“Los clientes que compraron este artículo también vieron...”
“Productos relacionados que podrían interesarte”
“Artículos que has visto recientemente”
Nos hemos acostumbrado a encontrar estas recomendaciones cada vez que visitamos un marketplace o tienda online a menudo. A veces no les prestamos atención, creyendo que son sugerencias generadas al azar o un intento del vendedor por presionarnos.
La realidad es que estas recomendaciones suelen estar personalizadas y se basan en algoritmos complejos, que nutren a los llamados sistemas de recomendación de ecommerce.
Qué son los sistemas de recomendación
Los sistemas de recomendación parten de un software capaz de recopilar y analizar mucha información de los visitantes de una tienda online. A partir de este volumen de datos masivos, es capaz de procesar de forma inteligente los hábitos de cada usuario, y sugerir productos, ofertas o promociones más adecuados a sus intereses.
Para conseguir este resultado, el algoritmo de un sistema de recomendación analiza las visitas de cada usuario, las acciones de visualización y compra que ha realizado, sus reseñas y valoraciones, el tiempo que pasa por página y en qué tipos de productos y categorías.
Algunos sistemas también incluyen análisis de lenguaje que permite deducir qué palabras clave funcionan mejor con cada tipo de usuario a la hora de personalizar la experiencia de compra.
Amazon declara que alrededor del 35% de sus ingresos se debe a recomendaciones de producto.
Una prueba de que personalizar la experiencia de compra para el cliente y potenciar el descubrimiento de productos nuevos son estrategias clave en ecommerce.
Beneficios de un sistema de recomendación para tienda online
- Entre 15% y 45% de aumento de las conversiones.
- 25% de media de incremento del valor promedio de compra.
- Alargamiento del ciclo de vida del cliente.
- Generación de fidelización del comprador.
- Mayores ventas a través de upsell y cross-sell.
Tipos de sistemas de recomendación para ecommerce
Filtrado de recomendaciones basado en contenido
Es el sistema de recomendación más eficaz en ecommerce, y el que ofrece resultados más rápidamente. Con un solo usuario, el sistema ya podría comenzar a analizar su comportamiento y realizar sugerencias personalizadas.
Los ejemplos más conocidos son Netflix y Spotify, plataformas basadas en algoritmos de personalización que analizan el consumo de contenido de cada visitante para sugerirle películas, series y música relacionadas con sus gustos.
Las recomendaciones basadas en contenido analizan todas las visitas y compras previas de un visitante para filtrar los productos que más se ajustan a lo que parecen ser sus gustos o intereses.
Por ejemplo, si un comprador ha visitado en cinco ocasiones una tienda de marca para consultar mochilas, el algoritmo interpretará que es su principal búsqueda y le sugerirá productos relacionados de equipaje, o modelos de mochila mejores en los que poder hacer un upsell.
El inconveniente de este tipo de sistemas es que necesitan mucho input de datos de forma continua, y también analizar cantidades masivas de información si la tienda tiene mucho tráfico. Esto conlleva muchas horas de análisis, y también de repetir y actualizar los pronósticos cada vez que llegan nuevos compradores o se hacen cambios en el catálogo de productos.
Además, para que las recomendaciones sean efectivas y de valor para el comprador, el contenido de producto tiene que estar muy bien preparado y categorizado. De esta forma, el algoritmo puede encontrar siempre los productos relacionados más precisos. Un sistema PIM (Product Information Management) es la base de trabajo imprescindible para que un sistema de recomendaciones en ecommerce otorgue buenos resultados.
Filtrado de recomendaciones colaborativo
Este sistema fue popularizado por Amazon, y te sonará por su típica barra de “Otros clientes también compraron”.
Las recomendaciones se realizan sugiriendo a los visitantes productos recomendados o bien valorados por otros usuarios similares. El sistema actúa como puente entre compradores que considera parecidos, en lugar de crear sugerencias únicas a partir de cada usuario.
Cómo utilizar un sistema de recomendación en tu ecommerce
El gran adelanto en software de recomendación sucedió cuando en 2017 Amazon hizo público su sistema de recomendaciones DSSTNE (Deep Scalable Sparse Tensor Network Engine). A partir de esto, muchos desarrolladores han podido trabajar con él, aunque hay muchos otros sistemas de recomendaciones para tiendas online, como Nosto, sentient, Qubit o Certona.
Con un software de recomendaciones no necesitas instalaciones complejas y el sistema se encargará de reunir la base de datos que quieres rastrear (tipo de cliente, ubicación, hora de visita, historial de compras, hábitos de consulta…) y analizarla para efectuar las sugerencias personalizadas y acciones de upsell y cross-sell.
Estos sistemas pueden aplicarse en páginas web, app móvil de ecommerce, pop ups en tienda online, emails personalizados, tests a/b y segmentaciones.
¿Deberías usar un sistema de recomendación?
El comprador moderno espera una experiencia de uso y compra totalmente personalizada, en todo momento y tienda online. Un sistema de recomendación para ecommerce es la solución más especializada del momento para ofrecer sugerencias de productos y promociones adecuados a cada visitante.
Estos sistemas son básicos para fomentar más valor de compra y aumentar las conversiones y fidelización en ecommerce, ya que los clientes aprecian la atención personalizada.
Y para lograrlo con éxito, junto al sistema de recomendación es básico contar con un software PIM que asegure un contenido de producto completo y preciso, en el que se basen sugerencias inteligentes.
Empieza probándolo gratis con Sales Layer y comprueba cómo tus recomendaciones en ecommerce mejoran si tus productos tienen la información más ajustada a las necesidades de tus compradores.
