Wat is een productaanbevelingsengine voor de retail – en waarom heb je er een nodig?

Hoe productaanbevelingsengines klantdata gebruiken om producten aan te bevelen, de verkoop te stimuleren en de omzet te verhogen.
 
17 februari, 2022 | 6 Minuten

Misschien weet je het niet, maar je hebt al kennisgemaakt met de kracht van productaanbevelingsengines. Het is de technologie die wordt gebruikt wanneer je online winkelt en er andere artikelen worden getoond waarvoor je wellicht belangstelling hebt. Of wanneer je op social media reclame van merken ziet voor vergelijkbare of aanvullende producten. Of wanneer je een e-mail of sms van het merk krijgt met suggesties voor relevante artikelen om aan te schaffen, eventueel met een persoonlijke promotiecode. Dit zijn voorbeelden van het gebruik van productaanbevelingsengines.

Productaanbevelingsengines analyseren data van klanten om exact te bepalen voor welke soorten producten en aanbiedingen ze belangstelling hebben. Vervolgens worden op basis van zoekgedrag en productvoorkeuren contextueel relevante aanbiedingen en productopties getoond die interessant zijn voor individuele shoppers en zorgen voor een toename van de verkoop.

Laten we bekijken hoe productaanbevelingsengines werken en waarom ze een nuttige tool zijn voor shoppers en retailers.

Wat is een productaanbevelingsengine?

Een productaanbevelingsengine is technologie op basis van machine learning en kunstmatige intelligentie (AI) die ervoor zorgt dat productaanbevelingen en predictive offers, zoals speciale deals en kortingen, helemaal zijn afgestemd op elke klant. Een effectieve productaanbevelingsengine analyseert data en gebruikt de resultaten om nauwkeurige, individuele klantprofielen te maken. Met behulp van deze profielen kan de engine exact het type content genereren of de producten kiezen waarvoor een specifieke klant belangstelling heeft. Daarom ontvang je mogelijk regelmatig follow-upmails van je favoriete merken op basis van recente aankopen en zoekopdrachten op de site.
 
E-mails van West Elm met producten die op basis van recente zoekopdrachten aan een klant worden aanbevolen.

Productaanbevelingsengines analyseren de volgende typen klantdata:

  • Browsergeschiedenis
  • Huidig koopgedrag
  • Feedback
  • Meest bekeken producten
  • Voorkeuren
  • Eerdere aankopen
  • Onlangs bekeken items
  • Zoekgeschiedenis
  • Winkelwagens
  • Verlanglijstjes

Op basis van deze data kan de technologie relevante producten vinden die de klant mogelijk interessant vindt. De engine kan slim anticiperen op de wensen van de klant en de aanbevolen producten opnemen in marketingmaterialen, in een app, in zoekopdrachten op de site en in advertenties die op andere webpagina's worden weergegeven.

Hoe werken productaanbevelingsengines?

Productaanbevelingsengines maken doorgaans gebruik van geavanceerde algoritmen. Deze algoritmen analyseren enorme hoeveelheden klantdata, zoals aankoopgeschiedenis, voorkeuren en zoekgedrag.

Het algoritme stelt bepaalde processen in staat om op basis van de klantdata automatisch de juiste aanbevelingen te genereren. Vervolgens worden de beste suggesties voor elke individuele klant getoond. Als er nieuwe informatie over de klant beschikbaar komt, worden de aanbevelingen op basis hiervan bijgewerkt.

Drie typen productaanbevelingsengines

Productaanbevelingsengines verschillen in de specifieke soort informatie die ze verzamelen en de manier ze die gebruiken om de productaanbevelingen te selecteren. Er zijn drie veelvoorkomende benaderingen:

  • Gemeenschappelijke filtersystemen
  • Contentgebaseerde filtersystemen
  • Hybride aanbevelingssystemen

Gemeenschappelijke filtersystemen

Een gemeenschappelijk filtersysteem analyseert data van meerdere klanten om te voorspellen welke producten interessant zijn voor een bepaalde persoon. Het systeem benut de 'wisdom of the crowd' om uiterst effectieve productaanbevelingen te doen.

Als een klant een koffiezetapparaat op een lifestylewebsite bekijkt, kan deze bijvoorbeeld aanbevelingen krijgen voor artikelen waarop de keuze viel bij klanten die hetzelfde product hebben bekeken. Ze kunnen ook artikelen te zien krijgen die klanten bij het koffiezetapparaat hebben gekocht, zoals een melkopschuimer.

Gemeenschappelijke filtering is een goede optie voor grote merken die toegang tot veel klantdata hebben.

 
Amazon is het bekendste merk dat gemeenschappelijke filtering gebruikt om klanten productaanbevelingen te doen.

Contentgebaseerde filtersystemen

Een contentgebaseerd filtersysteem analyseert de voorkeuren en het koopgedrag van elke afzonderlijke klant. Het systeem creëert een uniek voorkeurenprofiel en biedt aanbevelingen op basis van de persoonlijke smaak van de klant. Dergelijke filtersystemen worden doorgaans gebruikt voor aanbevelingen van het type 'Omdat je dit hebt gekocht, heb je wellicht ook belangstelling voor…'.

Hybride aanbevelingssystemen

Een hybride aanbevelingssysteem biedt een combinatie van filtercapaciteiten, voornamelijk gemeenschappelijke en contentgebaseerde filtering. Dit betekent dat zowel data van groepen met vergelijkbare gebruikers als eerdere voorkeuren van de individuele gebruiker worden benut.
 
Wayfair doet productaanbevelingen met een hybride aanpak.
In hybride systemen worden deze analyses gewoonlijk apart uitgevoerd om ze vervolgens te combineren in productaanbevelingen op maat. Een e-commercewinkel kan bijvoorbeeld data van klanten die ringlichten hebben gekocht koppelen aan een individuele klant die een ringlicht heeft gekocht. De filtersystemen vinden mogelijk andere klanten die ook reversmicrofoons hebben aangeschaft en stellen vast dat de individuele gebruiker eerder ook microfoons heeft gezocht. Vervolgens kan de webwinkel een reversmicrofoon tonen als productaanbeveling.

Hoe je bedrijf kan profiteren van productaanbevelingsengines

Met de juiste technologie voor productaanbevelingen kunnen bedrijven data over klantgedrag benutten om de klantenservice te optimaliseren en de potentiële ROI van marketingactiviteiten te verhogen.
 
7% van de shoppers bekijkt productaanbevelingen op basis van AI en dit leidt tot 24% van alle bestellingen.
(Bron) 'Personalization in Shopping', Salesforce Research, 2017.

Een productaanbevelingsengine kan op verschillende manieren klanten bewust maken van het merk of nieuwe producten en de omzet en de klanttevredenheid stimuleren. Ga bij toegesneden productaanbevelingen uit van deze voordelen:

  • Hogere doorklikpercentages
  • Hogere gemiddelde bestelwaarde
  • Hogere conversiepercentages
  • Hogere omzet
  • Betere customer experiences

Hogere doorklikpercentages

De onmiddellijke impact van een slimme productaanbevelingsengine is direct zichtbaar. Uit onderzoek is gebleken dat het doorklikpercentage bij gepersonaliseerde aanbevelingen tweemaal zo hoog is als bij niet-gepersonaliseerde aanbevelingen.
 
Bij gepersonaliseerde aanbevelingen is het doorklikpercentage twee keer zo hoog als bij niet-gepersonaliseerde aanbevelingen.
(Bron) Barilliance.

Hogere gemiddelde bestelwaarde

Shoppers die productaanbevelingen op basis van AI bekijken, plaatsen bestellingen met een 26% hogere gemiddelde bestelwaarde. Slimme productaanbevelingen leiden tot natuurlijke en logische kansen voor upselling en cross-selling. De belangstelling van klanten komt tot uiting in hun gedrag en geschiedenis, en de productaanbevelingstool biedt automatisch suggesties. Kleine transacties veranderen in grotere en klanten die nog niet van plan waren om te kopen hebben ineens een vol winkelwagentje.

Een voorbeeld is 'de set compleet maken'. Als een shopper een bepaald product bekijkt, kan de aanbevelingsengine bijpassende producten tonen, zoals een pantalon en schoenen bij een blazer. Door het artikel in de context van de productset te zien, kan de koopbereidheid toenemen.

Hogere conversiepercentages

Als shoppers op productaanbevelingen klikken, verviervoudigt de kans dat ze tot aankoop overgaan bijna. Deze kans stijgt nog verder als de ze de aanbevolen producten nader bekijken.
 
Het conversiepercentage bij shoppers die op een aanbeveling klikken is vier keer zo hoog als bij shoppers die dat niet doen.
(Bron) Barilliance.
Predictive product sorting en gepersonaliseerde aanbevelingen leiden tot hogere conversiepercentages, omdat klanten de producten vinden die ze zoeken en het hardst nodig hebben. Met behulp van AI kunnen merken automatisch zoek- en categoriepagina's aanpassen aan elke actie die een shopper uitvoert. Hiertoe behoren micromomenten op mobiele apparaten.

Hogere omzet

Merken kunnen productaanbevelingsengines ook gebruiken voor strategische upselling en om traag roterende voorraden te promoten. Met hogere conversiepercentages en hogere uitgaven per transactie neemt de omzet toe. Uit een onderzoek van Barilliance komt naar voren dat wel 31% van de omzet van e-commercesites afkomstig is van gepersonaliseerde productaanbevelingen.

Betere customer experiences

Via productaanbevelingen ontvangen klanten zeer relevante content die is aangepast aan hun unieke behoeften, interesses en koopgedrag. Klanten ondervinden de voordelen van deze gepersonaliseerde ervaring. En hoe vaker ze gepersonaliseerde aanbevelingen ontvangen, des te meer ze daarop rekenen, overal en altijd als ze online winkelen. Het gebruik van productaanbevelingsengines biedt een concurrentievoordeel ten opzichte van merken die geen gebruikmaken van personalisatie en AI.

Laat je bedrijf groeien met productaanbevelingsengines

Nu je weet wat productaanbevelingsengines zijn, hoe ze werken en welke voordelen ze bieden, is het tijd om te bedenken hoe je je retailervaring naar een hoger niveau tilt. Je kunt bijvoorbeeld 'predictive offers' gebruiken (denk aan het uitgeven van een kortingsbon of het aankondigen van een speciale uitverkoop) om te anticiperen op koopgedrag en zeer gerichte marketingcampagnes op te zetten.
 
Gerelateerde content

Blog

Drie tips om via je B2B-webshop je omzet en conversie te verhogen

Blog

Conversie: Wat is het en waarom is het zo belangrijk?

artikel

Transformeer de customer experience

 

Meer bronnen

 
Artikel
Transformeer de customer experience
Blog
Millennials en generatie Z: wat zijn de verschillen?
Klantverhaal
Door de klant centraal te stellen, blijft adidas aan de winnende hand