Automatiska produktrekommendationer är e-handlarens drömfunktion. En smart funktion som maximerar merförsäljningen i en webbshop, där e-handlaren inte behöver lägga ner någon tid alls och inte investera i någon marknadsföring. Besökarna i webbutiken gör hela jobbet, utan att ens veta om det.
Vi har gjort en statistisk undersökning av försäljningsökningen i tre webbutiker efter driftsättning av funktionen. Resultatet visar en markant ökning i samtliga webshopar.
Så fungerar det
E37s e-handelsmodul ”Automatiska Produktrekommendationer” används för att visa relaterade produkter på olika sidor och innehållsytor i en webbshop. Huvudsyftet är förstås att visa fler produkter som kunden också kan tänkas vilja köpa samtidigt. Det andra syftet är att hjälpa kunden att överhuvudtaget hitta exakt den produkt som avgör köpbeslutet, vilket höjer konverteringsgraden.
Modulen parar ihop produkterna allt bättre ju mer statistik som har samlats in från besökarnas köp och klickbeteende. Den är alltså inte en universallösning för en helt nylanserad e-handel. Däremot är den ett kraftfullt redskap när en shop har kommit igång och man vill lägga i en högre växel för att öka lönsamheten.
Den intelligenta modulen sammanställer statistik från följande källor:
- Artiklar som visats eller köpts i samma order (även produkter som besökts men inte köpts).
- Köpmönster från återkommande kunder.
- Övergivna varukorgar (både produkter som har lagts i varukorgen och övriga produktsidor som har besökts).
- Besökarnas beteende när de surfar omkring i sortimentet (besökta produktsidor inför köp).
Allt detta räknas ihop och ger automatiskt lämpliga produktrekommendationer, d.v.s. listor över vilka produkter som är närmast relaterade med varandra.
Kundcase 1 – Leila's General Store +25 %
Sedan Leila's General Store implementerade modulen Automatiska Produktrekommendationer har merförsäljningen ökat med 25 %. (Med merförsäljning avser vi i detta fall de produkter som köps utöver den första produkten i samma order.) Samtidigt har andelen köp som bara innehåller en produkt minskat med 18 %.
Detta är beräknat på de ca sju månader som modulen har använts i webbshopen, jämfört med närmast föregående sju månader.
Förbättringen är särskilt intressant då Leila's General Store redan tidigare hade goda siffror (i genomsnitt 3,6 produkter/order och 78 % av alla köp innehöll minst två eller flera produkter).
Kundcase 2 – Länna Sport +26 % (alt. +48 % eller +58 %)
I Länna Sports webbshop förväntade vi oss inte en lika stor förbättring, då de använde en 3:e-partstjänst för produktrekommendationer redan under 2012. En jämförelse med föregående sjumånadersperiod gav dock en ökad merförsäljning med hela 48,5 %.
Då Länna Sport i hög grad säljer olika slags produkter under olika årstider kan dock statistiken vara missvisande. Vi gjorde om jämförelsen för motsvarande period (febr-aug) 2012, och fann då ändå en kraftig ökning med 26 %. Detta indikerar att man får störst förbättring med en helintegrerad lösning för produktrekommendationer i själva e-handelsplattformen, som tar hänsyn till maximal mängd statistik och kundbeteende och kan placeras ut på flera ställen i webbshopens sidor.
Slutligen gjorde vi även en jämförelse med perioden febr-aug 2011, då Länna Sport helt saknade automatiska produktrekommendationer. Ökningen jämfört med den perioden är 58 %.
Kundcase 3 – Lampan +15 %
Lampan.se, som säljer belysning och lampor, var ett svårare case. Där har man alltid haft en hög andel köp med endast en produkt (76,3 %). Här visar en jämförelse mellan 2012 och 2013 en ökning av merförsäljningen med 15,4 %, och en total försäljningsökning med 130 %.
Så har vi tänkt
Att sälja så många produkter som möjligt till varje kund är en nyckelfaktor till lönsamhet när man driver e-handel. Många order med enstaka produkter blir särskilt olönsamt med avseende på frakt, logistik och risken för returer.
Funktionen ”kunder som köpte, köpte även..." finns i de flesta enklare e-handelssystem. Problemet med en sådan funktion är att de flesta webbshopar har för låg försäljning för att snabbt samla ihop tillräckligt med statistik. Konsekvensen blir att många lågsäljande eller nypublicerade produkter saknar relaterade produkter, eller får missvisande relationer p.g.a. att enstaka köp styr vad som visas. Man försöker då använda mer statistik från flera år bakåt, varvid resultatet blir att produktrekommendationerna bara visar gamla storsäljare och tillbehör. Att manuellt koppla lämpliga relaterade artiklar till varje produkt är en möjlighet, men alltför tidskrävande för ett brett sortiment som ofta förnyas.
I E37s lösning samlar och kombinerar vi så många statistikkällor som möjligt för att snabbt få tillräckligt med statistik på alla produkter i webbshopen. Med tretton olika inställningar kan du anpassa modulens beteende så den fungerar klassiskt som "kunder som köpte, köpte även..." eller till att visa tillbehör eller alternativa liknande produkter. Det går att ställa in hur många dagars orderhistorik resp. varukorgshistorik som ska användas, och hur stor tyngd (faktor 1-10) som varje av de nio statistikkällorna ska bidra med.
Ytterligare två helt avgörande faktorer för modulens effektiva merförsäljning är:
- Möjlighet att ge högre betydelse för nya statistikhändelser eller nypublicerade artiklar. Därmed slipper man problemet med att gamla storsäljare länge visas före nya produkter.
- Flera inställningsprofiler för modulen. Därmed kan profilerna finjusteras så modulen visar alternativa, liknande produkter på produktsidan, tillbehör och produkter som brukar köpas i kombination när man har lagt något i varukorgen, och nya relaterade produkter i andra widgets.
Intelligenta produktrekommendationer har nästan oändliga möjligheter när man driver e-handel. Vi återkommer snart med en artikel om fler tillämpningsområden...
Fredrik Karlsson 2013-08-29