许多零售商使用自动的产品推荐技术来增加他们的销售额和转化率。这些推荐的物品通常是商业站点上动态生成的，通常基于特定客户或一组客户的购买习惯。

Strands Recommender 是一个领先的动态生成产品推荐的提供者，我们最近采访了其市场经理 Trevor Legwinski, 关于产品推荐的概念和它对电子零售商的效果。

10 个关于产品推荐的问题

Practical eCommerce: 什么是产品推荐，它们在一个零售商的网站上如何工作？

Trevor Legwinski: “由于电子商务公司有很多产品，对最优的转化率来收，结构化地增加销售和交叉销售会非常困难。产品推荐通过学习你的网站访问者的个人和整体的行为等级来解决这个问题。我们自动地采集这个数据和商业化你的站点，将新访问者的行为和意图与转化过的数千购物者进行匹配。 对回访者我们展示基于他们的客户信息的产品，是我们的引擎随时间推移匿名地学习到的偏好，包括偏好类别，最爱的品牌，甚至特定的颜色和大小。”

PEC: 推荐通常出现在站点的什么位置?

Legwinski: “零售商通常把推荐放在他们的首页，产品细节页面和他们的购物车中。还有，我们已经开始在分类页面、搜索页面引入推荐，甚至创建了类似于Amazon.com的客户"个性化的登录页面"。”

PEC: 你们如何决定推荐那些产品?

Legwinski: “假设你的公司是一个我们的客户，我们的引擎匿名地检测到访问你的站点的客户基于他/她的购物行为创建一份客户简介。这些包括，例如，他们浏览的产品，搜索，添加到购物车和永久购买。对新的访问者我们展示在过去有相似行为的人们最有可能购买的商品。对回访者，我们访问他们的简介并展示与他们的偏好相关的产品。还有，我们提供易用的商业工具允许零售商基于他们的自身市场和商业需要过滤推荐结果。”

PEC: 零售商用于产品推荐的是什么样的结果? 你能从你的客户中引用一些实际的数据吗?

Legwinski: “我们与零售商几乎在每一个目录都有合作，从服装到鞋类，到电器图书，游戏，音乐，家具，和体育设备。他们平均能看到销售额有8到12个百分点的增长。别的更重要的影响推荐器的效果的因子是流量量级，推荐板块数量，推荐放置的位置，和目录大小。给你一些细节和把数字透视出来：一个户外设备客户使用我们的349美元每月的标准计划，年收入已经约有1百万美元，当前通过使用我们的服务还获得每月2000美元的销售额。我们的一个最大的服装零售商使用了我们的企业计划，已经获得了70 百万的回报，并正在获得200 000 每月的额外回报。”

PEC: 目标是提升基本转化率，平均订单大小还是都有?

Legwinski: “我们的推荐引擎的目标是都要增加平均订单大小和转化率。通过对新访问者和回访者提供个性化的体验，我们可以提高添加到购物车中的产品的数量的同时提高我们的客户的转化率水平。还有，使用个性化的邮件能够使现有的客户增加响应率。”

PEC:你们的推荐服务是部署在你们公司内吗？它如何与一个零售商的网站集成?

Legwinski: “Strands Recommender 是一个 SaaS 解决方案，意味着它完全由我们部署。这消除了很多的版本控制问题和部署复杂性。集成只需要三步操作：

1. “零售商通过一个文件或一个链接上传他们的商品目录到我们的系统上。这只需要操作一次，因为我们会自动刷新目录。其格式与你将发送给一个比较购物引擎的相同的产品feed非常相似。这个feed帮助我们的引擎学习你的产品种类并保持与你的目录实时对应。我们也支持来自排行榜和评论提供者还有站点搜索提供者的数据feeds。
2. “第二步是在你的站点上的用户行为，然后用于匿名地为每一个访问者构建profile。我们能够通过使用如“购买了那个的人也买了……”算法检测购物模式，相关的profile和别的更加复杂的模式。要做到这些，与Google统计相似的简单的跟踪代码贴到你的主页面模板的底部，产品细节，购物车，订单确认，和如可用的“愿望列表”和“最爱”页面。
3. “最后一步是展现推荐给你的浏览者。我们的客户从一个预定义的推荐挂件集合中选择，能够快速复制和粘贴到电商网站的任何页面。这些挂件基于最佳的实践，通常对我们的大多数客户都工作得很好。系统也提供一个挂件编辑器，允许自定义外观，感觉和每个挂件的内容。通过这种方式，我们确保每个挂件都能完全地匹配你的站点和邮件模板。”