Web Guide추천 기능개인화전환율
AI 추천 기능 적용 사례
방문자마다 다른 것을 보여줄 수 있습니다.
다만 데이터가 없으면 추천도 없습니다. 규모가 전제 조건입니다.
01추천이 가능한 조건
추천은 데이터에서 나옵니다. 상품과 방문자가 적으면 의미 있는 추천이 어렵습니다.
추천이 유효한 경우
상품이 많음 · 방문자가 많음 · 구매 이력이 쌓임 · 선택지가 많아 고르기 어려운 상황
효과가 적은 경우
상품이 열 개 남짓 · 방문자가 적음 · 1회성 구매 · 직접 큐레이션이 더 나은 경우
02적용 위치
어디에 넣느냐에 따라 효과가 다릅니다. 구매 흐름을 끊지 않는 곳이 좋습니다.
상품 상세 하단함께 보면 좋은 상품을 제안합니다.
장바구니함께 사면 좋은 것을 권합니다.
메인 화면이전에 본 것과 관련된 항목을 보여줍니다.
검색 결과 없음대안을 제시해 이탈을 줄입니다.
주문 완료 후다음 구매로 이어지게 합니다.
메일과 알림재방문을 유도합니다.
03단순한 방법도 효과가 있다
복잡한 기술 없이도 상당한 효과를 낼 수 있습니다. 여기서 시작하세요.
1
인기 상품
많이 팔린 것을 보여주는 것만으로도 효과가 있습니다.
2
함께 구매
같이 산 상품을 보여줍니다.
3
최근 본 상품
구현이 쉽고 효과가 확실합니다.
4
같은 분류
비슷한 상품을 보여줍니다.
5
재구매 주기
소모품은 때가 되면 알려줍니다.
6
직접 큐레이션
담당자가 고른 조합이 더 나을 때도 많습니다.
04주의할 점
추천이 오히려 불쾌감을 주는 경우가 있습니다.
이미 산 상품 방금 산 것을 또 추천하면 이상합니다.
민감한 상품 건강 관련 상품 추천은 신중해야 합니다.
과도한 추적감 너무 정확하면 감시당하는 느낌을 줍니다.
품절 상품 살 수 없는 것을 추천하지 않습니다.
개인정보 고지 무엇을 근거로 추천하는지 밝힙니다.
효과 측정 추천 영역의 클릭과 구매를 측정합니다.
CHECK POINT
□ 상품과 방문자 규모가 추천에 충분한가
□ 단순한 방식부터 시도했는가
□ 이미 구매한 상품을 제외하는가
□ 품절 상품이 추천되지 않는가
□ 민감한 상품 추천을 제한했는가
□ 추천 근거를 고지하는가
□ 추천 영역의 효과를 측정하는가
#추천 기능#개인화#전환율#함께 구매#최근 본 상품#데이터 활용#쇼핑몰#홈페이지 개발#웹비스타#홈페이지 제작