Czym jest silnik rekomendacji produktów?

Silniki behawioralne wykorzystują to, co robią kupujący: oglądane strony, klikane produkty, kupione rzeczy. Napędzają klasyczne sekcje polecane dla Ciebie i klienci kupili także. Opierają się na filtrowaniu kolaboratywnym, które potrzebuje dużo ruchu i historii, by dobrze działać.

Silniki oparte na regułach lub atrybutach wykorzystują dane produktów i logikę ustaloną przez merchandisera: pokaż akcesoria z tą kategorią, wydobądź najpierw produkty dostępne w magazynie. Są przewidywalne, ale statyczne.

Silniki oparte na preferencjach lub na quizie wykorzystują to, co kupujący mówi Ci bezpośrednio. Kupujący odpowiada na kilka pytań, a silnik porządkuje katalog względem tych odpowiedzi. To najbardziej bezpośredni sygnał intencji, ponieważ jest dobrowolny, a nie wywnioskowany.

Silniki behawioralne mają znaną słabość: zawodzą przy nowych odwiedzających i nowych produktach. Kupujący, który przychodzi po raz pierwszy, nie ma historii, więc silnik nie ma się na czym oprzeć i ucieka się do generycznych bestsellerów. Świeżo dodany produkt nie ma jeszcze kliknięć, więc rzadko jest polecany.

Silnik oparty na preferencjach nie ma zimnego startu. Zupełnie nowy odwiedzający, który odpowiada na trzy pytania, daje silnikowi wszystko, czego potrzebuje przy pierwszej wizycie, bez śledzenia i bez czekania, aż dane się nazbierają.

Każda odpowiedź niesie wagę. Odpowiedź konieczna może głosować za produktami, które pasują, i przeciw tym, które nie pasują, podczas gdy sztywne ograniczenie, takie jak alergia lub niekompatybilna specyfikacja, może całkowicie wykluczyć produkty, niezależnie od tego, jak dobrze punktowały w pozostałych kwestiach.

Wynikiem jest krótka, uporządkowana i uzasadniona lista zamiast jednego zgadywania. Dobre silniki rezerwują też miejsce na każdą rolę w zestawie, więc wynikiem może być rutyna, stack lub kompletny pakiet zamiast pojedynczego produktu.