Využití doporučení produktů v e-mailovém marketingu

Doporučení podobných produktů je v e-commerce dostupné prostřednictvím různých systémů už delší dobu. Nejedná se o nový trend, ale zároveň je v této oblasti řada novinek a nápadů či realizací, o nichž by měl každý správný marketér vědět. 

V českém e-commerce prostředí je rekomendace většinou spojená s doporučováním zboží přímo na e-shopu, ale zatím jsme narazili na relativně malý počet realizací, kde by byla propojena s e-mailovým marketingem.

Jak rekomendační systémy fungují?

První otázkou typického marketéra je, jak rekomendační systémy fungují a jaká data potřebují. Proces využití doporučovacích algoritmů funguje ve zkratce následujícím způsobem:

• Poskytnutí dat (respektive poskytování ideálně v reálném čase) o chování návštěvníků/zákazníků:
  • pohyb po webu – například navštívené produkty na e-shopu,
  • nákupy zákazníků,
  • katalog produktů, ideálně včetně různých parametrů + odkazy na obrázky.
• Na pozadí rekomendačního systému se neustále přetváří model, podle kterého jsou následná doporučování poskytována.
• Na základě vyžádání (+ typ rekomendace) jsou dle modelu vrácena data, kterými mohou být například:
  • doporučené produkty pro daného zákazníka,
  • doporučený produkt k produktu, který zákazník viděl, ale nekoupil,
  • doporučený produkt k produktu, který zákazník koupil nebo je blízko k jeho nákupu (například má dané zboží v košíku),
  • doporučení vizuálně podobného zboží (může se hodit pro módní e-shopy),
  • doporučení segmentu zákazníků, kteří by mohli mít zájem o konkrétní zboží.
• Následně je velmi důležité vygenerovaná doporučení vyhodnocovat s ohledem na jejich úspěšnost – většina systémů se umí velmi dobře sama učit a přizpůsobovat model dle výsledků.

Většina realizací využití rekomendačních systémů je řešena pro zobrazení na e-shopu, kdy se vše výše uvedené většinou děje na pozadí bez nutnosti (a bohužel také možnosti) do procesu zasahovat nebo ho přizpůsobovat.

Pro doporučení produktů v e-shopu není většinou třeba znát identitu konkrétního návštěvníka. Identita je případně získána tehdy, když dojde k přihlášení registrovaného zákazníka – a to je velmi malý zlomek návštěvnosti. Dvojnásob to platí v případě, kdy vyloučíme nakupující návštěvníky. Pokud tedy chceme využít rekomendace do e-mailových kampaní, je potřeba jít za tuto hranici a najít způsob, jak konkrétního návštěvníka identifikovat.

Jak nastartovat rekomendace v newsletterech?

Nutným základem je znát identitu (především e-mail) návštěvníka, jemuž chceme produkty doporučit. Technologických způsobů k jejímu zjištění je více, ale vždy bude řešení vycházet z toho, že musíme umět sledovat prokliky ze zaslaných newsletterů (a všech automatických kampaní). Po prokliku si uložíme identitu návštěvníka, případně může jít o nějaký hash nebo jinou formou přizpůsobený identifikátor, který nejde podvrhnout či zneužít.

Pokud toto splníme, jsme schopni sledovat pohyb zákazníka na webu, což dnes zvládá řada pokročilejších nástrojů pro e-mail marketing. K dříve anonymnímu profilu následně dokážeme propsat konkrétní identitu návštěvníka. Pokud tato identifikovatelná data máme k dispozici spolu s anonymními daty o používání webu, můžeme se pustit do následného generování doporučení.

Situace je oproti zobrazování rekomendací na webu složitější – obsah se nezobrazuje a nelze vyhodnocovat vliv doporučení v reálném čase. Generován je povětšinou dávkově s tím, že tento obsah zákazník nemusí vůbec vidět (kupříkladu když neotevře newsletter). Je tedy vhodné pro trénování rekomendačního systému poskytovat zpětně následující informace:

• odeslání e-mailu s doporučenými produkty (+ jakými),
• kliknutí na doporučený produkt (+ jaký).

Zpětné poskytování dat je žádoucí i z důvodu, aby se poskytnutá doporučení u daného zákazníka příliš neopakovala a aby se tudíž tento obsah dal používat napříč různými kampaněmi neustále.

Vhodné e-mailové kampaně

Doporučování je obzvláště vhodné využít pro následující e-mailové kampaně a možnosti:

• Klasické pravidelné newslettery – Pokud začleníte další prvek, který je specifický pro daného zákazníka, zvýšíte tím nejen výkon newsletteru, ale dosáhnete také toho, že zákazníci budou newslettery, které jim posíláte, číst a lépe vnímat, protože budou mít zkušenost, že v nich naleznou i konkrétní doporučení určené jen jim.
• Kampaň po objednávce – Rekomendace produktů, které jsou doporučené pro zboží, jež si zákazník naposledy objednal.
• Browse remarketing kampaň (zákazník si prohlížel zboží, ale nenakoupil) – Doporučení produktů vhodných pro daného zákazníka + doporučené produkty k produktům, které si prohlížel.
• Svátková kampaň – Dejte zákazníkovi pobídku k nákupu a doporučte mu produkty přímo pro něj. Úspěch zaručen.
• Rozesílka s konkrétními sortimentními kategoriemi – Produktová nabídka určená pouze pro zákazníky, u kterých jsou tyto produkty doporučené, a je tak velmi pravděpodobné, že je zaujmou.

Podobných scénářů a nápadů je možné vymyslet celou řadu. Hodí se je ale přizpůsobit pro konkrétní e-shop a segment trhu, na němž obchodník působí.

Doporučování produktů zákazníkům můžete vylepšit například i o hodnocení ostatních zákazníků daného konkrétního zboží (lze řešit plně automatizovaně) a poskytnout tím zákazníkovi další benefit oproti „pouhému“ zobrazení doporučených produktů.

Pokud vás láká vyzkoušet, jak budou vaši zákazníci reagovat na obsah šitý přímo na míru každému z nich, využijte k tomu konzultaci odborníka. Většinu celého procesu – od sběru dat přes generování doporučení až po řešení zpětných stavů – je přitom možné zajistit tak, aby bylo vaše vlastní IT oddělení zapojeno jen minimálně.