallinointi kauppiaalle vaikeutuu.
Tässä artikkelissa on listattu 5 yleistä tapaa toteuttaa hyödyllisiä tuote-ehdotuslistauksia verkkokauppaan.
1. "Samankaltaiset tuotteet"
Samankaltaiset tuotteet -suosittelun tarkoituksena on löytää käsiteltävän tuotteen kanssa samankaltaisia tuotteita. Tällainen suosittelu on yksinkertaista toteuttaa merkitsemällä manuaalisesti, tuotetteita keskenään tarkastellen, tuotteisiin samankaltaisia tuotteita ja listaamalla ne tuotesivulla.
Samankaltaisten tuotteiden listauksen voi toteuttaa myös automaattisesti, samankaltaisuutta arvioivia algoritmeja ja tekoälyä hyödyntäen. Tuotteen samankaltaisuutta arvioidaan perustuen tuotteen ominaisuuksiin, kuten sen nimeen, tuotekuvaukseen ja tuotetietoihin, kuten väriin ja kokoon.
2. "Muut ostivat myös"
Muut ostivat myös -suosittelu on suoraviivainen, tilaushistoriaan perustuva suosittelutapa. Se on toteutettu valmiiksi monissa verkkokauppaohjelmistoissa. Sen etuna on suositusten helppous ja hyödyllisyys, mutta ongelmaksi muodostuu tilausten määrän tarve: suosituksia varten tarvitaan paljon tilauksia eri tuotteista. Jos tilausmäärät tai tuotteiden määrä tilauksissa on pieni, nämä ehdotukset eivät ole kovin hyödyllisiä.
3. "Muut katsoivat myös"
"Muut katsoivat myös" -suosittelu on periaatteeltaan yksinkertainen: suositellaan niitä tuotteita, joita tuotetta katsovat katselivat myös. Tämä ominaisuus vaatii epäsuoran datan keräämistä kävijöistä ja sen käsittelyä sopivaan muotoon. Kävijöitä ja ostotapahtumia tarvitaan vähemmän, kuin "Muut ostivat myös"-tyyppisessä suosittelussa, sillä dataa syntyy jokaisen vierailijan toimesta. Sivujen katseluita tulee tarpeeksi suositusten tekemiseen, mutta sivujen katseluita täytyy seurata ja hyödyntää algoritmia suositteluiden muodostamiseksi. Tällaista suosittelua ei verkkokauppaohjelmistoista valmiina löydy, joten se on toteutettava lisäosalla tai custom-toteutuksena.
4. "Liittyvät tuotteet"
Tuotteeseen liittyvät tuotteet voi tarkoittaa monta eri asiaa, ja ne voivat olla monella tavalla toteutettuja. Jotkin verkkokauppaohjelmistot sisältävät ominaisuuden, joka mahdollistaa liittyvien tuotteiden merkitsemisen tuotteelle. Tuotteita voi esimerkiksi merkitä yhteensopivaksi, varaosaksi sopivaksi tai lisävarusteeksi sopivaksi.
Liittyvällä tuotteella voidaan tarkoittaa myös algoritmisesti ja tekoälyyn perustuen tehtyjä tuotesuosituksia, tuotteen ominaisuuksiin tai tuotteesta aiemmin kiinnostuneiden mieltymyksiin pohjautuen. Yksinkertaiset tuotekohtaiset yhteensopivat tuotteet voi luoda manuaalisesti, mutta älykkäämmät "Liittyvät tuotteet" -suositukset vaativat erillisen ohjelmiston.
5. "Saattaisit olla kiinnostunut myös", "Saattaisit pitää näistä"
Käyttäjälle personoidut suositukset ovat edistyneempiä suosituksia, jotka pohjautuvat käyttäjän aikaisempaan toimintaan. Personoidut suositukset voidaan toteuttaa vertaamalla käyttäjää muihin käyttäjiin, ja suosittelemalla sitten samankaltaisien käyttäjien mielestä kiinnostavia tuotteita. Tällainen suosittelu vaatii erillisen suosittelujärjestelmän, ja epäsuoran (implisiittisen) käyttäjädatan keräämistä. Personoitujen suositusten avulla verkkokaupasta voidaan luoda jokaiselle käyttäjälle räätälöity kokemus, joka elää käyttäjän mieltymysten mukaan.
Personoitujen suositusten avulla verkkokaupasta voidaan luoda jokaiselle käyttäjälle räätälöity kokemus, joka elää käyttäjän mieltymysten mukaan.
Yhteenveto
Yhdistelemällä aiemmin esiteltyjä tuotesuosituslistauksia, saadaan verkkokaupasta luotua dynaaminen kokonaisuus, joka muuttuu asiakkaiden mukana. Sisältö pysyy tuoreena ja verkkokaupan käyttämisestä tulee sujuvampaa. Hyvin toteutetut tuotesuositukset nostavat konversioprosenttia, keskiostoksen sekä ostettujen tuotteiden määrää. Suositusjärjestelmiä verkkokaupassa hyödyntämällä voit sanoa hyvästi staattisille sivuille, jotka on kohdennettu ei-kenellekkään, ja tarjota asiakkaillesi paremman kokemuksen.
Monet esitellyistä listauksista on helppo ottaa käyttöön kaikissa verkkokaupoissa. Ne vaativat olemassa olevien ominaisuuksien käyttöönottoa ja listauksen muotoilua verkkokaupan ulkoasuun. Tuotteiden väliset yhteydet täytyy myös manuaalisesti luoda eri tuotteiden välille.
Jos yksinkertaiset "Muut ostivat myös" ja "Ostetuimmat tuotteet" eivät riitä, ja tuotekatalogi on liian suuri samankaltaisten ja liittyvien tuotteiden listaukseen manuaalisesti, on aika kääntyä älykkäämpien ja automatisoitujen järjestelmien puoleen.
Älykkäiden ja automatisoitujen tuotesuositusten käyttöönotto vaatii suosittelujärjestelmän, joka pystyy keräämään ja hyödyntämään verkkokaupan dataa monipuolisesti.
Lähteet
Lue lisää verkkokauppaohjelmistojen tarjoamista tuotesuositteluominaisuuksista: Magento, Shopify, MyCashFlow
Ricci, F., Rokach, L., & Shapira, B. 2011. Introduction to Recommender Systems handbook. In: Recommender Systems Handbook.
Great Digital Companies Build Great Recommendation Engines, Harvard Business Review