Verkkokaupan markkinointi – suositusten käyttö monikanavaisesti

Kategoriat

Teknologia, 11.7.2022

Mika Hirvikorpi
Chief Technology Officer, PhD

Verkkokaupoissa suositukset ovat tärkeä tapa tehdä lisämyyntiä. Monet verkkokauppa-alustat tarjoavat suositukset valmiina toiminnallisuutena. Suositukset löytyvät myös usein markkinoinnin automaation alustoista. Ongelmaksi saattaa muodostua suositusten laatu ja niiden tuominen kaikkiin kanaviin johdonmukaisesti. Johdonmukaisuudella tarkoitetaan, että samat suositukset olisivat käytettävissä kaikissa kanavissa.

Kun suosituksia lähdetään rakentamaan uudestaan tai ensimmäistä kertaa, kanavia kannattaa ajatella laajasti. Ensimmäiseksi mieleen tulee verkkokaupan sivusto ja uutiskirjeet, mutta myös esimerkiksi asiakaspalvelu voi tehdä lisämyyntiä. Tämä tietysti edellyttää, että heillä on jokin työkalu, jossa suositukset näkyvät.

Google Recommendation AI verkkokaupan markkinoinnin työkaluna

Google Recommendation AI mahdollistaa tasaisen ja hyvänlaatuisten suositusten tekemisen lähes missä tahansa kanavassa. Kyseistä palvelua käyttää esimerkiksi IKEA, joka on saanut merkittävää parannusta usealla eri mittarilla. IKEAn tilausten keskimääräinen koko verkosta kasvoi n. 2 % ja suositusten kautta tuleva liikevaihto n. 50 % heidän otettuaan käyttöön Google Recommendation AI -työkalun. Kivan työkalupakissa Googlen palvelu onkin ollut tapa tehdä suosituksia jo jonkin aikaa.

Miten Google Recommendation AI otetaan käyttöön?

Recommendation AI:n käyttöönotto ei vaadi suuria ponnistuksia ja me Kivalla pystymme hoitamaan koko prosessin alusta loppuun asti.

Käyttöönotossa on kolme päävaihetta:

  1. Tuote- ja käyttäytymisdatan vieminen Googlen pilveen
  2. Suositusmallien luominen
  3. Hyödyntäminen eri kanavissa.

Datan vienti pilveen

Ensimmäisessä vaiheessa tuotekatalogin vieminen pilveen voidaan tehdä useammalla eri tavalla. Mikäli verkkokaupassa on jo käytössä Google Shopping Ads -palvelu, niin tuotteiden tiedot voidaan ladata sieltä suoraan. Kiva tarjoaa myös katalogin latausta palveluna, joka voidaan tarvittaessa räätälöidä erilaisille kauppa-alustoille. 

Katalogin lisäksi Recommendation AI tarvitsee käyttäytymisdatan, joka koostuu tuotteiden katselutiedoista ja konversioista. Monessa tapauksessa tämä data on jo saatavilla verkkokaupasta, mikäli Google Analytics on käytössä. 

Datan vienti on jatkuva prosessi, koska katalogi päivittyy ja käyttäytymisdataa kertyy koko ajan lisää. Suositusten tekemistä varten Recommendation AI tarvitsee jonkin verran aikaa ja dataa mallien opettamiseen.

Suositusmallien luonti

Toisessa vaiheessa luodaan suositusmallit, joissa jokaiselle mallille määritellään suosituksen tyyppi, optimointi-tavoite ja mahdolliset säännöt. Mahdollisia suositus-tyyppejä ovat:

  • muut tuotteet, joista voisit olla kiinnostunut (näytetään tuote-sivulla)
  • usein yhdessä ostettavat tuotteet
  • sinulle suositeltavat tuotteet (näytetään kotisivulla, ilman tuotteen valintaa)
  • viime aikoina katsellut tuotteet.

Mahdollisia optimointi-tavoitteita ovat click-through-rate (CTR), tilauksen koon optimointi (revenue per order) ja konversion todennäköisyys (CVR). Nämä kaikki eivät sovi kaikille suositus tyypeille, vaan esimerkiksi tilauksen koon kasvattaminen sopii parhaiten “usein yhdessä ostettavien tuotteiden” kanssa. 

Suositustyypin ja optimointitavoitteen lisäksi voidaan määritellä sääntöjä, joilla tuotteita suodatetaan ja järjestetään näytettävissä suosituksissa. Voidaan esimerkiksi valita, että näytetään ainoastaan tietyn kategorian tuotteita tai tuotteita, joita on varastossa. Tuotteita voidaan myös järjestää  hinnan mukaan, jos tavoitteena on esimerkiksi kasvattaa tilauksen arvoa.

Suositusten hyödyntäminen verkkokaupan markkinoinnissa

Kolmannessa vaiheessa suositukset tuodaan asiakkaalle näkyviin eri kanavissa. Recommendation AI tarjoaa rajapinnan, jonka kautta voidaan pyytää lista suosituksista tietylle suositusmallille.

Recommendation AIn rajapintaa voidaan käyttää esimerkiksi verkkokaupassa tai muodostettaessa uutiskirjettä. Se miten tarkalleen ottaen rajapintaa käytetään missäkin kanavassa, riippuu käytössä olevista alustoista. Esimerkiksi Shopifyn kohdalla tämä tarkoittaa pluginia, joka näyttää listan suosituksia verkkokaupassa halutussa kohtaa.

Kolmen perusvaiheen jälkeen voidaan myös rakentaa erilaisia automatisointeja, esimerkiksi suositusmallien luomiseen. Me Kivalla kuitenkin suosimme tapaa, jossa asiat tehdään pala kerrallaan ja konkreettisia mitattavia tuloksia pitää syntyä jokaisen vaiheen jälkeen. Automatisointien kohdalla tämä tarkoittaa, että niiden pitää tuottaa suurempi hyöty kuin mitä niiden luomiseen ja ylläpitoon käytetään aikaa.

Asiakascase

Recommendation AI -työkalusta on paljon hyviä referenssejä, jotka löytyvät Googlen omasta dokumentaatiosta. Me Kivalla olemme saaneet vastaavanlaisia hyötyjä omille asiakkaille samalla tavoin kuin Googlen referensseissä. Näitä ovat esimerkiksi:

  • tilauksen koon kasvaminen
  • myynnin kasvu verkkokaupan suositusten kautta
  • myynnin kasvu uutiskirjeen kautta
  • varaston tyhjennysmyyntien tehokkuuden paraneminen.

Edellä listattujen hyötyjen ansiosta voimmekin lämpimästi suositella Google Recommendation AI -työkalua lähes mille verkkokaupalle tahansa.

Kiva auttaa sinua mielellään

Recommendation AI on vain yksi palvelu, jota tarjoamme asiakkaillemme. Muutamia muita joita tässä yhteydessä on hyvä mainita, ovat esimerkiksi:

  • myynnin ennustemallien rakentaminen
  • asiakassegmentointi ja konversion parantaminen eri segmenteissä
  • asiakasdatan rikastaminen
  • digimarkkinointi kaikkine osa-alueineen.

Ota yhteyttä

Mikäli kiinnostuit aiheesta tai Kivan muista palveluista, ota yhteyttä ja katsotaan mitä voimme tehdä kasvattaaksemme yrityksesi liiketoimintaa.


Mika Hirvikorpi
Teknologiajohtaja, PhD
mika.hirvikorpi@kiva.fi
+358 50 486 9448

Jaa artikkeli: Kopioi linkki

Tagit: