Jak prodávat související produkty v e-commerce

Schopnost nabídnout správný produkt správnému zákazníkovi je základním kamenem e-shopů. Jak se vžít do potřeb zákazníků v prostředí bez osobních prodejců si ukážeme právě v tomto článku.

Autor: Jan Matoušek, 4. září 2012


Každý obchodník se snaží kromě získávání nových zákazníků navyšovat prodeje těm stávajícím. V marketingové hantýrce se postupu obvykle říká cross sell a patří k základním stavebním kamenům každé marketingové strategie. Vychází z premisy, že dodatečný prodej stávajícímu zákazníkovi je obvykle více nasnadě než nákladné získávání nových zákazníků. Ačkoli cross sell nemůže být jediným směrem, jak získávat nové zákazníky, jde vždy přinejmenším o doplňkovou strategii. Zatímco prodej souvisejících produktů je technikou starou jako Metuzalém a zvládá ho každý trhovec, jeho databázová aplikace je otázkou posledních deseti let.

Pokud vám tedy v restauraci nabídnou ke guláši pivo, číšník udělá několik úvah:

Větší korporace než je hospoda „Na Růžku“ tato pravidla automatizují. Je zřejmé, že cross sell je denním chlebem většiny myslitelných firem. V prostředí e-shopů žádným číšníkem ani prodejcem nemusíme disponovat, a tak je vhodné si ho alespoň naprogramovat. Úloha spočívá v automatizaci výše uvedených úvah. Ukážeme si jak na to.

Pavouky vztahů mezi produkty

Pro efektivní prodej souvisejících produktů hledáme souvislosti, které jsou založeny na zákaznickém chování. Chceme přesně to, co vám prodejce v elektru naservíruje se slovy „zákazníci k tomu hodně berou XY“. Tohle jsou pravidla získaná praxí, učením se a analýzou předchozích nákupů. Pokud chceme postup automatizovat, budeme postupovat téměř stejně jako náš zkušený prodejce.

V prvním kroku musíme vytvořit tabulku, kde bude prodej každého produktu s každým. Kvalitní pravidla prodeje souvisejících produktů budou následující:

Obchodní potenciál pravidla se objeví právě jen v kombinaci silných produktů a silné souvislosti mezi nimi. Souvislosti mohou nastat z těchto důvodů:

Databázovým řešením, které zjistí, co skuteční zákazníci skutečně kupují dohromady, zabijeme několik much jednou ranou. Nemusíme se po jednotlivých souvislostech příliš pídit, protože nám je zákazníci v databázi zanechali.

Data miningový přístup znamená podívat se na kombinace každého produktu s každým jako na možná pravidla a vyhodnotit tyto kombinace z hlediska síly a četnosti výskytu. Celkové skóre pravidla je kombinací síly vazby mezi produkty a síly produktů (tedy jejich prodejnosti).
 Toto je jednoznačně nejlepší přístup jak vytvořit silná a platná pravidla. V praxi se ovšem mnoho e-shopů uchyluje k řádově jednodušším, ale méně účinným strategiím prodeje souvisejících produktů.

Praxe posadit brigádníka k Excelu, aby manuálně hledal, které produkty se mu zdají být související, je v českých e-shopech celkem běžná. Vede ovšem v nejlepším případě k nalezení příslušenství typu brašny k notebooku. Ostatní, méně intuitivní souvislosti, zůstanou manuálním párovačům zboží skryty, protože souvislosti na úrovni stejného životního stylu se dají jen velmi těžko poznat od stolu.

Ještě méně účinné než manuální párování je ovšem přebírání souvislostí od výrobců zboží. Výrobci sice často produkují ke svému zboží jakési příslušenství, občas toto „perfektně související“ zboží sami potopí cenou nebo designem. I k dobrému výrobku tak někdy vzniká příslušenství, které k němu prostě nikdo nebere. E-shop, který nekriticky přijímá produktové souvislosti od výrobců, tak může dělat zákazníkům poněkud medvědí službu. Dlužno dodat, že za nekvalitní služby se platí nezájmem zákazníků.

Modelová situace v řetězci s rychlým občerstvením

Korelace (vztahy) mezi prodejem jednotlivých produktů, založené na chování zákazníků

Cesta k nejlepší praxi

Vzorem všech e-shopů na poli doporučování produktů je jednoznačně Amazon. Mechanika obchodu je samozřejmě založena na analýze transakcí a pečlivě vyladěna pro doporučování opravdu relevantního zboží. Málokdy se tak stane, že by se zákazníkovi dostalo nerelevantních tipů na zboží.  V rámci „kamenného“ světa si zajděte pro dobrý příklad doporučování souvisejících produktů do kterékoli pobočky McDonald’s. Pokud neprojevíte pevnou vůli, odejdete s více produkty.

V českých podmínkách jsou algoritmy hledající související zboží součástí nejdražších balíčků softwaru pro e-shopy. Kromě „balíčkových řešení“ je možné najmout i data miningovou firmu jako je Data Mind a nechat ji, ať souvislosti spočítá ona. I v tom případě je možné integrovat proces hledání pravidel přímo do obchodu, aby fungoval na pravidelné bázi.

Zboží související s luxusními hodinkami nejsou jen hodinky, zdroj amazon.com

Je zřejmé, že automatizované modely souvislostí mezi produkty, nazývané analýza nákupního košíku, přinášejí velmi silné výsledky. Z praxe firmy Data Mind lze u velkých českých e-shopů najít tisíce pravidel, kde se doporučený produkt prodá s více než pětinásobnou pravděpodobností oproti nabízení náhodných produktů. Pokud tedy prezentujeme produkt, který skutečně souvisí, máme pětinásobnou pravděpodobnost prodeje, než když nabízíme libovolné katalogové položky. Takové zvýšení šancí na prodej už stojí za trochu snahy.

Je poněkud paradoxní, že mnoho e-shopů zatím po možnosti prodávat dle souvislostí nesáhlo, když doporučování produktů v kamenném prodeji zvládl běžný zelinář nebo řezník. Aplikace pravidel vzniklých z analýzy nákupního košíku neprobíhá jen prezentací souvisejícího zboží, ale i zaškolením personálu kamenných prodejen, cílením kampaní přímého marketingu apod. Dalšímu stupněm je pak vytváření balíčků zboží přímo na míru zákazníkovi. Rozumí se samo sebou, že balíčky zboží musí být výhodné jak pro prodávajícího, tak atraktivní pro zákazníka.

Možnosti prodeje souvisejícího zboží dle modelu nákupního košíku

Jak to vypadá reálně

Ačkoli zásadně neprezentuji data zákazníků, dovolím si malý příklad pravidla ze své velmi dávné implementace. Jde o úsměvné pravidlo, které říká, že po koupi matrace následuje koupě dětského pokoje. Souvislost samozřejmě není dána výrobcem, ale během života. V praxi Data Mind se později objevilo mnoho vtipných pravidel, ale toto stále vede na našem žebříčku. Pravidlo má ve skutečnosti velký obchodní potenciál, protože pokud budeme dětské pokoje prodávat lidem, kteří již přistoupili ke koupi matrací, zvýšíme účinnost prodeje více než čtyřnásobně.

Publikováno v časopise Computer

Tyto webové stránky používají k poskytování svých služeb soubory Cookies. Používáním těchto webových stránek souhlasíte s použitím souborů Cookies.
Nastavení Souhlasím
Souhlas můžete odmítnout zde.
×
Nastavení cookies

Zde máte možnost přizpůsobit soubory cookies dle kategorií, jak vyhovují nejlépe Vašim preferencím.

Technické cookies

Technické cookies jsou nezbytné pro správné fungování webové stránky a všech funkcí, které nabízí a nemohou být vypnuty bez zablokování funkcí stránky. Jsou odpovědné mj. za uchovávání produktů v košíku, přihlášení k zákaznickému účtu, fungování filtrů, nákupní proces nebo ukládání nastavení soukromí. Z tohoto důvodu technické cookies nemohou být individuálně deaktivovány nebo aktivovány a jsou aktivní vždy

Analytické cookies

Analytické cookies nám umožňují měření výkonu našeho webu a našich reklamních kampaní. Jejich pomocí určujeme počet návštěv a zdroje návštěv našich internetových stránek. Data získaná pomocí těchto cookies zpracováváme anonymně a souhrnně, bez použití identifikátorů, které ukazují na konkrétní uživatelé našeho webu. Díky těmto cookies můžeme optimalizovat výkon a funkčnost našich stránek.

Preferenční cookies

Preferenční cookies umožňují, aby si webová stránka zapamatovala informace, které mění, jak se webová stránka chová nebo jak vypadá. Je to například Vámi preferovaný jazyk, měna, oblíbené nebo naposledy prohlížené produkty apod. Díky těmto cookies Vám můžeme doporučit na webu produkty a nabídky, které budou pro Vás co nejzajímavější.

Marketingové cookies

Marketingové cookies používáme my nebo naši partneři, abychom Vám dokázali zobrazit co nejrelevantnější obsah nebo reklamy jak na našich stránkách, tak na stránkách třetích subjektů. To je možné díky vytváření tzv. pseudonymizovaného profilu dle Vašich zájmů. Ale nebojte, tímto profilováním zpravidla není možná bezprostřední identifikace Vaší osoby, protože jsou používány pouze pseudonymizované údaje. Pokud nevyjádříte souhlas s těmito cookies, neuvidíte v reklamních sděleních obsah ušitý na míru Vašim zájmům.

DALŠÍ ČLÁNKY