e コマースレコメンデーションに関する 21 のヒント コンバージョンを増やす　通販・オムニチャネルコマース

タイムリーな商品の推奨（レコメンデーション）により、買い物客はある商品を別の商品よりも選択するようになります。
それは、例えばファッションアイテムを購入する際に必要な後押しとなることもあれば、少なくとも、必要であることさえ知らなかったファッション商品カテゴリーを閲覧するように促すことにはなります。

商品の推奨（レコメンデーション）とは

商品の推奨（レコメンデーション）事項とは、まさにあなたが考えているもの、つまり商品の推奨・レコメンデーションです。

近所のお店で、店主や店員さんのおすすめに基づいて商品を選んだことがありますか。
友人や家族からの商品のお勧めが、購入する商品を選択する際の決定要因となったことがありますか。

著名人の推薦 (有料または無料)、現在のユーザーによるアドバイス、ブログの「ベスト 10」リストなど、これらすべての言及は、商品の推奨の力と効果を活用しているマーケティング方法です。
最高のアパレルブランドのアウターをお探しですか。 Google の商品推奨リスト以外に探す必要がないかもしれません。

e コマース マネージャーは、他の人が顧客に商品を推奨するのを待つ必要はありません。
見込み客が Web サイトでショッピングをしている間に、商品を推奨できます。パーソナライズされた商品の推奨は、サイトのユーザー エクスペリエンスとコンバージョン率を向上させるのに役立ちます。

このコラムでは、顧客に商品を推奨・レコメンデーションするために私たちが見つけた最も効果的な方法をいくつか紹介していきます。
ここで提供する情報は、多くの商品をより頻繁に販売するのに役立つと思います。

レコメンデーション エンジンの機能

e コマース商品レコメンデーションエンジンは、デジタル店舗全体の買い物客にレコメンド商品を表示するテクノロジーの一部です。
機械学習を使用して賢くなり、買い物客の興味や以前の閲覧行動に基づいて、より関連性の高い商品を買い物客に表示したり、メール・LINEマーケティングでコミュニケーションしたりします。

e コマース サイトに基本的な「いいね」レコメンデーションを手動で実装することは可能ですが、商品レコメンデーションのベスト プラクティスでは、「商品レコメンデーション エンジン」の導入が必要です。

基礎となるアルゴリズムを構成するために使用される 3 つの基本的なアプローチがあります。

1. コンテンツベースのフィルタリング手法では、
   各ユーザーの好き嫌いに関する顧客データを分析し (Cookie により複数回の訪問を追跡できます)、そのユーザーの閲覧履歴に基づいて推奨事項を作成します。
   コンテンツベースのフィルタリングの背後にある考え方は、特定のアイテムを楽しんでいるなら、同様のアイテムも楽しむ可能性が高いということです。
   
   
2. 協調フィルタリング手法では、
   同様の商品を購入したユーザーからのデータを組み込み、その情報を組み合わせて推奨レコメンド事項を決定します。
   このフィルタリング方法のメリットは、アパレルやスキンケアなどのアイテムが何であるかを「理解」することなく、そのアイテムについて複雑なレコメンド推奨を行うことができることです。
   このフィルタリング方法は、ユーザーが過去に行った購入に基づいた推奨事項を好むという想定に基づいて動作します。
   たとえば、顧客 A が、顧客 B も好む特定の商品ラインを気に入っている場合 (同様の関心を持っていると仮定して)、コラボレーション フィルタリングでは、顧客 A は顧客 B が購入した他の商品を好むと想定し、その逆も同様です。
   
   
3. ハイブリッド方式では、
   コンテンツベースの方式とコラボレーションベースの方式を組み合わせて、グループの意思決定を組み込みますが、特定の訪問者の属性に基づいて出力に焦点を当てます。
   ハイブリッド フィルタリング システムの例としては、Spotify がパーソナライズされた「Discover Weekly」プレイリストをどのようにキュレーションするかが挙げられます。パーソナライズされた Spotify プレイリストを聞いたことがある人なら、好みに基づいて曲をどれほど正確に推奨できるかに衝撃を受けることでしょう。
   これを実現する秘密は、あなたのリスニング習慣だけでなく類似のユーザーのリスニング習慣に関するデータを集約し、あなたの個人的な好みに合ったユニークな曲のプレイリストを作成する複雑なハイブリッド フィルタリング システムを通じて行われています。

3 つの方法はすべて、ML：機械学習アルゴリズムを使用してプロセスを促進し、パーソナライズされた商品推奨を提供します。それぞれの背後にある数学的原理は精緻で複雑ですが、オンライン ストアへの適用はそれほど複雑である必要はありません。

オンライン買い物客はパーソナライゼーションに慣れてくると、それをプロフェッショナリズムと同一視するようになります。
つまり、それに追いつくためにサイトを強化する必要があるということです。

商品レコメンデーションの価値と、それがパーソナライゼーション戦略において重要な役割を果たすことが研究でますます明らかになってきています。レコメンデーションはコンバージョン率を高めるだけでなく、CX:カスタマーエクスペリエンスを向上させて訪問者の再訪を維持し、AOV：平均注文額を高めることにも役立ちます。

e コマース商品をレコメンデーション:推奨するための 21 のヒント

1. 閲覧履歴に基づいた商品表示

訪問者の閲覧履歴に基づいて提案される商品のリスト (「あなたにおすすめ」) を表示することは、頻繁に使用される効果的なタイプの商品推奨です。
深いインパクトを加え、買い物客の名前でパーソナライズすることができます。

2.「よく一緒に購入される商品」のおすすめを使用する

アイテムのバンドルが定期的に一緒に購入されている場合、通常、それには十分な理由があります。
D2C ビューティブランドの買い物客は、化粧水と一緒に美容液を購入する傾向があるのか​​もしれません。
あるいは、小売・製造業では、コーヒー豆と一緒に植物性ミルクを購入するのかもしれません。
一緒に購入されることが多い商品を提案することは、顧客に価値をもたらすだけでなく、同時に平均注文額 (AOV) も増加します。

3. 商品レコメンデーション エンジンを使用してEメール キャンペーンをパーソナライズする

最近の購入履歴に基づいて商品のレコメンデーション・推奨事項を記載したパーソナライズされたEメールを顧客に送信することで、商品のレコメンデーション・推奨事項をEメール マーケティング戦略に統合します。
顧客が興味を示した商品を使用して、他の商品ラインに関連するレコメンデーション・推奨事項を提供します。

4. 買い物客に新商品を紹介する

「注目のおすすめ」や「最近閲覧したもの」の提案により、買い物客が検索しようと思わなかった商品を紹介することができます。
在庫している商品の種類を必ずしも知らない新規顧客や、出発点を探している新規顧客にとって、大きなインスピレーションとなります。

5. 損失の可能性がある売上を節約する

買い物客の閲覧履歴へのアクセスを提供すると、顧客が以前に閲覧した商品を移動できなかった場合に失われていた可能性のある売上を節約できます。
顧客が当初興味を持っていた素晴らしいアウターウエアが見つからないという理由でサイトを離れることは最も避けたいことです。

6.「閲覧した商品に関連する商品」を表示する

特に、この種の商品推奨事項を商品ページに表示して、ユーザーがカートに商品を追加できるようにします。

7. 社会的証明を提供する

「[この商品] を購入した顧客は [あの商品] も購入しました」という推奨事項は、ユーザーが興味を持つ可能性のある関連商品のー社会的証明そーシャルプルーフ（Social Proof*）と同じオーディエンスによって生成された推奨事項を提供します。

Amazon はその中心的な事業者であり、同様の顧客が購入した商品を紹介して追加購入を促しています。

＊人々が周囲の意見や行動を参考にして自分の判断や行動を評価する心理的傾向を指します。

8. 新商品を紹介する

「このアイテムには新しいバージョンがあります」という通知を生成して、更新された商品について商品詳細ページ・商品閲覧者に警告します。

9. 商品の推奨事項をパーソナライズする

以前の購入に関連するアイテムを表示して、おすすめをパーソナライズします (「すでにこれを所有しているので、これも欲しいかもしれません」)。
過去の購入に関する情報を使用するだけでなく、顧客が興味を示した他のアイテムや、趣味、肌のタイプ、髪の色などのその他の属性に基づいて、おすすめをパーソナライズすることもできます。

10. 各ブランドの売れ筋アイテムを特集

間接的な社会的証明として、また購入に自信を与える方法として、さまざまなブランドの最も人気のある商品を紹介します。
ホームページでベストセラー商品を推奨することは、サイトにアクセスするとすぐにユーザーの注意を引くための非常に効果的な戦術であることがわかっています。

11. 商品バンドルの生成

頻繁に一緒に購入されるアイテムをグループ化し 、すべてのアイテムを 1 回の取引で購入する顧客に特別割引を提供します。

12. さまざまなカテゴリのベストセラーを表示する

さまざまなカテゴリーからさまざまなベストセラーを紹介することで、買い物客がこれまで目にしたことのないカテゴリーの新しい商品ラインを紹介します。

13. 推奨事項が関連性があり、タイムリーであることを確認する

適切なタイミングでおすすめ情報を表示することで、積極的に購入モードにある買い物客を捕まえます (つまり、季節商品を間違った時期に宣伝 しないでください)。

14. 人気のある商品を常に強調表示する

人気の商品を強調し続け、あまり売れていない商品にも閲覧の機会を追加するようにおすすめを調整します(商品の 20% が売上の 80% を占めます)。

15. 最高評価のアイテムを紹介する

顧客レビューが最も高い商品を表示することで、商品の推奨事項に社会的証明を組み込んでみてください。
「カートに入れる」段階で星が高い関連商品を推奨します。

16. 訪問者を知る

商品の推奨事項をパーソナライズできればできるほど、より良いものになります。
人口統計情報だけでなく、興味、ライフスタイル、課題などのサイコグラフィックスに基づいてオーディエンス・視聴者をセグメント化します。その後、最も差し迫った問題点やニーズに基づいて推奨事項を作成できます

17. 推奨による関連商品のクロスセル

カートに追加された商品に付属品が必要な場合は、商品の推奨事項を提供します。
カート内の商品に合わせてコーヒーアクセサリーをおすすめしたりしています。

18. 商品の推奨事項を使用してアップセルする

商品の推奨事項を使用して、購入者を現在閲覧しているバージョンのより完全な機能を備えたバージョンに移行します (アップセル)。
ここで、顧客は販売時点で注文をアップグレードできます。

19. あなたのおすすめで季節感を取り入れます

商品の推奨事項を使用して、今後の休日やその他の特別なイベントについて買い物客に思い出させます。

20. A/B テストを絶対にやめない

商品レコメンデーション エンジンは、設定したら後は忘れるという機能ではありません。変換を最適化するためにテスト計画に追加してください。微調整して測定すればするほど、結果はより良くなります。

21. カートページで商品ペアリングを提供する

顧客がチェックアウトプロセスに移る前に、商品の推奨事項を顧客に提示する最後の機会があります。
この施策を使用する場合は、提供する商品がユーザーの購入の妨げにならないようにしてください。ここでの最良のアプローチは、すでにカートに入っている商品を補完する関連商品のクロスセルです。

販売サイクル全体を通じて商品のレコメンデーション・推奨事項を表示する方法

すべての顧客が同じ場所にいるわけではありません。購入の準備ができている人もいれば、まだ選択肢を検討している人もいます。その結果、販売目標到達プロセスのどの位置にあるかに応じて、さまざまな種類の商品推奨が必要になります。

購入する準備ができていて熱心に購入している人は、ターゲットを絞ったおすすめを望んでいますが、ファネルをまだ進んでいない買い物客は、自分の興味をくすぐるものを見つけるためにさまざまな提案を見たがるかもしれません。

各ページに商品の推奨事項を表示して、売上を最大化し、楽しい顧客体験を生み出す方法をいくつか紹介します。

ホームページ: 「最も人気のある」および「最近閲覧した」

ホームページは、訪問者が最初にアクセスするページの 1 つです。これは基本的に、検索バーに URL を直接入力した既存の買い物客と、 Google 検索やソーシャル メディア広告からサイトに移動した新規顧客の両方の、あらゆる種類の顧客にとっての出発点となります。

ここでは、「最も人気のある」商品推奨施策の導入が最も効果的です。
なぜなら、

• 新規の買い物客にベストセラーを紹介し、
• 既存の顧客に自社の特徴を思い出させること

ができるからです。
ここでも詳細を把握し、リピーター向けの動的なホームページを作成して、最近閲覧した商品や最近の購入に関連する商品など、以前に興味を示した商品が推奨されるようにすることもできます。

カテゴリページ: 「最も人気のある」

特に大量の在庫がある場合、商品がカテゴリ ページ内で迷子になる可能性があります。
関連する各カテゴリ ページで「カテゴリ内で最も人気のある」商品を宣伝することで、買い物客がベストセラーを見逃さないようにします。
これは、既存の買い物客にそのカテゴリの新鮮な商品を紹介するだけでなく、閲覧を始めたばかりの新しい買い物客にもインスピレーションを与えることができます。

商品ページとカートページ：「一緒に買った商品」と「類似商品」

買い物客が商品ページを閲覧している場合、または商品をカートに追加している場合は、その商品、または少なくとも同様の商品に興味がある可能性があります。
ここで「一緒に購入」施策と「類似商品」施策を使用して、関連するアイテムをアップセルしたり、相互に補完する商品をクロスセルしたりできます。

まとめ

さまざまなページでさまざまな商品レコメンデーション・推奨施策をテストし、どの施策がオーディエンス・視聴者にとって最も魅力的であるかを確認することをお勧めします。
ホームページでベストセラーを共有しても期待した結果が得られず、代わりに、最近閲覧した商品や、以前の閲覧行動に基づいてパーソナライズされたアイテムの選択をレコメンデーション・推奨することで、多くのコンバージョンが得られる場合があります。

マーケティングプランは企業ごとに異なります。あるビジネスに適した施策が、別のビジネスにとっては賢明な行動ではないことがよくあります。
ただし、商品推奨エンジンの実装は、すべての e コマース管理者が真剣に検討する必要があります。
競合他社もすぐにそうなるでしょう。そして、上で挙げたような商品推奨の例を適用することで得られるメリットは大きいです。

e コマース ストアのパーソナライゼーションを改善するためのシンプルで非常に効果的な方法を探している場合、商品レコメンデーション エンジンは投資する価値があるかもしれません。
単に顧客にカートに商品を追加してもらうだけでなく、自分では見つけられなかった商品をカスタマイズして推奨することで、全体的なショッピング エクスペリエンスを向上させることができます。

よくある質問

商品の推奨事項をどのように改善できるでしょうか

商品推奨エンジンはML機械学習・生成AIなどを使用してより賢くします。
買い物客が特定のカテゴリの推奨商品をクリックし続けたり、特定の商品を購入し続けたりすると、AI はすぐにそれらの商品が最も人気があることを学習します。

さらに、エンジンは以前のデータを使用して、顧客が訪問して最も多くの時間を費やした商品ページや過去の購入に基づいて、個々の顧客にパーソナライズされた推奨事項を提供できます。

商品の推奨事項はどのように書くのですか

商品の推奨事項を作成するのはあなたではなく、AI :人工知能テクノロジー が代わりに行ってくれます。心配する必要がある唯一のことは、ブランドの声と一致し、視聴者の共感を呼ぶように商品のタイトルと説明を書くことです。

パーソナライズされた商品の推奨事項とは何ですか

パーソナライズされた商品の推奨では、既存の顧客データを使用して、買い物客に関連した提案を提供します。
このデータには、買い物客が訪問した商品ページ、カートに追加した商品、以前の購入、ライフスタイル、興味、趣味など、買い物客が共有したファーストパーティ情報が含まれる場合があります。

商品の推奨はどの程度効果的ですか

各種の統計的なデータは、商品の推奨事項が適切に実装された場合に非常に効果的であることを示しています。重要なのは、販売サイクルの適切なタイミングで適切な種類の商品を推奨することです。
たとえば、ホームページでベストセラーを共有して新規顧客と既存顧客の両方を引きつけますが、パーソナライズされたおすすめ情報は「カートに追加」ページまたはチェックアウト時に共有します。