Уебсайтовете за електронна търговия могат да увеличат продажбите си, ако изучат поведението на потребителите си в дигиталното пространство, и използват тази информация, за да персонализират пазаруването.

Има много чудесни примери за персонализация в електронната търговия. В тази статия, ще ви покажем шест метода, които успешните е-магазини прилагат, за да помогнат на потребителите си да намерят продукти, от които са потенциално заинтересовани и склонни да купят. Някои от тези тактики могат да увеличат реализациите с повече от 10%.

1. Навигация спрямо интересите.

Amazon, например, показва препоръки, спрямо търсенията, разглежданите продукти, и предишни поръчки. В FSA Store редът на продуктите се сортира по ниво на интерес; колкото повече време посетител прекарва в страницата на конкретен продукт, толкова по-висока е вероятността той да се появи сред препоръките. Също така, потребителите могат лесно да открият своите предишни покупки, с помощта на страничната лента.

2. Какво купуват другите?

Athomeinthecountry.com е английски сайт за електронна търговия, специализиран в подаръците. Те дават различни предложения на своите потребители на всяка от своите продуктови страници, и им показват всички подаръци, който други посетители са купили след като са видяли конкретен артикул. Те не просто дават списък с алтернативи и подобни продукти, те посочват на клиентите си, какъв процент от другите потребители са избрали тези алтернативи. Компанията твърди, че са успяли да увеличат реализациите си с почти 13%, след като са разработили и въвели своята уникална система за препоръчване.

3. Възстановяване на количката за пазаруване

Луксозната модна марка L.K. Bennett таргетира посетителите, които са влезли в сайта им повече от три пъти, без да направят покупка в рамките на девет месеца, и са забравили своята кошница.
С помощта на софтуера Quibit, те предлагат на тези посетители безплатна доставка за избраните стоки. Тази характеристика на сайта е помогнала за увеличаването на реализациите в онлайн магазина на британската марка с 11%.

4. Настройки за лични предпочитания 

Докато повечето от примерите, които показахме до сега, илюстрират автоматична персонализация, в някои случаи потребителите са склонни да предоставят информация за своите предпочитания, за да получат по-добри препоръки. Американският сайт за електронна търговия Smartfurniture.com насърчава своите посетители да създадат лични стил карти, с помощта на няколко прости въпроса за техния вкус и предпочитания за цени, което допълнително да ограничи селекцията с препоръчани мебели. IKEA, от друга страна, пренася персонализацията при пазаруването на мебели на съвсем друго ниво, чрез разработване на мобилно приложение, което позволява на потребителите да въведат елементи от каталога на IKEA в собствената им трапезария на екрана на своите смартфони.

5. Дрехи, селектирани от персонален стилист

Подобно на Smart Furniture, Stich Fix също питат своите посетители да опишат стила, който предпочитат. Освен това компанията събира информация за формата и размера на дрехите, които техните потребители обикновено носят. След това сравняват тази информация, с други подобни потребителски предпочитания за покупка, и най-накрая, с помощта на стилист селектират кутия, пълна с дрехи, които клиентът би искал да носи. Кутиите се доставят до самите потребители, които могат да пробват дрехите и да запазят само тези, които са им харесали.

6. Препоръки, базирани на харесвания във Facebook
Благодарения на Facebook, могат да се създадат репорти с демографска и психографска информация, базирана на „лайковете“ и дейностите на потребителите в социалната мрежа. В зависимост от бизнеса могат да се създадат персонализирани препоръки, като се вземат в предвид любимите брандове и дейности на посетителите. Информацията може да се използва и за създаването на т.нар. кръстосани промоции на марки, предпочитани от потребителите. По този начин могат да се извлекат значими данни, като например, защо някои продукти са популярни сред различните групи потребители.

ВАШИЯТ КОМЕНТАР

19 − 18 =

This site uses Akismet to reduce spam. Learn how your comment data is processed.