Gepersonaliseerde productaanbevelingen

Een goede aanbeveling doet wat een goede verkoper doet: op het juiste moment het juiste alternatief of de juiste aanvulling laten zien. In een webshop gebeurt dat met aanbevelingsblokken die per bezoeker worden berekend. Hello Retail Product Recommendations rangschikt producten per bezoeker op gedragssignalen uit de shop, en is per plaatsing te configureren zodat de homepage andere logica draait dan de winkelwagen.

De typen, per plek in de klantreis

• Homepage: persoonlijke suggesties voor terugkerende bezoekers, populaire producten voor nieuwe bezoekers.
• Productpagina: alternatieven ("vergelijkbare producten") en aanvullingen ("past hierbij"). Twee verschillende doelen: vervangen versus uitbreiden.
• Winkelwagen: cross-sell van accessoires en verbruiksartikelen. De grootste hefboom voor orderwaarde.
• Categoriepagina: de sortering zelf personaliseren, zoals Decoprof.nl deed met gepersonaliseerde productblokken op categoriepagina's.
• E-mail: dezelfde aanbevelingslogica in nieuwsbrieven en gedragsgestuurde mails; zie de e-mailgids.

Wat een goed algoritme onderscheidt

Het verschil zit zelden in het basisalgoritme en vaak in de data. Systemen die alleen op verkoophistorie draaien, kunnen niets met nieuwe producten en met producten die niet vaak worden verkocht (het cold-startprobleem). Systemen die de catalogus zelf begrijpen, kunnen ook zonder gedragsdata zinnig aanbevelen. Daarom voedt Hello Retail zijn aanbevelingen met Product Intelligence: afgeleide productattributen die naast gedragssignalen staan.

Het cold-startprobleem, concreet

Twee situaties leggen elk aanbevelingssysteem bloot. De eerste: een nieuw product zonder verkoophistorie. Een systeem dat alleen van aankopen leert, weet niet waar het hoort en laat het dus nergens zien, waarna het ook nooit verkoopt. De tweede: een nieuwe bezoeker zonder gedrag. Zonder productbegrip val je dan terug op bestsellers voor iedereen.

De uitweg in beide gevallen is dezelfde: het systeem moet je catalogus begrijpen los van gedrag. Product Intelligence leidt daarvoor productattributen af uit afbeeldingen en beschrijvingen, zodat een nieuw product vanaf dag één vergelijkbaar is met producten die wel geschiedenis hebben. Vraag een leverancier daarom altijd wat er gebeurt met een product dat gisteren is toegevoegd.

Eerlijk meten

Meet per plaatsing en tegen een nulmeting: wat doen bezoekers die met het blok interacteren versus bezoekers die het niet zien of gebruiken. Nederlandse cijfers uit de praktijk staan in de cases vanDecoprof.nl enTuinhout Discount, beide met aanbevelingen als kern van de opzet.