Engine voor Inhouds- en Productaanbevelingen

Algoritmes voor productaanbevelingen zijn specifiek ontworpen voor verschillende pagina’s en scenario’s, met verschillende algoritmes voor de startpagina, productpagina’s, winkelwagenpagina en meer.

Aanbevolen voor jou
Dit algoritme op basis van machine learning gebruikt alle gebruikersgegevens om patronen te vinden in de manier waarop gebruikers van verschillende typen interactie hebben gehad met alle artikelen in je catalogus.

Vaak samen gekocht:
Adviseer cross-sale artikelen die vaak samen zijn gekocht met het product dat ze momenteel bekijken, in hun winkelwagen hebben liggen of onlangs hebben gekocht.

Mensen die dit bekeken, bekeken/kochten ook:
Door de juiste alternatieven aan te bevelen op basis van gelijkenis of collectieve data, verhoog je het aantal bekeken producten en de tijd die wordt besteed binnen een soepele winkelervaring.

Wie in deze categorie kocht, kocht ook:
Adviseer artikelen die vaak in andere categorieën worden gekocht door klanten die kochten in de categorie die ze nu bekijken of net hebben gekocht.

Nieuw op voorraad
Help klanten op de hoogte te blijven van nieuwe artikelen in je assortiment, met de mogelijkheid om te filteren op producten die in de afgelopen 7 dagen zijn toegevoegd, sinds het laatste bezoek, of op basis van de interesses van de bezoeker.

Opnieuw bekijken/kopen
Toon de artikelen die ze onlangs hebben bekeken of gekocht, zodat ze verder kunnen gaan waar ze gebleven waren, of artikelen die ze in het verleden hebben gekocht, zodat ze ze eenvoudig opnieuw kunnen inslaan.

Verfijn de aanbeveling verder met filters:

• Korting = groter of kleiner dan X%
• Productfeed attributen, zoals interesse, kleur, merk of prijs.
• Gratis verzending aanbieden als ze zich binnen X kilometer van de locatie van het distributiecentrum bevinden
• Geslacht, leeftijd, type klant, branche, etc. van de bezoeker.
• Laat zien dat er minder dan X stuks op voorraad zijn

De aanbevelingsengine van Personyze kan ook worden ingezet voor e-mailaanbevelingen. Hier zijn een aantal van onze populaire e-mailalgoritmes.

Nu in de aanbieding op basis van eerdere interesses/achtergelaten in winkelwagen
Deze aanbeveling toont de bezoeker artikelen waarvan de prijs onlangs is gewijzigd, op basis van wat ze eerder hebben bekeken of in hun winkelwagen hebben achtergelaten.

E-mail drip bij het verlaten van winkelwagen
Deze e-mailaanbeveling herinnert de bezoeker aan artikelen die in de winkelwagen zijn achtergelaten en beveelt tevens vergelijkbare producten aan, in e-mails die op door jou bepaalde tijdstippen worden verzonden.

Tijd om opnieuw in te slaan
Dit type aanbeveling herinnert de bezoeker eraan om bederfelijke artikelen opnieuw in te slaan en kan alleen op bepaalde door jou bepaalde intervallen worden verzonden.

Meest aanbevolen voor jou
Deze e-mailaanbeveling maakt gebruik van machine learning om patronen in collectieve data te herkennen en toont de bezoeker, op basis van hun kenmerken, de producten waarin ze waarschijnlijk het meest geïnteresseerd zijn.

Cross-Sell Gebaseerd op Laatste Aankoop
Deze e-mailaanbeveling suggereert producten die andere bezoekers met dezelfde aankoop recentelijk ook hebben gekocht, of producten die in de catalogus een cross-sell-associatie hebben met de meest recente aankoop van de bezoeker.

Nieuw toegevoegde artikelen/accessoires voor jou
Deze e-mailaanbeveling stelt de bezoeker artikelen voor die nieuw zijn toegevoegd en die aansluiten op eerder gekochte artikelen.

“Stuur mijn winkelwagen naar mijn e-mail”-knop
Met deze knop kunnen bezoekers hun winkelwagen naar hun e-mail laten sturen als herinnering. Als hun e-mailadres nog niet bekend is, kan dit een pop-upformulier activeren om het e-mailadres te verzamelen, waarna het ook kan worden gebruikt voor andere remarketing-e-mails.

Weergavewidgets voor aanbevelingen zijn eenvoudige HTML en kunnen ieder gewenst ontwerp hebben, maar Personyze wordt standaard geleverd met verschillende responsive templates voor horizontale en verticale weergaves, inclusief een editor waarmee je alle aspecten van het ontwerp kunt aanpassen aan je website, en CSS kunt overnemen om het proces eenvoudiger te maken.

Alle aanbevelingen zijn responsive en kunnen worden weergegeven als pop-ups, ingesloten in pagina’s, e-mails of apps met ieder gewenst HTML/CSS-ontwerp voor de juiste look en feel.

Upload je eerdere transacties en geef de aanbevelingsengine een voorsprong.

Ieder aangepast veld dat je maakt (gebruikersindustrie, accounttype, etc.) wordt een personalisatietag, die in de inhoud kan worden ingevoegd. Dit betekent dat je de naam van een klant kunt opnemen in de titel van hun aanbevelingen, of de naam van de laatste categorie of het merk dat ze hebben bekeken.