Recomendaciones personalizadas de productos

¿Cuál es un ejemplo de las recomendaciones personalizadas de productos?

Supongamos que un cliente compra nuevas zapatillas para correr cada tres meses. Siempre compra la misma marca. Si este cliente vuelve a tu sitio y busca zapatillas para correr, es una buena suposición que volverá a comprar su marca favorita, pero quizás le gustaría tener nuevas características, un color diferente o un zapato como un nuevo respaldo de producto. Una recomendación de producto personalizada para este cliente mantiene disponibles las opciones antiguas, pero cuelga primero la posibilidad de una experiencia del cliente «nueva y mejorada» a un precio diferente.

¿Cómo pueden los sitios de comercio electrónico generar recomendaciones personalizadas de productos?

La inteligencia artificial back-end crea un modelo de la personalidad online de cada cliente. El algoritmo de personalización no se limita al historial de compras. También puede analizar números de publicaciones en redes sociales, decisiones de compra en otros sitios y consultas de Google. Estos complicados modelos matemáticos se basan en métricas de apertura, conciencia, extraversión, agrado y neuroticismo, todo ello vinculado con datos generados en millones de transacciones de clientes a atractivas características de productos. Pero el propietario de un sitio de E-Commerce nunca ve estos cálculos, completados en milisegundos con software de personalización añadido al back-end de tu sitio.

Tu trabajo es seguir buscando opciones que te permitan recomendar productos que ofrezcan un buen margen y que a tus clientes les vayan a encantar. Tu software de personalización de productos reduce las cifras, por lo que tu sitio presenta los productos que tus clientes encontrarán irresistibles. Tu sitio mostrará a tus clientes solo los productos que desean comprar. La personalización del producto correcta reduce los gastos de marketing y aumenta tu fidelidad de los clientes.

¿Cuáles son las ventajas de las recomendaciones personalizadas de productos?

La personalización del producto genera un gran retorno de la inversión. De hecho, un estudio reciente revela que el 49 % de los consumidores dijeron haber comprado un producto que originalmente no tenían intención de comprar después de recibir una recomendación de producto personalizada.

La personalización del producto puede funcionar en cualquier punto del embudo del cliente. Puede ofrecerte una vista de 360° de tu cliente que acumula información para una mejor personalización del producto cada vez que un cliente visita tu sitio.

¿Cómo funcionan las recomendaciones personalizadas de productos?

Las recomendaciones personalizadas de productos se generan con los datos de los usuarios extraídos de tu sitio web. Lo ideal es que solo muestres a tus clientes los productos que realmente les gustaría comprar. Cuanto más personalizada sea la experiencia, mejor.

Cuando se hace bien, las recomendaciones personalizadas de productos pueden ahorrarte dinero y aumentar la fidelidad de los clientes. Un informe de 2018 muestra que los clientes que regresan y tuvieron una interacción con un producto sugerido (haciendo clic en él y leyendo la descripción, por ejemplo) tenían un 55 % más de probabilidad de realizar una compra durante esa sesión de compras. En el caso de los nuevos clientes, esa cifra fue un increíble 70 %.

Los motores de recomendación, que son programas que analizan los datos tanto de los productos como de los usuarios, impulsan funciones como esta. No solo los minoristas emplean estos motores, sino que los sitios web de transmisión por secuencias de vídeo los utilizan para generar listas de clips recomendados para que sus usuarios los vean.

Hay tres tipos principales de motores de recomendación:

1. Sistemas de filtrado colaborativo
2. Sistemas de filtrado basados en el contenido
3. Sistemas híbridos de recomendación

Analizaremos estos motores de recomendación con más detalle y proporcionaremos ejemplos de cada uno más adelante en esta publicación.

¿En qué se fijan los motores de recomendación?

Con tantos datos de los usuarios a tu alcance, puedes utilizar un motor de recomendación para ofrecer sugerencias muy específicas a tus clientes.

Los motores de recomendación suelen tener en cuenta datos como:

• Las consultas de búsqueda de un cliente
• Su historial de compras
• Lo que está actualmente en su carrito de la compra
• Su comportamiento en redes sociales (me gusta, contenido compartido, etc.).
• Su ubicación geográfica
• El segmento de público al que pertenece el cliente (datos demográficos)

Tu motor podría utilizar su ubicación geográfica para recomendar un buen abrigo cuando llegue el otoño en su parte del mundo. En el caso de nuestro fotógrafo, podría recomendarle una tarjeta de memoria de gran capacidad para su costosa cámara después de que la haya usado durante un tiempo.

¿Cuáles son ejemplos de recomendaciones personalizadas de productos?

La IA de la personalización de productos se basa principalmente en tres tipos de motores de recomendación: sistemas de filtrado colaborativo, sistemas de filtrado basados en contenido y sistemas de recomendación híbridos.

Filtrado colaborativo

El filtrado colaborativo analiza los datos de varios clientes (las estadísticas funcionan mejor si el número de clientes es de al menos 1500) para generar un panel de productos que es probable que al cliente le guste más. Utiliza la experiencia de todos los clientes para recomendar productos a cada uno de ellos.

¿Cuál es un ejemplo de filtrado colaborativo?

Por ejemplo, si un visitante del sitio ve una cámara DSLR, podrías ofrecerle objetivos que otros clientes han comprado con esa cámara.

El filtrado colaborativo no solo depende de la fusión de datos entre los clientes. Filtra las recomendaciones de productos por historial de búsqueda, por ubicación geográfica y por el historial del cliente con el modelo y con el sitio. Su principal ventaja es que añade información de varios clientes a recomendaciones personalizadas para un cliente.

Filtrado basado en el contenido

El filtrado basado en contenido genera recomendaciones de «Si le gustó esto, también podría gustarle». Analiza el patrón de decisiones de compra del cliente individual, en lugar de los datos de un grupo de clientes. El filtrado basado en contenido analiza los datos de un solo cliente a la vez.

¿Cuál es un ejemplo de filtrado basado en contenido?

Supongamos que un cliente compró almendras en marzo, nueces en abril, anacardos en mayo y vuelve a su centro para hacer un pedido de frutos secos de nuevo en junio. El filtrado basado en contenido puede mostrar macadamias y pistachos como productos adicionales que puede que le gusten.

Sistemas híbridos de recomendación

Los sistemas de recomendación híbridos combinan filtrado colaborativo y basado en contenido. Utilizan datos de clientes similares, así como datos del historial de búsqueda y compra anterior del cliente.

¿Cuál es un ejemplo de un sistema de recomendación híbrido?

Los servicios de transmisión de vídeo normalmente ejecutan una selección colaborativa (para determinar qué vídeos nuevos es probable que le atraigan) combinada con una selección basada en contenido (que coincide con los vídeos disponibles actualmente con vídeos a los que ha dado altas calificaciones en el pasado). Este tipo de selección también puede tener en cuenta la ubicación geográfica y los gustos y desagrados declarados.

Prácticas recomendadas para las recomendaciones personalizadas de productos

Tu motor de personalización de productos automatiza el análisis de consultas de búsqueda de los clientes, los datos demográficos, el historial de compras, el comportamiento social (especialmente acciones y «me gusta») y la ubicación geográfica, en comparación con lo que ya está en su carrito. Pero puedes aprovechar al máximo el motor de recomendación de productos de tu sitio siguiendo cinco prácticas recomendadas.

1. Analizar los comportamientos adecuados.

Ningún sistema de IA funciona completamente sin intervención humana. Asegúrate de que tu recomendación de producto analiza los comportamientos pertinentes para averiguar los motivos por los que tus clientes toman sus decisiones de compra.

Para que tu motor de recomendaciones personalizadas de productos genere resultados relevantes, tiene que centrarse en los comportamientos de los usuarios que son, digamos, relevantes. No todos tus clientes compran basándose en los mismos criterios. Tu motor debe buscar siempre cuáles son esos criterios y averiguar el «por qué» de lo que la gente compra.

Si vendes camisetas, algunos de tus usuarios preferirán determinados colores o estilos. Otros serán fieles a sus marcas favoritas. Otros incluso se desviven por comprar camisetas fabricadas en los Estados Unidos.

¿Uno de tus clientes prefiere camisetas cosidas con fibra ecológica? Ese usuario probablemente se preocupa por el medio ambiente y estaría más interesado en otros productos «ecológicos» que en otra camiseta de estilo similar. También podrían estar interesados en cosas como limpiadores domésticos no tóxicos y recipientes de vidrio para almacenar alimentos.

2. Pon a prueba tus estrategias.

Al igual que ocurre con cualquier campaña de marketing, las pruebas y la evaluación comparativa son primordiales. Si no pruebas tus estrategias antes de utilizarlas en el mundo real, estarás perdiendo una valiosa oportunidad.

Los motores de recomendación son poderosos, pero siguen necesitando la dirección de seres humanos como tú. Observa siempre y toma nota de lo que parece funcionar. Si no lo tienes claro, considera la posibilidad de realizar pruebas A/B.

Las pruebas A/B son una buena idea para cualquier campaña de marketing. Si no pruebas tu configuración antes de ampliar su herramienta de personalización de productos, podrías estar perdiendo oportunidades para mejorar la experiencia del usuario y aumentar las ventas.

Ciertos tipos de recomendaciones funcionarán mejor en algunas páginas que en otras. Las recomendaciones de «Productos de tendencia» pueden funcionar en tu página de inicio, pero no en la página del carrito de la compra. Pero un cuadro de «completa satisfacción» en la página de tu carrito de la compra, por ejemplo, añadir un cinturón y un bolso a una compra de zapatos, podría impulsar las ventas. La única forma de saber qué funcionará es probar.

Presta atención a si ciertos tipos de recomendaciones funcionan mejor en algunas páginas que en otras. Un cuadro de «productos de tendencia» puede dar buenos resultados en la página de inicio, pero no en la página del carrito de la compra. Si alguien se encuentra en la página del carrito de la compra y está a punto de comprar un nuevo par de zapatos, tal vez sea eficaz un cuadro de «completar el look» que sugiera productos complementarios como bolsos y cinturones. La única forma de saberlo es probar y hacer cambios según lo que funcione y lo que no.

3. Añade recomendaciones en lugares inesperados.

No tienes que colocar las recomendaciones únicamente en las páginas que ya presentan productos. ¿Por qué no colocarlas en tu página 404 y ofrecer a los compradores una forma fácil de hacer clic para volver a tu sitio principal? Un cuadro de recomendaciones en la página de pago podría informar al cliente de que solo necesita gastar un poco más para que se le envíe todo su pedido de forma gratuita.

También puedes incluir recomendaciones en tus correos electrónicos. Un correo electrónico de carrito abandonado podría sugerir productos basados en lo que el cliente tiene en su carrito de la compra. Muchas empresas envían correos electrónicos de seguimiento después de que alguien haya comprado un producto, en los que sugieren opciones similares. Si alguien ha mirado el mismo producto varias veces, puedes enviarle correos electrónicos preguntándole si le sigue interesando y mostrándole productos similares en torno al mismo precio.

4. Presenta el número adecuado de recomendaciones.

El grado de incorporación de recomendaciones en tu sitio web depende de ti. Algunas empresas tienen cuadros de recomendación de productos personalizados en todas las páginas de su sitio.

Los vendedores y diseñadores que siguen este enfoque creen que maximizar la exposición del cliente a las recomendaciones hace que sea más probable que compre los productos destacados. Los detractores de este enfoque argumentan que incluir demasiadas recomendaciones distrae del objetivo de la página y se corre el riesgo de molestar a los usuarios.

Si creas recomendaciones personalizadas de productos en todas partes, asegúrate de hacerlo bien. Asegúrate de que tu motor de recomendaciones funciona correctamente y muestra resultados relevantes o tus clientes podrían empezar a sentirse bombardeados y dejar de prestarles atención.

Incluso si las recomendaciones son acertadas, puede que algunos clientes las ignoren si las coloca en el centro de todas las páginas. No está de más repetirlo: el objetivo de una recomendación personalizada de productos es sugerir a tus clientes algo que realmente les resulte útil.

Algunos profesionales del marketing abogan por una iniciativa muy centrada. Puedes optar por un enfoque en el que prime la «calidad sobre la cantidad» y mostrar solo unas pocas recomendaciones seleccionadas en las páginas que tu investigación sugiere que serán eficaces. También puedes incorporar recomendaciones en todo tu sitio web, pero de forma sutil, colocándolas debajo del encabezamiento o en una barra lateral.

5. Utiliza pruebas sociales.

Cuando compruebas las reseñas de un producto antes de comprarlo o pides a alguien de confianza que te recomiende algo, estás buscando una prueba social. Quieres asegurarte de que lo que vas a comprar es rentable.

Como propietario de un negocio, puedes utilizar tus recomendaciones personalizadas de productos para proporcionar una prueba social. Añade pequeñas insignias junto a cada producto que muestren cuántas personas lo han visto o comprado ese día. Si un cliente puede saber que cientos de personas han visto un producto, puede que se sienta más inclinado a comprarlo. Las etiquetas como «más vendido», «más elegido» o «selección del personal» también dan credibilidad a tus productos. Este proceso se conoce colectivamente como «badging».

Algunos sitios web notifican a sus usuarios en tiempo real cuando alguien compra un producto que está considerando adquirir. Por ejemplo, «Jenny en California acaba de comprar un anillo de hematita tallada». Esto crea una sensación de urgencia y puede motivar a la gente a realizar una compra o a investigar otros productos.

¿Cómo recomendarías un producto a alguien? Si animas a los clientes a examinar tus productos o incentivas a tus clientes a recomendarlos a otros, estás utilizando la prueba social. Tus clientes desean aportaciones sociales que les aseguren que hacen una buena compra. Relaciona tus iniciativas de personalización de productos con tu gestión de las redes sociales.

Crea una experiencia de cliente excelente

Las recomendaciones personalizadas de productos facilitan que los clientes encuentren lo que quieren comprar. Cuanto más fluida sea su experiencia, más positiva será la opinión que tengan de tu negocio.

Si utilizas tus datos de ventas para adaptar sus recomendaciones y mostrar productos relevantes, es más probable que los compradores realicen una compra y vuelvan a hacerlo.