Transforma la home del teu ecommerce amb la personalització one-to-one en temps real (Cas d'ús).

Avui parlarem de com la personalització pot transformar l'experiència de compra en un ecommerce. I no em refereixo a qualsevol personalització, sinó a la personalització one-to-one que es pot implementar a la pàgina d'inici d'un ecommerce amb Pleasepoint.

Aquest és l'índex de continguts del cas d'ús.

1. Descripció del cas d'ús: Personalització one-to-one a la home.
2. Objectius i beneficis de la recomanació one-to-one a la pàgina d'inici.
3. Requisits per implementar el cas d'ús.
4. Mòduls de pleasepoint necessaris per a aquest cas d'ús.
5. Tasques per a la implantació.

Per què és tan important personalitzar?

Doncs és simple: a tots ens agrada sentir que el que veiem és rellevant per a nosaltres, que algú ha fet l'esforç d'entendre què necessitem o què ens podria interessar.

Aquí entra en joc la recomanació de productes one-to-one, una tècnica que permet mostrar productes personalitzats per a cada usuari, basant-se tant en el seu comportament en temps real com en el seu historial de compra.

Si vols veure altres casos d'ús fàcilment desplegables amb Pleasepoint, et compartim aquests enllaços:

• Cinc casos d'ús de la intel·ligència artificial de Pleasepoint aplicats a l'ecommerce.
• Sis casos d'ús d'intel·ligència artificial aplicats al CRM.

Descripció del cas d'ús: Personalització one-to-one a la home.

Imaginem un escenari. Tens un ecommerce i cada dia centenars de persones accedeixen a la teva pàgina. Tots són diferents, cadascú té els seus propis gustos, hàbits de compra i, per descomptat, un comportament únic quan navega. Aleshores, per què els hauries de mostrar els mateixos productes? Amb la recomanació one-to-one de Pleasepoint, això canvia per complet.

El sistema analitza el comportament en temps real de l'usuari: què ha vist, què ha afegit a la cistella, quant temps passa en determinades pàgines, etc. Si l'usuari ha iniciat sessió, també té en compte el seu historial de compres. Amb tota aquesta informació, el sistema selecciona els productes més rellevants i els mostra a la pàgina d'inici.

Què aconseguim amb això?

Que l'usuari se senti més atret pels productes que veu. Si són productes que realment li interessen, la probabilitat que hi faci clic i visiti la pàgina de producte (PDP) augmenta considerablement.

Amb la personalització one-to-one, en augmentar la rellevància dels continguts mostrats a l'usuari, augmentem l'engagement amb l'usuari i els resultats de conversió final a venda.

Una bona pràctica és crear el test A/B amb la recomanació one-to-one de productes VS els productes seleccionats manualment o de manera automàtica utilitzant els bestsellers o els productes que són tendència en un període pròxim de temps.

Aquests són els resultats de comparar la recomanació one-to-one VS els productes bestsellers:

• x34 l'encert en la precisió en 5 productes.
• x18 l'encert en la precisió en 10 productes.
• x32 l'encert en l'ordre de 25 productes.
• x93 la cobertura de productes del catàleg mostrats.

Objectius i beneficis de la recomanació one-to-one a la pàgina d'inici.

Un dels principals objectius d'implementar la personalització one-to-one a la pàgina home és, evidentment, incrementar les visites a les pàgines de producte (PDPs). Si l'usuari veu productes que realment li interessen des de la pàgina d'inici, té més possibilitats de fer-hi clic i, amb sort, afegir-los a la cistella.

I aquí és on les xifres comencen a parlar per si soles. Les proves A/B que hem fet en diferents ecommerce que utilitzen Pleasepoint ens han mostrat resultats molt interessants:

• Increment mitjà del 35% en les visites a les pàgines de producte. Quan es mostren productes rellevants, els usuaris fan més clics i exploren més.
• Increment mitjà del 24% en el nombre de productes afegits a la cistella. No només visiten més, sinó que també acaben afegint productes a la seva cistella.
• Increment mitjà del 17,7% en la conversió final. Al final, el que importa és vendre, i aquest tipus de personalització ajuda a convertir més visitants en compradors.
• Automatització de la selecció de productes. No cal que un equip estigui contínuament decidint quins productes mostrar. El sistema ho fa automàticament, basat en dades en temps real i en l'historial de l'usuari.

Pots veure el cas d'èxit de Condis en aquest enllaç.

Requisits per implementar el cas d'ús.

D'acord, tot sona fantàstic. Però què necessites per poder implementar-ho?

El primer que has de saber és que necessites una bona base de dades. La personalització one-to-one es basa en dades, així que si no en tens, no pots personalitzar res.

Per implementar aquest cas d'ús, has d'assegurar-te que el feed de productes estigui ben estructurat. És a dir, que contingui el nom del producte, una bona descripció, el preu, la imatge i qualsevol altra dada rellevant. Aquests detalls són els que el sistema utilitzarà per decidir quins productes mostrar a la home. A més, és fonamental carregar automàticament les dades transaccionals de l'ecommerce. Això inclou totes les compres i les interaccions dels usuaris amb els productes.

També necessites registrar totes les interaccions que es produeixen al llarg del funnel de conversió, és a dir, des que l'usuari arriba a l'ecommerce fins que finalitza la compra (o abandona la cistella). Això permetrà que el sistema entengui millor cada usuari i li pugui oferir productes més encertats.

Per a la implementació d'aquest cas d'ús et recomanem l'ús del nostre SDK, aquí tens tota la informació.

Mòduls de pleasepoint necessaris per a aquest cas d'ús.

Pleasepoint té dos mòduls clau per a aquest cas d'ús:

• Recomanació one-to-one de productes. Aquest és el motor que fa tota la feina d'anàlisi i selecció de productes rellevants per a cada usuari.
• Comparador. Et permet fer tests A/B per validar si la personalització realment està donant resultats. És fonamental comprovar que, efectivament, la recomanació one-to-one està funcionant millor que simplement mostrar una selecció general de productes.

Tasques per a la implantació.

Implementar un cas d'ús com aquest requereix una mica de treball en equip. Aquí t'explico breument les tasques necessàries i els perfils implicats:

1. Extracció automatitzada de dades transaccionals. Aquesta tasca la fa l'equip de dades i triga aproximadament unes 8 hores. Consisteix a assegurar que totes les dades de les transaccions que es produeixen a l'ecommerce es registren correctament i de manera automatitzada.
2. Càrrega automatitzada de dades transaccionals. Un altre cop se n'encarrega l'equip de dades, i també triga unes 8 hores. Es tracta d'assegurar que les dades que s'han extret es carreguen correctament al sistema perquè el motor de recomanacions les pugui utilitzar.
3. Registre d'interaccions a l'ecommerce. Aquí entra en joc el desenvolupador web, que en unes 4 hores pot configurar el sistema perquè registri totes les interaccions dels usuaris dins de l'ecommerce. Des de quins productes han vist fins a si han afegit alguna cosa a la cistella.
4. Gestió de projecte. Això és responsabilitat del project manager i triga unes 8 hores. S'encarrega de coordinar totes les tasques perquè el cas d'ús s'implementi correctament i a temps.
5. Definició estratègica del cas d'ús. Un perfil de negoci, amb experiència en la gestió de l'ecommerce, defineix quins productes volem promocionar, quins són els objectius de negoci i com se'n mesuraran els resultats. Això pot trigar unes 8 hores.
6. Creació del motor i entrenament del model. L'ecommerce manager s'encarrega d'importar els datasets i entrenar el model perquè les recomanacions siguin precises. En total, unes 2 hores de feina.
7. Creació de regles de negoci. El mateix ecommerce manager defineix les regles específiques del cas d'ús, és a dir, quins productes han d'aparèixer amb prioritat, si hi ha productes que es volen evitar, etc. Això triga aproximadament 1 hora.
8. Implementació del widget de recomanació. El desenvolupador web integra el widget a la pàgina d'inici, cosa que triga aproximadament 1 hora. Aquí tens la guia completa per implementar el widget de recomanació i el registre complet d'esdeveniments.
9. Obtenció de resultats del test A/B. Finalment, l'ecommerce manager revisa els resultats del test A/B per comprovar si la personalització ha millorat el rendiment. Això no triga més de mitja hora.

Com veus, la implementació no és un procés extremadament llarg ni complicat, però requereix la col·laboració de diversos perfils especialitzats. El més important és que, un cop configurat, el sistema funciona de manera autònoma i va optimitzant les recomanacions a mesura que recull més dades.

Implementar la recomanació one-to-one a la pàgina home d'un ecommerce és una estratègia molt eficaç per incrementar les vendes i millorar l'experiència de l'usuari. Pleasepoint ofereix una solució completa per dur-ho a terme, des de l'anàlisi de dades fins a l'automatització de les recomanacions.