Cómo usar recomendaciones de productos personalizados [mejores prácticas y ejemplos]

Imagina la escena:estás en tu tienda de ropa favorita, probándote un gran par de jeans nuevos. De repente, el socio con el que estás chasquea los dedos y, en un momento eureka, declara que conoce una blusa que funcionaría perfectamente con esos jeans.

O tal vez visitó una tienda de tecnología y compró su nueva tableta hasta la caja, pero antes de escanear su artículo, el empleado hace una pausa y le pregunta si ha visto el nuevo protector de pantalla que es perfecto para su tableta.

Si alguno de estos escenarios le suena familiar, ha experimentado recomendaciones de productos personalizados.

Por supuesto, en el mundo del comercio electrónico, no es posible tener asociados de ventas reales para hacer esto. En cambio, los minoristas en línea necesitan usar tecnología y datos para comprender a sus usuarios y recomendar productos en función de sus intereses y comportamiento desde la primera vez que visitan su página de inicio.

Bien hechas, estas recomendaciones personalizadas de productos son extremadamente efectivas. Montetate, el 75,5 % de las empresas obtienen un ROI positivo de la personalización, y todas las industrias responden afirmativamente con un 70 % o más.

Con el comercio electrónico en aumento y el 90% de los compradores que afirman estar dispuestos a compartir sus datos de comportamiento si su experiencia de compra es más barata o más conveniente, nunca ha habido un mejor momento para implementar una mayor personalización en su tienda en línea.

Exploremos por qué las recomendaciones personalizadas de productos deberían ser una de sus primeras prioridades.

¿Qué son las recomendaciones de productos personalizados?

Las recomendaciones de productos personalizadas son cuando un sitio muestra una selección de recomendaciones de productos que son únicas. al visitante individual, en función de sus comportamientos y perfil . Esto casi siempre se basa en un algoritmo de aprendizaje automático.

Lo que es importante recordar es que no todas las formas de recomendación de productos son personalizadas. . ¿Cómo saber si son personalizados o no? La pregunta que debe hacerse es si vería la misma recomendación que la persona que está a su lado.

Aquí tienes algunas ideas de lo que constituyen recomendaciones de productos "personalizadas": 

• Recomendar productos en función del historial de compras o navegación del usuario. Amazon es uno de los estándares de oro para esto, ya que utiliza datos históricos para ofrecer productos relacionados únicos a cada visitante: 

• Recomendaciones basadas en la ubicación o el perfil del cliente . Un buen ejemplo de esto es usar datos sobre la ubicación del cliente y hacer recomendaciones de productos basadas en las condiciones climáticas actuales. Uno podría usar fácilmente datos sobre la edad o el sexo del visitante para cambiar las recomendaciones.
• Uso de afinidades de productos para recomendar productos. El mejor ejemplo de esto es mostrar recomendaciones basadas en el comportamiento del usuario y lo que han hecho otros usuarios similares. Nuevamente, Amazon es un gran ejemplo de esto, mostrando un conjunto de recomendaciones en una página de detalles del producto (PDP) para llevar al usuario al siguiente paso de su viaje: 

Entonces, si estas son recomendaciones de productos "personalizadas", ¿qué son las recomendaciones "no personalizadas"? Aquí hay un par de ejemplos.

• Mostrar prueba social para indicar qué tan popular es un producto. Esta es una táctica importante, pero generalmente es la misma, independientemente de lo que haya estado haciendo el usuario.
• Mostrar recomendaciones basadas en "reglas comerciales" . Por ejemplo, indicar qué artículos tienen poco stock o cuáles son los más vendidos es una buena táctica, pero esto es estático y no cambiará según el visitante.

Ahora sabemos el verdadero significado de personalizado recomendaciones de productos, analicemos por qué valen la pena.

¿Por qué utilizar recomendaciones de productos personalizados en el comercio electrónico?

En pocas palabras, SmartHQ informa que "encontraron fuertes correlaciones entre los clientes que ven sugerencias y recomendaciones únicas de productos que no solo permanecieron en los sitios web de la marca por más tiempo, sino que también compararon menos precios en Amazon, si es que lo hicieron".

Alrededor del 84% de los consumidores considera que ser valorado como persona y no como un número es muy importante para ganar su negocio.

Las recomendaciones relevantes también son importantes para nosotros debido a su conveniencia. En lugar de tener que buscar algo más que nos pueda gustar alrededor de nuestra compra original, automáticamente se nos indica algo, lo que nos ahorra un tiempo valioso. La mayoría de los sistemas CMS de comercio electrónico también deberían permitirle automatizar la mayor parte de este proceso con bastante rapidez.

En caso de que no te convenza, aquí tienes algunas razones más para usar recomendaciones de productos personalizadas: 

1. Disminuya la tasa de abandono del carrito de compras.

En el comercio electrónico, la tasa de abandono del carrito es una de las métricas más importantes. Mostrar recomendaciones personalizadas en la página del carrito puede mejorar las tasas de abandono del carrito en un 4,35 %.

Los consumidores abandonan los carritos por varias razones. A veces se distraen, a veces solo están navegando, pero a veces sienten que no han encontrado lo que buscan.

Por ejemplo, un cliente que compra una bufanda podría haber querido comprar un paquete de invierno que incluye guantes y un gorro. Sin recomendaciones ingeniosas de productos, el usuario tendrá que ir a categorías posteriores para encontrarlos. Esta experiencia es inconveniente, ya que cada paso adicional presenta un riesgo adicional de que abandonen.

Aquí es donde las recomendaciones personalizadas de productos pueden salvar el día.

Una vez que el usuario haya agregado su bufanda, exhibir guantes y otros productos de ropa de invierno relevantes podría evitar que abandone su compra. Los ingresos perdidos se convierten en ingresos adicionales.

2. Aumente el valor medio de los pedidos (AOV).

Las recomendaciones personalizadas impulsan los ingresos al impactar positivamente en el monto total del carrito de un cliente. Ofrecen oportunidades relevantes de venta cruzada y venta adicional que despiertan el interés de un cliente, lo que hace que compren más que el artículo original por el que vinieron.

Las estadísticas muestran que las sesiones que no contienen compromiso con las recomendaciones de productos tienen, en promedio, un AOV de $ 44.41. Sin embargo, cuando los prospectos interactúan con una sola recomendación, este número se multiplica por 369%.

3. Aumentar el tiempo de la sesión.

Las recomendaciones de productos crean esa sensación de madriguera de conejo con la que todos los usuarios de Internet están familiarizados. Los compradores comienzan con un producto, hacen clic en otro, se distraen con otro y, antes de darse cuenta, han pasado dos horas.

Este patrón ayuda a los compradores a permanecer más tiempo en su sitio al captar su atención y atraerlos con recomendaciones de productos que no habían considerado o que no esperaban encontrar.

4. Destaca entre la competencia.

Para fines de 2020, se espera que el gasto en línea de EE. UU. alcance aproximadamente $ 375 mil millones. Los expertos pronostican que para fines de 2024, el gasto en línea superará los $476 mil millones.

Para atender este enorme crecimiento en las compras en línea, los nuevos minoristas de comercio electrónico abren sus tiendas todos los días. Pero un mercado tan floreciente y de rápido crecimiento tiene un precio:la individualidad.

Con una cantidad tan grande de opciones disponibles para ellos, los consumidores ahora pueden darse el lujo de elegir qué tiendas visitar en función de lo que desean de su experiencia de compra. La personalización ocupa un lugar destacado en la lista de deseos:el 80% de los consumidores afirman que es más probable que realicen una compra en una empresa cuando se les presenta una experiencia personalizada.

Antes de hablar sobre cómo comenzar con recomendaciones de productos personalizadas en su sitio, una breve advertencia:esto podría no ser para todos. Las recomendaciones de productos verdaderamente "personalizadas" se basan en un algoritmo, y los algoritmos necesitan buenos volúmenes de datos para poder funcionar de manera efectiva.

Eso significa que si es un sitio pequeño y aún no tiene mucho tráfico, es posible que no tenga suficientes datos para alimentar la máquina, y es posible que deba posponer este tipo de estrategia por ahora. Sin embargo, puede comenzar fácilmente con algunas de las recomendaciones de productos "no personalizados" que mencionamos anteriormente en este artículo.

Prácticas recomendadas para crear recomendaciones de productos eficaces

Para que las recomendaciones personalizadas de productos sean efectivas, necesita una estrategia sólida. Después de todo, implementar recomendaciones de manera efectiva es mucho más que "lo que" muestra:importa tanto "a quién" se las muestra, "cuándo" y "cómo".

Estas son dos consideraciones que debe tener en cuenta: 

1. Defina su audiencia.

Las recomendaciones de productos deben orientarse con precisión. Comience segmentando con precisión a sus clientes para que pueda comenzar a ejecutar campañas de manera más efectiva. Al comienzo de su viaje, esta segmentación puede y debe ser bastante amplia para que pueda recopilar grandes volúmenes de datos para la prueba; a medida que aprende más, puede reducir sus segmentos por rasgos de comportamiento para una mayor precisión e impacto.

2. Pruebe sus campañas de forma rutinaria.

Las campañas deben someterse a pruebas A/B con regularidad. Por ejemplo, prueba cuántos artículos deben mostrarse, dónde deben aparecer las recomendaciones de productos e incluso qué título debe tener la sección.

¿Dónde incluir recomendaciones de productos personalizados en su sitio de comercio electrónico?

La implementación exitosa de recomendaciones personalizadas de productos implica la recopilación de datos de usuario a escala de todo el sitio. Para aprovechar al máximo esa recopilación de datos y aumentar con éxito el AOV, se deben mostrar recomendaciones donde es más probable que los clientes interactúen con ellas.

Aquí hay algunos lugares que sugerimos.

1. Página de categoría.

Las páginas de categoría impulsan el descubrimiento de sus productos:son esenciales para recopilar productos relevantes y ayudar a la experiencia del usuario al permitir que los compradores limiten sus búsquedas a la subcategoría elegida. Las páginas de categorías también son excelentes lugares para mostrar recomendaciones de productos al mostrar los artículos que se compran juntos con más frecuencia o los más vendidos.

En el ejemplo anterior de Sportbike Track Gear, las recomendaciones se presentan en las páginas de categorías junto con los ahorros. Aunque no están totalmente personalizados, siguen siendo relevantes para el visitante.

Las recomendaciones de productos pueden funcionar de esta manera si se combinan con un descuento o una promoción. Ofertas como estas incentivan a los visitantes a mirar más de cerca y, dado que los productos siguen siendo relevantes para sus intereses, es probable que participen.

2. Página del producto.

Las páginas de productos de comercio electrónico son posiblemente las páginas más importantes de su tienda en las que mostrar recomendaciones de productos personalizados.

Cuando los visitantes llegan a la página de un producto, su intención de compra aumenta. Ofrecer productos alternativos y relevantes mientras navegan puede verlos comprar potencialmente más que solo el producto original, aumentando el tamaño de su carrito y generando más ingresos.

El siguiente ejemplo es una plantilla bastante estándar que puede personalizar. La mayoría de las páginas de productos tendrán una sección de "también te puede gustar" o "comprados juntos con frecuencia". Como este es un punto de contacto importante en el viaje del usuario, debe asegurarse de optimizarlo en consecuencia. Especialmente en sus productos más vendidos.

En el ejemplo anterior de Autograph Foliages, el minorista de artículos para el hogar muestra recomendaciones que probablemente le interesen al visitante en función de su historial de navegación. El mismo producto se muestra en diferentes colores, ofreciendo a los usuarios otras opciones convenientes para elegir además de productos similares.

3. Carrito de compras.

La página del carrito es la última oportunidad de ofrecer a sus clientes artículos adicionales que puedan completar su compra. Las recomendaciones personalizadas de productos aquí pueden servir como recordatorios de oportunidades de compra que los consumidores pueden haber pasado por alto, al igual que los estantes de revistas y chicles en el cajero de la tienda de comestibles.

Pero tenga cuidado, esto conlleva un riesgo:lo último que desea hacer cuando su cliente está tan cerca de la línea de meta (pago) es distraerlo y empujarlo accidentalmente más arriba en el embudo. Esta funcionalidad debería ser bastante común en todas las plataformas de comercio electrónico, solo asegúrese de elegir un producto o productos específicos que estén relacionados con la cesta de la compra de los usuarios.

La marca de gafas MOSCOT equilibra bien esto. En la página del carrito, se recomiendan los clips como una venta adicional del par de anteojos que el visitante ha agregado. Sin embargo, la única CTA en la que se puede hacer clic es "¡AÑADIR AHORA!", por lo que el visitante no se siente tentado a explorar otras páginas: 

En esta etapa siempre existe la posibilidad de que el usuario abandone el proceso de pago por varias razones. Pero con la personalización de productos, ahora debería tener una canasta AOV bastante alta con los productos correctos en los que potencialmente puede reorientar con campañas de correo electrónico.

4 ejemplos de recomendaciones de productos personalizados

Las recomendaciones personalizadas de productos se pueden implementar en cualquier sitio, para cualquier audiencia. Veamos algunos de los mejores ejemplos: 

1. Clarks Australia.

En este ejemplo de Clarks, el minorista de calzado implementa recomendaciones de productos personalizadas en la página del producto según el interés del usuario:

Al hacer clic en el producto que presenta un estampado animal, el algoritmo de Clarks sugiere automáticamente otros zapatos en su gama que, al hacer clic, muestran un patrón de estampado animal. Esto se debe a que el algoritmo evalúa que los visitantes que estén interesados ​​en el estampado animal se alegrarán de ver otros productos que tengan el mismo aspecto.

Esto funciona por dos razones:La primera es que los zapatos son dos tipos diferentes de diseño. Por lo tanto, teóricamente, un amante de los zapatos con estampado animal podría aumentar el AOV de Clark aquí comprando dos tipos diferentes de zapatos, tanto el original como un mocasín, en un patrón que les encanta.

La segunda razón es la decisión de mostrar productos similares en la página del producto. Si un visitante decide no comprar el primer par de zapatos luego de una inspección más cercana, su atención puede ser capturada y redirigida a otra posible compra.

Después de todo, al visitante ya le gusta el estilo, por lo que tal vez un mocasín, en lugar de un tacón, le vendría mejor. Esto retiene al visitante en el sitio por más tiempo, evitando el abandono instantáneo.

2. Felicidad.

El minorista de belleza Bliss ofrece recomendaciones de productos basadas en una evaluación de resolución de problemas del visitante específico.

Por ejemplo, cuando los usuarios hacen clic en un humectante específico para piel seca, el algoritmo de recomendación de productos de Bliss sugiere otros productos humectantes específicos para problemas de la piel.

El título de sus recomendaciones es particularmente efectivo ya que sugiere que los usuarios del producto humectante original se beneficiarán enormemente al combinarlo con uno de los elementos sugeridos.

Esto crea la ilusión de un paquete útil y alienta al usuario a darse un capricho. Estos paquetes atraen la intriga del usuario para solucionar sus problemas de piel de una vez por todas.

La ubicación de las recomendaciones de productos también es particularmente notable, ya que se coloca justo encima de la sección de reseñas. Esto significa que los visitantes que buscan una mejor comprensión del producto y sus beneficios no pueden escapar de la oferta de otras adiciones perfectas.

3. Cutter y Buck.

En este ejemplo de Cutter and Buck, se hacen recomendaciones para productos similares al interés del visitante. En este caso, es un equipo deportivo y también se aseguran de que esas recomendaciones formen parte de un paquete.

Por ejemplo, un algoritmo detecta que, si bien es posible que desee mostrar su amor por su equipo deportivo en su ropa exterior, también puede mostrarlo cuando se quita la chaqueta. Por lo tanto, se ofrecen productos más ligeros, como camisetas y una camisa larga, para casi construir un atuendo.

Esta recomendación es el equivalente virtual del ejemplo de asociado de la vida real que mencionamos al principio del artículo. Es efectivo porque los seguidores de equipos deportivos pueden armar su atuendo completo, con los colores de su equipo, sin siquiera salir de una sola página de producto.

4. Tommie Cobre.

El minorista de salud y bienestar Tommie Copper implementa perfectamente recomendaciones relevantes y personalizadas en su página de productos en el siguiente ejemplo.

A los clientes se les presentan dos menús de productos personalizados basados ​​en su navegación inicial. Al examinar la sección de mujeres y luego seleccionar un calcetín que incluye tecnología de compresión, el visitante recibe primero tres tipos de calcetines adicionales. Estos están etiquetados como "Vistos recientemente".

Todos los calcetines recomendados aquí cuentan con tecnología de compresión, lo cual es importante ya que un visitante que elige un artículo de compresión muestra un claro interés en los beneficios del producto. Los diseños largo, mediano y corto siguen siendo relevantes porque contienen el importante elemento de compresión.

Debajo de estos diseños, se muestra un menú adicional. Nuevamente, todos los productos se relacionan con artículos de compresión, ya sea para la espalda, las piernas o el abdomen. A primera vista, estos pueden parecer no relacionados. Sin embargo, teniendo en cuenta que se ha demostrado que las lesiones o debilidades en el tobillo muestran efectos colaterales tanto en la parte inferior de la espalda como en el estómago a través de andares irregulares, estas recomendaciones son más personalizadas de lo que se esperaba en un principio.

Por lo tanto, el algoritmo del sitio web ha detectado que alguien que navega por elementos de compresión para sus pies puede necesitar más elementos para apoyar otras áreas de su cuerpo potencialmente en riesgo de desarrollar efectos colaterales.

Además, la interacción inicial del usuario con la sección de mujeres del sitio le permite al algoritmo saber que solo debe mostrar productos específicos para una mujer.

Conclusión

A medida que la cantidad de compradores en línea continúa creciendo y la industria continúa floreciendo, la personalización debe convertirse en una prioridad principal para todas las tiendas de comercio electrónico.

Mientras que antes la personalización solía estar limitada a secuencias de marketing por correo electrónico o chatbots, ahora comienza desde el momento en que su visitante llega a su sitio.

Hemos visto cómo la personalización puede retener y convertir a los clientes, por lo que las recomendaciones personalizadas de productos son una adición vital para cualquier tienda.

Comience con los datos de su sitio web. Analice y evalúe lo que le dicen las tendencias y qué grupos de clientes quieren ver qué. Una vez que tenga esta información, puede comenzar a implementar estrategias en su sitio, asegurándose de probarlas y evaluarlas continuamente.

Como especialistas en marketing, siempre buscará formas de impulsar el rendimiento. La personalización del producto, con un poco de automatización u optimización, lo ayudará a hacer precisamente eso. Si se realiza con éxito, su sitio web superará a sus competidores, aumentará los valores promedio de los pedidos y, en última instancia, generará más ingresos.