ユニファイドコマースとオムニチャネルとは　AI商品レコメンデーションのポイント

ユニファイドコマースとオムニチャネル コマースでは、多くの場合、買い物客に提示される商品のレコメンデーション・推奨事項は実際には非常に限られており、特定のセッションの注文額を高めるような関連商品は実際には推奨されていません。
そこで、ブランドのオンライン ショッピング エクスペリエンスでAI :人工知能をどのように活用するのかを考えてみましょう。

それぞれの消費者が自分のスタイルや好みをベースにしてに置いてどのように選択・判断して買い物をしているかを考えてみると、買い物客が個人的に本当に興味のある商品を見せてもらいたいと考えるのは当然のことです。
自分に関連性のない商品は決して見たくも、見せたくもありません。このため、特にブランドが消費者のショッピング体験やブランドの全体的な指標に与える重大な影響を考慮した場合、ブランドの商品レコメンデーションが買い物客に関連していることが重要です。

これは一般的な認識であるにもかかわらず、十分に活用されていない、または適切に活用されていないことが多いですが、商品レコメンデーションの実践を買い物客にとって当然のこととして行うには（無意識に買おうとしている商品が実際に紹介されることになります）、問題は明らかです。買い物客が何度もピンとくるような方法で商品のレコメンデーション・推奨にアプローチするにはどうすればよいでしょうか。

ブランドがレコメンデーションをどのように実装しているか

商品レコメンデーションに対するコマースで不十分な 5 つのアプローチ

商品のレコメンデーションは、あらゆる e コマース ブランド戦略の重要な部分です。適切な商品を適切なタイミングで提示すれば、顧客満足度が向上するだけでなく、AOV も向上します。
商品レコメンデーション エンジンはこの目的のために存在しますが、商品の属性データを考慮していないと、簡単に的外れになります。ブランドがよく商品を推奨する次のような基本的な方法がありますが。これだけに限定したりしないでください。

1. 閲覧履歴に基づく商品表示

長所:

顧客の検索、閲覧（フィルタリングしたり、それに応じてサイトナビゲーション:したり）、購入履歴に焦点を当てて、関連する商品 (「あなたにおすすめ」) を推奨することは、商品を推奨するためによく使用され、比較的効果的な方法です。

短所:

プライバシー上の懸念から、消費者がこれに問題を抱え始めています。彼らは自分の個人情報が第三者と共有されることを望んでいませんが、そのための規制はますます厳しくなり、小売業者が利用できる追跡情報の減少につながっています。

2. ベストセラー商品のみをホームページに掲載

長所:

最も「人気のある商品」、「顧客のお気に入り」、または「ベストセラー」を表示することは、常に最新のトレンド商品を手に入れたいと考えている買い物客にとって魅力的です。

短所:

ほとんどの買い物客は、購入する可能性のある特定の商品を念頭に置いてサイトにアクセスします。これらのベストセラー商品を推奨することで消費者の注意を引く可能性はありますが、これらの商品に個人的な興味がなければ、消費者がフック、ライン、シンカーをすべて手に入れることはできません。

3. 他の商品を除外して新着商品を強調表示する

長所:

新着商品を強調する「おすすめの商品」は、買い物客に当初は買おうとは考えていなかった商品を紹介し、新しいスタイルをカートに置く方法として機能します。

短所:

新着商品は通常、ファッショナブルで「流行っている」と考えられている最新の商品ですが、在庫があり販売の準備ができている新着商品に消費者が興味を持つという保証はありません。

4. 他の人がよく購入するものを宣伝する

長所:

「よく一緒に購入される商品」のレコメンド・推奨事項には理由があります。アイテムが定期的に一緒に購入される場合、通常、それには十分な理由があります。つまり、女性用のアスレジャーレギンスとそれに続くスポーツブラのレコメンは、通常、ここでは理にかなっています。

短所:

2 つのアイテムが「頻繁に一緒に購入される」からといって、自動的にそれらが買い物客にとって関連性があることを意味するわけではありません。
買い物客 A はあなたのスポーツ用レギンスを気に入っているかもしれませんが、買い物客 B はあなたのスポーツブラが自分の体と自分のスタイルの両方にフィットするか、フィットしないかを嫌うかもしれません。

5. 類似商品または関連商品の展示

長所:

顧客が特定の商品に注目している場合、これは顧客がその特定の商品カテゴリ全体に一般的に興味を持っていることを示している可能性があります。カート内の商品に完全に満足していない場合、同じカテゴリ内の類似商品や関連商品を紹介すると、売上の増加につながる可能性があります。

短所:

同様のアイテムをレコメンド・推奨する絶好の機会ですが、レコメンドされているアイテムが実際に類似していることを確認することが重要です。これらのレコメンド事項が正確でなければ、消費者はおそらく興味を持たないでしょう。AIの出番ですが、SKUにアトリビューションタグがないと意味がありません。

スタイル、トレンド、機会

良い商品の推奨を推進する場合、AI が広範な商品アトリビューション データを活用して活躍します。顧客中心の商品特性を重視し、ブランドの発言と顧客の発言とのギャップを埋めることで、ブランドがスタイル、トレンド、機会に基づいて買い物客に対してより効果的に商品を推奨できるようになります。
言うまでもなく、AOV、AOS (平均注文サイズ)、UPT (トランザクションあたりの単位)、および RPV (訪問あたりの収益) の増加に役立ちます。

スタイル主導のレコメンデーション・推奨事項

買い物客が商品を検索するための独自の言語を持っているのと同じように、独自のスタイルの好みもあり、実際に魅力的な商品を表示したいと考えています。

一般的で従来の「すぐに使える」商品属性・詳細を単に商品にタグ付けすることに重点ポイントを置くのではなく、スタイル主導のレコメンデーション・推奨事項で消費者に商品のマッチングすることは、買い物客に彼らの個人的なスタイルや好みを重視していることを示す優れた方法になります。
それは、ブランドがそれらを理解し、実際に的を射た商品とそれらを組み合わせる能力を持っていることを顧客は確認することができます。

＊AIを活用すれば、従来のSKU・カテゴリー・単語ベースではなく、「〇〇にこういうメンバーでここへいき、これを楽しむのに最適な+++を教えて」というコンテンツで語りかけることができます。

トレンドに基づいた推奨事項

Barbiecoreから、Dark Academiaまで、ファッションのトレンドは継続的に進化しており、消費者は、TikTok やその他のソーシャル プラットフォーム で見ているものによってますます価値観や行動を定義されています。この絶え間なく回転するトレンドサイクルについていくのは難しいかもしれませんが、実際にトレンドの最中に買い物客にトレンドの商品を勧めることができれば、大きな違いが生まれます。

トレンドに適合する商品を推奨することでトレンドを活用すると、AOV と RPV が増加するだけでなく、アイテムの全体的な需要も増加します。

＊AIを活用してこれらのデータをクローリングして商品開発などに役立てることは誰にでも思いつきます。

消費者がトレンドを先取りしたショッピング体験に出会うと、サイトを再訪し、最新のトレンドに乗るためにサイトを訪れる可能性が高くなります。もしかしたら、他の人が「見た目を完成させる」方法を共有したいと考えている満足した買い物客から、TikTok 上で特別な叫び声をもらえるかもしれません。

＊ブランドのスタッフのコーディネイトをベースにAIでレコメンドすることはどこかで聞いて、経験している事例です。

状況に応じた推奨事項

機会に応じたレコメンデーションにより、コマース事業者は、最も関連性の高い商品やレコメンデーションを社内で入手することで、現時点で外部で起こっていることを把握できます。
もちろん、消費者がそれらを購入する可能性が最も高い時期（タイミング）に提供されます。夏の結婚式からクリスマスのメニューまで、機会に応じたおすすめは、そのおすすめは買い物客が念頭に置いている次の機会と正確に一致している限り、ブランドにとって自然な選択になります。