很多零售商使用自己主动的产品推荐技术来添加他们的销售额和转化率。这些推荐的物品一般是商业网站上动态生成的。通常基于特定客户或一组客户的购买习惯。

Strands Recommender 是一个率先的动态生成产品推荐的提供者，我们近期採訪了其市场经理 Trevor Legwinski, 关于产品推荐的概念和它对电子零售商的效果。

10 个关于产品推荐的问题

Practical eCommerce: 什么是产品推荐，它们在一个零售商的站点上怎样工作？

Trevor Legwinski: “因为电子商务公司有非常多产品。对最优的转化率来收，结构化地添加销售和交叉销售会非常困难。

产品推荐通过学习你的站点訪问者的个人和总体的行为等级来解决问题。我们自己主动地採集这个数据和商业化你的站点，将新訪问者的行为和意图与转化过的数千购物者进行匹配。 对回訪者我们展示基于他们的客户信息的产品。是我们的引擎随时间推移匿名地学习到的偏好。包含偏好类别，最爱的品牌，甚至特定的颜色和大小。”

PEC: 推荐通常出如今网站的什么位置?

Legwinski: “零售商通常把推荐放在他们的首页。产品细节页面和他们的购物车中。还有。我们已经開始在分类页面、搜索页面引入推荐。甚至创建了类似于Amazon.com的客户"个性化的登录页面"。”

PEC: 你们怎样决定推荐那些产品?

Legwinski: “如果你的公司是一个我们的客户。我们的引擎匿名地检測到訪问你的网站的客户基于他/她的购物行为创建一份客户简单介绍。

这些包含，比如，他们浏览的产品，搜索，加入到购物车和永久购买。

对新的訪问者我们展示在过去有相似行为的人们最有可能购买的商品。对回訪者，我们訪问他们的简单介绍并展示与他们的偏好相关的产品。还有，我们提供易用的商业工具同意零售商基于他们的自身市场和商业须要过滤推荐结果。”

PEC: 零售商用于产品推荐的是什么样的结果? 你能从你的客户中引用一些实际的数据吗?

Legwinski: “我们与零售商差点儿在每个文件夹都有合作，从服装到鞋类，到电器图书。游戏，音乐，家具，和体育设备。

他们平均能看到销售额有8到12个百分点的增长。别的更重要的影响推荐器的效果的因子是流量量级，推荐板块数量。推荐放置的位置，和文件夹大小。给你一些细节和把数字透视出来：一个户外设备客户使用我们的349美元每月的标准计划。年收入已经约有1百万美元，当前通过使用我们的服务还获得每月2000美元的销售额。我们的一个最大的服装零售商使用了我们的企业计划。已经获得了70 百万的回报，并正在获得200 000 每月的额外回报。

”

PEC: 目标是提升基本转化率。平均订单大小还是都有?

Legwinski: “我们的推荐引擎的目标是都要添加平均订单大小和转化率。通过对新訪问者和回訪者提供个性化的体验。我们可以提高加入到购物车中的产品的数量的同一时候提高我们的客户的转化率水平。还有。使用个性化的邮件可以使现有的客户添加响应率。

”

PEC:你们的推荐服务是部署在你们公司内吗？它怎样与一个零售商的站点集成?

Legwinski: “Strands Recommender 是一个 SaaS 解决方式，意味着它全然由我们部署。

这消除了非常多的版本号控制问题和部署复杂性。集成仅仅须要三步操作：

1. “零售商通过一个文件或一个链接上传他们的商品文件夹到我们的系统上。这仅仅须要操作一次，由于我们会自己主动刷新文件夹。其格式与你将发送给一个比較购物引擎的同样的产品feed很相似。

   这个feed帮助我们的引擎学习你的产品种类并保持与你的文件夹实时相应。

   我们也支持来自排行榜和评论提供者还有网站搜索提供者的数据feeds。

2. “第二步是在你的网站上的用户行为。然后用于匿名地为每个訪问者构建profile。

   我们可以通过使用如“购买了那个的人也买了……”算法检測购物模式，相关的profile和别的更加复杂的模式。要做到这些。与Google统计相似的简单的跟踪代码贴到你的主页面模板的底部，产品细节。购物车，订单确认，和如可用的“愿望列表”和“最爱”页面。

3. “最后一步是展现推荐给你的浏览者。我们的客户从一个提前定义的推荐挂件集合中选择，可以高速复制和粘贴到电商站点的不论什么页面。这些挂件基于最佳的实践，通常对我们的大多数客户都工作得非常好。系统也提供一个挂件编辑器，同意自己定义外观。感觉和每一个挂件的内容。通过这样的方式，我们确保每一个挂件都能全然地匹配你的站点和邮件模板。

   ”

原文：http://www.practicalecommerce.com/articles/1942-10-Questions-on-Product-Recommendations