Ένα μέσο e-shop σήμερα έχει περίπου 40.000 προϊόντα, 5.000 unique visitors την ημέρα και περίπου 100 παραγγελίες, με ένα καλάθι γύρω στα 70 ευρώ. Ο μέσος χρήστης δαπανά περίπου 1,8 λεπτά στο e-shop και κάνει αυτό το «ταξίδι» κατά 80% από το κινητό του.
Είναι λοιπόν πάρα πολύ δύσκολο σε 1,8 λεπτά ο πελάτης να ανακαλύψει το προϊόν που θέλει μέσα στο e-shop σου και αυτό είναι κάτι που έχουν ανακαλύψει ήδη χιλιάδες άλλες e-commerce εταιρείες στον κόσμο εδώ και πολύ καιρό.
Κολοσσοί όπως οι Amazon, Alibaba, Netflix, eBay και χιλιάδες άλλες πλατφόρμες με εκατομμύρια προϊόντα στο e-shop τους, δεν περιμένουν τον πελάτη να ψάξει να βρει προϊόντα μέσα στο e-shop αλλά χρησιμοποιούν Machine Learning και τα Δεδομένα Αγορών των πελατών τους για να μπορούν να προβλέψουν τι θέλει να αγοράσει ο κάθε πελάτης και του το προβάλλουν.
Οι προτάσεις αυτές παρουσιάζονται στην πρώτη σελίδα του e-shop, στο καλάθι και κάτω από τη σελίδα των προϊόντων και είναι διαφορετικές για κάθε πελάτη. Είναι βασισμένες στα clusters (ταξίδια αγορών των πελατών) που είναι αποτυπωμένα μέσα στα δεδομένα αγορών στο e-shop και στο ERP σου!
Χρησιμοποιώντας τη shopping personalization recommendation platform της mobiplus, ο πελάτης βλέπει προϊόντα, προσφορές και προτάσεις που αυτός θέλει να αγοράσει και που τον ενδιαφέρουν προσωπικά.
Ας δούμε το παρακάτω case study και πως τα κατάφερε η Lartigiano.
H Lartigiano θέλει να έχει ένα εξατομικευμένο e-shop για κάθε πελάτη. Nα προβλέπει και να συστήνει σε κάθε πελάτη ξεχωριστά τα προϊόντα που θέλει να αγοράσει, σε πραγματικό χρόνο, αυτόματα και να τους προσφέρει αξέχαστες εμπειρίες!
Η mobiplus shopping personalization recommendation platform, είναι μηχανή προτάσεων εξατομίκευσης, εξειδικευμένη για κάθε e-shop, με υψηλό βαθμό ακρίβειας, γιατί δημιουργείται από τα δεδομένα αγορών της επιχείρησής σου!
Οι συστάσεις παρουσιάζονται στην πρώτη σελίδα του e-shop, στο καλάθι και στη σελίδα κάθε προϊόντος. Ο μηχανισμός προτάσεων εξατομίκευσης έχει αναπτυχθεί ειδικά για την Lartigiano, με τη χρήση των Εταιρικών Δεδομένων Αγορών τους. Έχει επεξεργαστεί χιλιάδες δεδομένα αγοράς που διαθέτει η εταιρεία από τους πελάτες της και έχει δημιουργήσει ένα λογισμικό (μηχανή προτάσεων εξατομίκευσης) που αποφασίζει ποια προϊόντα θα πρέπει να εμφανίζονται σε κάθε πελάτη που βρίσκεται στο e-shop.
Η μηχανή προτάσεων συνεχίζει να μαθαίνει για πάντα τις προτιμήσεις των πελατών, καθώς συνδέεται σε πραγματικό χρόνο με το e-shop.
Όταν οι πελάτες βάζουν ένα προϊόν στο καλάθι, η μηχανή σύστασης προβλέπει αν θέλουν να αγοράσουν κάτι άλλο μαζί με το συγκεκριμένο προϊόν και το συνιστά. Έτσι αυξάνουν τα έσοδα στο καλάθι!
Σε 10 ημέρες είχαν 1.900 χρήστες που είδαν τις συστάσεις και έβαλαν 750 επιπλέον προϊόντα στο καλάθι.
Κάντε κλικ εδώ για να δείτε πως το κατόρθωσαν!
-Advertorial-
Μοιραστείτε το άρθρο
[social_share googleplus="no" linkedin="yes" whatsapp="no" viber="no"]
