Hvad er en anbefalingsmotor? Produktforslag i webshoppen

En anbefalingsmotor er et system, som udvælger forslag til produkter eller indhold. I en webshop kan den eksempelvis vise relevante alternativer, tilbehør eller produkter, som ofte bliver købt sammen.

En anbefalingsmotor behøver ikke bruge AI. Den kan bygge på faste regler, statistiske mønstre, maskinlæring eller en kombination. Metoden skal passe til sortimentet og de data, du har.

Tre måder at udvælge forslag på

Regelbaserede forslag bruger kendte relationer. Et bestemt kamera kan eksempelvis få vist kompatible batterier og tasker.

Indholdsbaserede forslag bruger ligheder mellem produkternes egenskaber, som størrelse, materiale eller anvendelse.

Adfærdsbaserede forslag bruger mønstre i registrerede besøg og køb. De kan eksempelvis finde varer, som ofte indgår i samme ordre.

Metoderne har forskellige begrænsninger. Et nyt produkt har måske ingen købshistorik, og et statistisk hyppigt samkøb er ikke altid en meningsfuld anbefaling til den konkrete kunde.

Typiske anbefalinger i en webshop

De fleste løsninger kombinerer nogle af disse typer:

Typerne løser forskellige opgaver. Tilbehør kan øge ordreværdien, mens alternativer kan redde et salg, hvor kunden ellers ville forlade siden. Vis ikke alle typer på samme side, for det gør det sværere for kunden at træffe et valg.

Når der er få data: kold start

Adfærdsbaserede forslag kræver, at kunderne allerede har købt og kigget. I en ny webshop, eller for nye produkter, er der ikke noget at lære af. Det kaldes ofte kold start.

Her er manuelt valgte relationer og forslag ud fra kategori eller egenskaber det sikreste udgangspunkt. Når trafikken vokser, kan de adfærdsbaserede forslag tage over, men de manuelle relationer er stadig værdifulde, hvor kompatibilitet er afgørende.

Anbefalinger på Shopify

Shopify har indbyggede produktanbefalinger, og med appen Search & Discovery kan du styre dem. Ifølge Shopifys vejledning skelnes der mellem to typer:

• Relaterede produkter ligner det valgte produkt og fungerer som mulige alternativer. De genereres automatisk ud fra købshistorik, produktbeskrivelse eller relaterede kollektioner. Metoden med produktbeskrivelser er kun tilgængelig for butikker med en engelsksproget storefront, så en dansk butik er afhængig af købshistorik og kollektioner.
• Komplementære produkter er varer, der ofte købes i tillæg til det valgte produkt. Dem vælger du selv i appen.

Du kan vælge op til 10 relaterede og 10 komplementære produkter pr. vare. De automatisk genererede forslag kan ikke redigeres, men du kan skjule dem, og dine egne valg supplerer dem. Temaet skal have sektioner til produktanbefalinger og komplementære produkter, og komplementære varer vises kun, når lagerbeholdningen er over nul.

Det dækker behovet for mange butikker. En separat app eller specialudvikling er først relevant, når du har brug for typer, placeringer eller regler, som standardløsningen ikke kan levere.

Produktdata er afgørende

Forslagene skal tage højde for lagerstatus og relevante varianter. Et tilbehørsprodukt må ikke blive foreslået, hvis det ikke passer til den valgte model.

Ved krydssalg er kompatibilitet ofte vigtigere end popularitet. Ved alternativer kan det være centralt at forklare forskellen frem for blot at vise endnu en produktliste.

Hvor bør anbefalingerne vises?

Vælg placering efter opgaven. På produktsiden kan kunden have brug for sammenligning. I kurven kan et enkelt relevant tilbehør være nyttigt, mens en lang liste med alternativer kan skabe ny tvivl.

Kontrollér også hastigheden. Ekstra produktmoduler må ikke blokere købsknappen eller skabe uventede layoutforskydninger.

Hvordan måler du værdien?

Se på relevante ekstrakøb, ordreværdi, konverteringsrate og bidrag efter omkostninger. Klik på anbefalinger er ikke nok. Følg også returvarer, hvis forslagene kan påvirke produktvalget.

En A/B-test kan hjælpe med at vurdere effekten ved tilstrækkelige data. Start gerne med få dokumenterede produktrelationer, før du bygger en mere omfattende model.

Hvis produktdata og ordreflow skal samles, kan jeg hjælpe med integrationer. AI og automation er relevant, når opgaven og datagrundlaget giver grund til mere automatiseret udvælgelse.