Cara Menggunakan Rekomendasi Produk yang Dipersonalisasi [Praktik &Contoh Terbaik]

Bayangkan pemandangannya:Anda berada di toko pakaian favorit Anda, mencoba celana jins baru yang bagus. Tiba-tiba, rekan kerja Anda menjentikkan jari dan dalam momen eureka, menyatakan bahwa mereka tahu atasan yang cocok dengan jeans tersebut.

Atau mungkin Anda telah mengunjungi toko teknologi dan membeli tablet baru Anda hingga checkout, tetapi sebelum memindai item Anda, petugas berhenti sejenak dan bertanya apakah Anda telah melihat pelindung layar baru yang sempurna untuk tablet Anda.

Jika salah satu dari skenario ini terdengar familier bagi Anda, Anda telah mengalami rekomendasi produk yang dipersonalisasi.

Tentu saja, di dunia e-niaga, tidak mungkin memiliki rekan penjualan nyata untuk melakukan ini. Sebaliknya, pengecer online perlu menggunakan teknologi dan data untuk memahami penggunanya dan merekomendasikan produk berdasarkan minat dan perilaku mereka sejak pertama kali mengunjungi beranda.

Dilakukan dengan benar, rekomendasi produk yang dipersonalisasi ini sangat efektif. Montetate, 75,5% bisnis mendapatkan ROI positif dari personalisasi, dengan setiap industri merespons dengan persetujuan sebesar 70% atau lebih.

Dengan meningkatnya e-niaga dan 90% pembeli yang bersedia membagikan data perilaku mereka jika pengalaman berbelanja mereka dibuat lebih murah atau lebih nyaman, tidak pernah ada waktu yang lebih baik untuk menerapkan lebih banyak personalisasi ke toko online Anda.

Mari kita pelajari mengapa rekomendasi produk yang dipersonalisasi harus menjadi salah satu prioritas pertama Anda.

Apa itu Rekomendasi Produk yang Dipersonalisasi?

Rekomendasi produk yang dipersonalisasi adalah saat sebuah situs menampilkan pilihan rekomendasi produk yang unik kepada pengunjung individu, berdasarkan perilaku their dan profil . Ini hampir selalu didasarkan pada algoritme pembelajaran mesin.

Yang penting untuk diingat adalah tidak semua bentuk rekomendasi produk dipersonalisasi . Bagaimana Anda tahu apakah itu dipersonalisasi atau tidak? Pertanyaan yang harus Anda tanyakan adalah apakah Anda akan melihat rekomendasi yang sama dengan orang di sebelah Anda.

Berikut adalah beberapa ide tentang apa yang dimaksud dengan rekomendasi produk yang 'dipersonalisasi': 

• Merekomendasikan produk berdasarkan penelusuran atau riwayat pembelian pengguna. Amazon adalah salah satu standar emas untuk ini, menggunakan data historis untuk menyajikan produk terkait yang unik  kepada setiap pengunjung: 

• Rekomendasi berdasarkan lokasi atau profil pelanggan . Contoh bagusnya adalah menggunakan data lokasi pelanggan dan membuat rekomendasi produk berdasarkan kondisi cuaca saat ini. Seseorang dapat dengan mudah menggunakan data tentang usia atau jenis kelamin pengunjung untuk mengubah rekomendasi.
• Menggunakan afinitas produk untuk merekomendasikan produk. Contoh terbaik dari hal ini adalah menunjukkan rekomendasi berdasarkan perilaku pengguna dan apa yang telah dilakukan pengguna serupa lainnya. Sekali lagi, Amazon adalah contoh yang bagus untuk hal ini, menampilkan serangkaian rekomendasi di halaman detail produk (PDP) untuk membawa pengguna ke langkah selanjutnya dalam perjalanan mereka: 

Jadi, jika ini adalah rekomendasi produk yang 'dipersonalisasi', lalu apa yang 'tidak dipersonalisasi'? Berikut adalah beberapa contoh.

• Menampilkan bukti sosial untuk menunjukkan seberapa populer suatu produk. Ini adalah taktik yang penting, tetapi umumnya sama, terlepas dari apa yang telah dilakukan pengguna.
• Menampilkan rekomendasi berdasarkan 'aturan bisnis' . Misalnya, menunjukkan item mana yang stoknya rendah atau terlaris adalah taktik yang bagus, tetapi ini statis dan tidak akan berubah berdasarkan pengunjung.

Sekarang kita tahu arti sebenarnya dari dipersonalisasi rekomendasi produk, mari kita urai mengapa mereka berharga.

Mengapa Menggunakan Rekomendasi Produk yang Dipersonalisasi di E-niaga?

Sederhananya, SmartHQ melaporkan bahwa mereka 'menemukan korelasi kuat antara pelanggan yang melihat saran dan rekomendasi produk unik yang tidak hanya bertahan lebih lama di situs web merek, tetapi juga membandingkan harga di Amazon lebih sedikit, jika sama sekali.

Sekitar 84% konsumen menilai dihargai sebagai pribadi dan bukan sebagai angka sangat penting untuk memenangkan bisnis mereka.

Rekomendasi yang relevan juga penting bagi kami karena kemudahannya. Daripada harus mencari sesuatu yang lain yang mungkin kita sukai di sekitar pembelian awal kita, kita secara otomatis mendapatkan penunjuk arah ke sesuatu, menghemat waktu kita yang berharga. Sebagian besar sistem CMS e-niaga juga memungkinkan Anda untuk mengotomatiskan sebagian besar proses ini dengan cukup cepat.

Jika Anda tidak yakin, berikut beberapa alasan lainnya untuk menggunakan rekomendasi produk yang dipersonalisasi: 

1. Turunkan tingkat pengabaian keranjang belanja.

Dalam e-niaga, tingkat pengabaian keranjang adalah salah satu metrik terpenting. Menampilkan rekomendasi yang dipersonalisasi di halaman keranjang dapat meningkatkan tingkat pengabaian keranjang sebesar 4,35%.

Konsumen meninggalkan gerobak karena beberapa alasan. Terkadang mereka teralihkan, terkadang mereka hanya menjelajah, tetapi terkadang mereka merasa belum menemukan apa yang mereka cari.

Misalnya, pelanggan yang membeli syal mungkin ingin membeli paket musim dingin termasuk sarung tangan dan topi. Tanpa rekomendasi produk yang apik, pengguna kemudian harus pergi ke kategori berikutnya untuk menemukannya. Pengalaman ini tidak nyaman, dengan setiap langkah ekstra menghadirkan risiko ekstra yang akan mereka tinggalkan.

Di sinilah rekomendasi produk yang dipersonalisasi dapat menghemat hari.

Setelah pengguna menambahkan syal mereka, memamerkan sarung tangan dan produk pakaian musim dingin lainnya yang relevan dapat menyelamatkan mereka dari membatalkan pembelian mereka. Pendapatan yang hilang berubah menjadi pendapatan tambahan.

2. Meningkatkan nilai pesanan rata-rata (AOV).

Rekomendasi yang dipersonalisasi mendorong pendapatan dengan memengaruhi secara positif jumlah total keranjang pelanggan. Mereka menawarkan peluang cross-sell dan up-sell yang relevan yang menarik minat pelanggan, sehingga mereka membeli lebih dari sekadar barang asli yang mereka datangi.

Statistik menunjukkan bahwa sesi yang tidak berisi interaksi dengan rekomendasi produk rata-rata memiliki AOV sebesar $44,41. Namun, ketika prospek terlibat hanya dengan satu rekomendasi, jumlah ini berlipat ganda sebesar 369%.

3. Tingkatkan waktu sesi.

Rekomendasi produk menciptakan perasaan seperti lubang kelinci yang familiar bagi semua pengguna internet. Pembeli mulai dengan satu produk, mengklik produk lain, terganggu oleh produk lain, dan sebelum mereka menyadarinya, sudah dua jam.

Pola ini membantu pembeli untuk tetap berada di situs Anda lebih lama dengan menarik perhatian mereka dan melibatkan mereka dengan rekomendasi untuk produk yang tidak mereka pertimbangkan atau harapkan untuk ditemukan.

4. Tampil menonjol di antara pesaing.

Pada akhir tahun 2020, pengeluaran AS secara online diperkirakan akan mencapai sekitar $375 miliar. Para ahli memperkirakan bahwa pada akhir tahun 2024, pengeluaran online akan melampaui $476 miliar.

Untuk melayani pertumbuhan besar dalam belanja online ini, pengecer e-niaga baru meluncurkan toko mereka setiap hari. Namun, pasar yang tumbuh pesat dan berkembang seperti itu ada harganya:individualitas.

Dengan begitu banyaknya pilihan yang tersedia bagi mereka, konsumen kini memiliki kemewahan untuk memilih toko mana yang akan dikunjungi berdasarkan apa yang mereka inginkan dari pengalaman berbelanja mereka. Personalisasi tinggi pada daftar keinginan:80% konsumen menyatakan bahwa mereka lebih cenderung melakukan pembelian dari perusahaan ketika disajikan dengan pengalaman yang dipersonalisasi.

Sebelum kita berbicara tentang cara memulai dengan rekomendasi produk yang dipersonalisasi di situs Anda, peringatan singkat – ini mungkin tidak untuk semua orang. Rekomendasi produk yang benar-benar 'dipersonalisasi' bergantung pada algoritme, dan algoritme memerlukan volume data yang baik agar dapat bekerja secara efektif.

Itu berarti bahwa jika Anda adalah situs kecil dan belum memiliki banyak lalu lintas, Anda mungkin tidak memiliki cukup data untuk memberi makan mesin, dan Anda mungkin perlu menunda jenis strategi ini untuk saat ini. Namun, Anda dapat dengan mudah memulai dengan beberapa rekomendasi produk 'tidak dipersonalisasi' yang kami sebutkan sebelumnya di artikel ini.

Praktik Terbaik untuk Membuat Rekomendasi Produk yang Efektif

Untuk membuat rekomendasi produk yang dipersonalisasi menjadi efektif, Anda memerlukan strategi yang kuat. Lagi pula, menerapkan rekomendasi secara efektif lebih dari sekadar 'apa' yang Anda tunjukkan – sama pentingnya dengan 'siapa' yang Anda tunjukkan kepada mereka, 'kapan' dan 'bagaimana'.

Berikut adalah dua pertimbangan yang perlu Anda ingat: 

1. Tentukan audiens Anda.

Rekomendasi produk harus tepat sasaran. Mulailah dengan mengelompokkan pelanggan Anda secara akurat sehingga Anda dapat mulai menjalankan kampanye dengan lebih efektif. Di awal perjalanan Anda, segmentasi ini dapat dan harus cukup luas sehingga Anda dapat mengumpulkan data dalam jumlah besar untuk pengujian – saat Anda mempelajari lebih lanjut, Anda dapat mempersempit segmen berdasarkan sifat perilaku untuk akurasi dan dampak yang lebih besar.

2. Uji kampanye Anda secara rutin.

Kampanye harus secara teratur diuji A/B. Misalnya, uji berapa banyak item yang harus ditampilkan, di mana rekomendasi produk akan muncul, dan bahkan judul apa yang harus dimiliki bagian tersebut.

Di mana Menyertakan Rekomendasi Produk yang Dipersonalisasi di Situs E-niaga Anda?

Berhasil menerapkan rekomendasi produk yang dipersonalisasi melibatkan pengumpulan data pengguna pada skala situs yang luas. Untuk memaksimalkan pengumpulan data tersebut dan berhasil meningkatkan AOV, rekomendasi harus ditampilkan di tempat yang kemungkinan besar akan digunakan oleh pelanggan.

Berikut adalah beberapa tempat yang kami sarankan.

1. halaman kategori.

Halaman kategori mendorong penemuan produk Anda:halaman ini penting untuk menyusun produk yang relevan dan membantu pengalaman pengguna dengan membiarkan pembeli mempersempit pencarian mereka ke dalam subkategori yang mereka pilih. Halaman kategori juga merupakan tempat yang bagus untuk menampilkan rekomendasi produk dengan menampilkan item yang paling sering dibeli bersama atau penjual terbaik Anda.

Dalam contoh di atas dari Sportbike Track Gear, rekomendasi disajikan di halaman kategori di samping penghematan. Meskipun tidak sepenuhnya dipersonalisasi, mereka tetap relevan bagi pengunjung.

Rekomendasi produk dapat bekerja dengan cara ini dengan dibundel dengan diskon atau promosi. Penawaran seperti ini mendorong pengunjung untuk melihat lebih dekat, dan karena produk masih relevan dengan minat mereka, mereka cenderung tetap terlibat.

2. halaman produk.

Halaman produk e-niaga bisa dibilang merupakan halaman terpenting di toko Anda untuk menampilkan rekomendasi produk yang dipersonalisasi.

Saat pengunjung mendarat di halaman produk, niat beli mereka menjadi lebih tinggi. Menawarkan produk alternatif dan relevan saat mereka menjelajah dapat membuat mereka berpotensi membeli lebih dari sekadar produk asli, meningkatkan ukuran keranjang mereka, dan mendorong lebih banyak pendapatan.

Contoh di bawah ini adalah template yang cukup standar yang dapat Anda sesuaikan. Sebagian besar halaman produk akan memiliki bagian "Anda mungkin juga suka" atau "sering dibeli bersama". Karena ini adalah titik kontak penting dalam perjalanan pengguna, Anda perlu memastikan bahwa Anda mengoptimalkannya dengan tepat. Terutama pada produk terlaris Anda.

Dalam contoh di atas dari Autograph Foliages, pengecer peralatan rumah tangga menampilkan rekomendasi yang kemungkinan besar akan diminati pengunjung berdasarkan riwayat penjelajahan mereka. Produk yang sama ditampilkan dalam warna yang berbeda, menawarkan kepada pengguna pilihan lain yang nyaman untuk dipilih selain produk serupa.

3. Keranjang belanja.

Halaman keranjang adalah kesempatan terakhir untuk menawarkan item tambahan kepada pelanggan Anda yang dapat menyelesaikan pembelian mereka. Rekomendasi produk yang dipersonalisasi di sini dapat berfungsi sebagai pengingat untuk peluang pembelian yang mungkin diabaikan konsumen – seperti rak majalah dan permen karet di kasir di toko bahan makanan.

Namun berhati-hatilah, ini memiliki risiko – hal terakhir yang ingin Anda lakukan ketika pelanggan Anda begitu dekat dengan garis finish (memeriksa) adalah mengalihkan perhatian mereka dan secara tidak sengaja menarik mereka ke atas corong. Fungsi ini seharusnya cukup umum di semua platform e-niaga, pastikan Anda memilih produk atau produk tertentu,  yang terkait dengan keranjang pengguna.

Merek kacamata MOSCOT menyeimbangkan ini dengan baik. Pada halaman troli, clip-on direkomendasikan sebagai upsell pada kacamata yang telah ditambahkan pengunjung. Namun, satu-satunya CTA yang dapat diklik adalah ‘TAMBAHKAN SEKARANG!’, sehingga pengunjung tidak tergoda untuk menjelajahi halaman lain: 

Pada tahap ini selalu ada kemungkinan pengguna akan meninggalkan checkout karena berbagai alasan. Namun dengan personalisasi produk, Anda sekarang seharusnya memiliki keranjang AOV yang cukup tinggi dengan produk yang tepat yang dapat Anda targetkan ulang dengan kampanye email.

4 Contoh Rekomendasi Produk yang Dipersonalisasi

Rekomendasi produk yang dipersonalisasi dapat diterapkan di semua situs, untuk audiens mana pun. Mari kita lihat beberapa contoh terbaik: 

1. Clarks AU.

Dalam contoh dari Clarks ini, pengecer sepatu menerapkan rekomendasi produk yang dipersonalisasi di halaman produk berdasarkan minat pengguna:

Dengan mengklik produk yang menampilkan cetakan binatang, algoritme Clarks secara otomatis menyarankan sepatu lain dalam jangkauan mereka yang ketika diklik, menampilkan pola cetakan binatang. Ini karena algoritme menilai bahwa pengunjung yang tertarik dengan animal print akan senang melihat produk lain yang memiliki tampilan yang sama.

Ini bekerja karena dua alasan:Yang pertama adalah bahwa sepatu adalah dua jenis desain yang berbeda. Oleh karena itu, secara teoritis, pecinta sepatu animal print dapat meningkatkan AOV Clark di sini dengan membeli dua jenis sepatu yang berbeda – baik yang asli maupun yang sepatunya – dengan motif yang mereka sukai.

Alasan kedua adalah keputusan untuk menampilkan produk serupa di halaman produk. Jika pengunjung kebetulan memutuskan untuk tidak membeli sepatu pertama setelah diperiksa lebih dekat, perhatian mereka dapat ditangkap dan dialihkan ke pembelian potensial lainnya.

Bagaimanapun juga, pengunjung sudah menyukai gayanya, jadi mungkin sepatu loafer, sebagai lawan dari tumit, akan lebih cocok untuk mereka. Ini mempertahankan pengunjung di situs lebih lama, mencegah pengabaian instan.

2. Kebahagiaan.

Pengecer kecantikan Bliss menawarkan rekomendasi produk berdasarkan penilaian pemecahan masalah dari pengunjung tertentu.

Misalnya, dengan pengguna mengklik pelembab khusus untuk kulit kering, algoritme rekomendasi produk Bliss menyarankan produk pelembab lain yang khusus untuk masalah kulit.

Judul rekomendasi mereka sangat efektif karena menunjukkan bahwa pengguna produk pelembab asli akan mendapat banyak manfaat dari memasangkannya dengan salah satu item yang disarankan.

Ini menciptakan ilusi bundel yang berguna dan mendorong pengguna untuk memperlakukan diri mereka sendiri. Paket ini menarik intrik pengguna untuk memperbaiki masalah kulit mereka untuk selamanya.

Penempatan rekomendasi produk juga sangat penting, karena ditempatkan tepat di atas bagian ulasan. Artinya, pengunjung yang mencari pemahaman yang lebih baik tentang produk dan manfaatnya tidak dapat menghindari tawaran tambahan sempurna lainnya.

3. Pemotong dan Uang.

Dalam contoh dari Cutter and Buck ini, rekomendasi dibuat untuk produk yang mirip dengan minat pengunjung. Dalam hal ini, ini adalah tim olahraga dan mereka juga memastikan bahwa rekomendasi tersebut merupakan bagian dari satu paket.

Misalnya, algoritme mendeteksi bahwa meskipun Anda mungkin ingin menunjukkan kecintaan Anda pada tim olahraga dengan pakaian luar Anda, Anda mungkin juga ingin menunjukkannya saat melepas jaket. Oleh karena itu, produk yang lebih ringan seperti t-shirt dan kemeja full-length ditawarkan untuk semua kecuali membangun pakaian.

Rekomendasi ini adalah padanan virtual dari contoh rekanan kehidupan nyata yang kami sebutkan di awal artikel. Ini efektif karena pendukung tim olahraga dapat membuat seluruh pakaian mereka, sesuai dengan warna tim mereka, bahkan tanpa meninggalkan satu halaman produk pun.

4. Tommy Tembaga.

Retailer kesehatan dan kebugaran Tommie Copper dengan sempurna menerapkan rekomendasi yang relevan dan dipersonalisasi pada halaman produknya dalam contoh di bawah ini.

Pelanggan disajikan dua menu untuk produk yang dipersonalisasi berdasarkan penelusuran awal mereka. Dengan menelusuri bagian wanita, lalu memilih kaus kaki yang dilengkapi teknologi kompresi, pengunjung pertama kali akan disambut dengan tiga jenis kaus kaki tambahan. Ini diberi label sebagai 'Baru dilihat'.

Semua kaus kaki yang direkomendasikan di sini memiliki fitur teknologi kompresi, yang penting karena pengunjung yang memilih item kompresi menunjukkan minat yang jelas terhadap manfaat produk. Desain panjang, sedang, dan pendek tetap relevan karena mengandung elemen kompresi yang penting.

Di bawah desain ini, menu tambahan ditampilkan. Sekali lagi, semua produk berhubungan dengan item kompresi, baik untuk punggung, kaki, atau perut. Sekilas, ini mungkin tampak tidak berhubungan. Namun, mengingat cedera atau kelemahan pada pergelangan kaki telah terbukti menunjukkan efek samping pada punggung bagian bawah dan perut melalui gaya berjalan yang tidak rata, rekomendasi ini lebih dipersonalisasi daripada yang diperkirakan sebelumnya.

Oleh karena itu, algoritme situs web telah mendeteksi bahwa seseorang yang menelusuri item kompresi untuk kaki mereka mungkin memerlukan item lebih lanjut untuk mendukung area lain dari tubuh mereka yang berpotensi berisiko mengalami efek knock-on.

Selanjutnya, interaksi pengguna awal dengan bagian situs wanita memungkinkan algoritme mengetahui untuk hanya menampilkan produk khusus untuk wanita.

Menutup

Karena jumlah pembeli online terus bertambah dan industri terus berkembang, personalisasi harus menjadi prioritas utama untuk semua toko e-niaga.

Jika sebelumnya personalisasi hanya terbatas pada rangkaian pemasaran email atau chatbot, sekarang dimulai dari saat pengunjung Anda tiba di situs Anda.

Kami telah melihat bagaimana personalisasi dapat mempertahankan dan mengonversi pelanggan, itulah sebabnya rekomendasi produk yang dipersonalisasi merupakan tambahan penting untuk toko mana pun.

Mulailah dengan data situs web Anda. Analisis dan evaluasi apa yang tren katakan kepada Anda, dan kelompok pelanggan mana yang ingin melihat apa. Setelah mendapatkan informasi ini, Anda dapat mulai menerapkan strategi di seluruh situs Anda, memastikan untuk menguji dan mengevaluasinya secara terus-menerus.

Sebagai pemasar, Anda akan selalu mencari cara untuk mendorong kinerja. Personalisasi produk, dengan sedikit otomatisasi atau pengoptimalan akan membantu Anda melakukan hal itu. Jika berhasil dilakukan, situs web Anda akan unggul dari pesaing Anda, meningkatkan nilai pesanan rata-rata, dan pada akhirnya mendorong lebih banyak pendapatan.