Avtomatizacija ponovne zaloge in znižanja cen

Kako združiti obvestila o znižanju cene s priporočili izdelkov

Posted on July 19, 2026 by

Blok s priporočili v emailu o znižanju cene deluje takrat, ko si priporočila zaslužijo svoje mesto — ko so resnično povezana, na zalogi in koristna za nekoga, ki mu je mar za izdelek, ki mu je padla cena. Znižani izdelek postavite na vrh, samega, z novo ceno in razlogom. Pod njim dodajte tri ali štiri dopolnitve: stvari, ki se z njim ujemajo, druge izdelke, ki si jih je kupec ogledal in jim je prav tako padla cena, ali blizu alternativ, če je znižani izdelek skoraj razprodan. Cilj je dvigniti povprečno vrednost naročila in ujeti kupca, ki je email odprl zaradi enega izdelka, zdaj pa je v nakupovalnem razpoloženju. Kar to ubije, so priporočila za polnilo — naključne uspešnice, izbori, ki jih ni na zalogi, “morda vam bo všeč tudi to”, ki nima z ničimer nobene zveze. Relevantna priporočila dvignejo naročilo; lena povzročijo, da je email videti kot vsaka druga promocija in ga ljudje prezrejo.

Takole zgradite blok, da dejansko doda prihodek namesto nereda.

Zakaj samo obvestilo pušča denar na mizi

Obvestilo o znižanju cene ima ozko nalogo: zainteresirani osebi pove, da je en izdelek postal cenejši. Običajno deluje — namera je bila že tam, vi ste samo odstranili še zadnje trenje. A sklene točno eno prodajo, pogosto znižano, in potem je konec.

To je zamujen trenutek. Ko nekdo odpre email o znižanju cene in klikne skozi, je ogret — izdelek mu je bil dovolj pomemben, da je bil na seznamu obveščanja, zdaj pa ima razlog za ukrepanje. Kupec sredi odločanja o jakni za 45 €, ki je pravkar padla na 38 €, je ravno takrat tudi kupec, ki bi lahko dodal ujemajoč se šal ali opazil, da so tudi škornji, ki si jih je prejšnji teden ogledal, znižani. Pošljite golo obvestilo in postregli ste povpraševanju, ki ste ga že poznali, hkrati pa prezrli povpraševanje, ki sedi en klik stran.

Zakaj le prilepiti “morda vam bo všeč tudi to” ne deluje

Refleks je vstaviti generični gradnik s priporočili — isti blok “priljubljeni izdelki”, ki ga uporabljate povsod — in reči, da je opravljeno. To slabo deluje iz preprostega razloga: ignorira zakaj je oseba odprla email.

Odprla ga je zaradi določenega izdelka po določeni novi ceni. Blok nepovezanih uspešnic proti temu kontekstu deluje kot šum. Še huje, generični gradniki z veseljem prikažejo izdelke, ki jih ni na zalogi, ali stvari v napačni velikosti, tako da polovica priporočil vodi v slepo ulico — isti ubijalec zaupanja, ki ga obravnava Kako obnoviti košarice, ko zmanjka izdelkov, kjer priporočilo na stran, s katere ne moreš kupiti, naredi več škode kot nobeno priporočilo. Cilj ni več priporočil. Relevantna priporočila so. Štiri dobra premagajo dvanajst naključnih, vsakič.

Kje se skriva dodatni prihodek

Naredite grobo matematiko. Recimo, da obvestilo o znižanju cene konvertira in je povprečno obnovljeno naročilo vredno 40 €. (Ilustrativno.) Če relevanten blok s priporočili dvigne vrednost naročila že pri enem od šestih od teh konverzij za povprečno 15 € — en dopolnilni dodatek — je to dodatnih približno 2,50 € na email, ki konvertira, naloženih na vrh prodaje, ki ste jo tako ali tako opravili.

Malo na email. A obvestila o znižanju cene se sprožajo neprekinjeno po vsem zaposlenem katalogu, tako da se hitro sešteje, in pošiljanje ne stane nič dodatnega — email je odhajal tako ali tako. Puščanje ni v tem, da so priporočila težka; v tem je, da večina trgovin pošlje obvestilo golo in nikoli ne ujame dodatka, ki je bil en relevanten blok stran. Plačali ste za izgradnjo seznama in sprožitev pošiljanja. Priporočilo je brezplačen dobiček na prometu, ki ga že imate.

Praktična izgradnja

1. Začnite z znižanim izdelkom, samim. Nova cena, stara cena prečrtana, iskren razlog, zakaj je padla (glejte Kaj naj vsebuje email o znižanju cene). Ne zakopljite stvari, zaradi katere so prišli, pod mrežo.

2. Nato izberite pravi tip priporočila za situacijo:

Dopolnitve, ko je izdelek v zdravi zalogi: kaj se z njim ujema. Znižali ste mlinček za kavo? Pokažite zrna, filtre, tehtnico. To je dvigalec povprečne vrednosti naročila.
“Drugi izdelki, ki ste si jih ogledali in so prav tako znižani”, ko imate podatke o brskanju: tiho eden najmočnejših blokov, ker je vsak izdelek nekaj, za kar je kupec že nakazal zanimanje, zdaj s svežim razlogom za nakup.
Blizu alternative, ko je znižanega izdelka skoraj zmanjkalo: ista kategorija, podobna cena, na zalogi — tako da email še vedno konvertira, tudi če se glavni izdelek razproda. Pravila izbora so tu ista kot v Kako priporočiti alternative v emailu o zapuščeni košarici.

3. Vsako priporočilo naj bo pošteno. Na zalogi v kupljivi različici. Resnično povezano — človek bi moral pogledati ujemanje in pokimati. Trije ali štirje izdelki, ne zid. Če ne morete napolniti štirih relevantnih mest, pokažite dva. Prazno delujoč blok premaga napolnjenega, nerelevantnega.

4. Ne pustite, da priporočila zakopljejo znižanje. Obvestilo je razlog za email. Priporočila ga podpirajo; ne nadomeščajo ga. Eno jasno primarno dejanje (kupi znižani izdelek), nato podporni blok.

Kaj natančno avtomatizirati

Sprožilec: znižanje cene izdelka, ki prečka vaš prag, poslano kupcem, ki so nakazali zanimanje zanj. Logika priporočil se izvede ob pošiljanju, tako da sta zaloga in cena aktualni.
Segment: najprej zainteresirani kupci — ogledovalci, tisti z željnim seznamom, tisti, ki so izdelek pustili v košarici. Priporočila se nato personalizirajo glede na njihovo vedenje, kjer ga imate.
Časovnica: takoj po znižanju; priporočila ne spremenijo časovnice, spremenijo vsebino.
Kanal: email, kjer se blok z več izdelki pravilno izriše. SMS nosi le obvestilo z enim izdelkom — ne poskušajte natlačiti priporočil v sporočilo.
Vsebina: znižani izdelek na vrhu; dinamični blok 3–4 dopolnitev, prav tako znižanih izdelkov ali alternativ na zalogi pod njim; vsako priporočilo preverjeno glede zaloge ob pošiljanju.
Cilj: konvertirati obvestilo in dvigniti povprečno vrednost naročila, ne da bi priporočila kdaj kazala na nekaj, česar kupec ne more kupiti.

Primer iz trgovine

Trgovina, ki prodaja začetniško espresso opremo. (Ilustrativno.) Stranka je na željni seznam dala aparat za 120 €, ki pade na 99 €. Obvestilo se začne z aparatom — nova cena, razlog (“konec modela 2024, zadnji kosi”). Pod njim blok s priporočili: tamper, vrečka zrn, vrč za mleko. Vse na zalogi, vse stvari, ki jih prvi kupec espressa dejansko potrebuje.

Kupec je prišel po aparat in odide z aparatom plus tamper za 14 €, ker je ujemanje očitno smiselno ravno v trenutku, ko je kupoval. Če bi bil aparat na zadnjem kosu, bi se blok zamenjal za dva primerljiva aparata na zalogi — tako da email še vedno konvertira, tudi če se glavni izdelek sredi pošiljanja razproda. Tu ni izmišljene številke o dvigu; zasnova preprosto zavrača, da bi ogret, odprt email zapravila na eni sami postavki.

Kaj meriti

Povprečna vrednost naročila: emaili o znižanju cene s priporočili proti brez njih — izvedite kot A/B test za nekaj tednov. To je številka, ki dokaže, da si blok zasluži svoje mesto.
Klikljivost bloka s priporočili in pripisan prihodek — kateri tip priporočila (dopolnitve, prav tako znižano, alternative) dejansko vleče, tako da se naslonite na zmagovalca.
Stopnja konverzije na primarnem izdelku — potrdite, da priporočila ne odvračajo od glavne prodaje. Če znižanje slabše konvertira ob prisotnih priporočilih, ste ga zakopali.
Stopnja klikov na priporočila brez zaloge — mora biti blizu nič. Če ni, je vaše preverjanje zaloge ob pošiljanju pokvarjeno.

Kako pomaga Omnisend

Mehanika, ki to poganja, so dinamični bloki izdelkov, ki spoštujejo zalogo ob pošiljanju, plus vedenjski podatki za personalizacijo priporočil osebi, ki odpira email. Statična, ročno izbrana priporočila zastarijo v trenutku, ko se nekaj razproda.

Preizkusil sem Klaviyo in Omnisend ter po svojih trgovinah uporabljam Omnisend. Za to izgradnjo so uporabni deli: bloki priporočil izdelkov, ki potegnejo žive podatke iz kataloga (tako da izdelek brez zaloge samodejno izpade), priporočila na podlagi vedenja, vezana na to, kar si je kupec ogledal ali kupil, in možnost izvedbe testa s priporočili proti brez njih znotraj iste avtomatizacije. Ne bo izumil relevantnosti — če je vaša logika “povezanega” ohlapna, bo veselo pokazal zaspano ujemanje, tako da pravila še vedno določate vi. In priporočilo ne more rešiti znižanja, ki ga nihče ni hotel. A ko so ujemanja prava, jih to ohranja živa in personalizirana brez ročnega vzdrževanja. (Omnisend je orodje, ki ga uporabljam in priporočam; vsaka partnerska povezava tukaj je razkrita — isti blok deluje v vsaki platformi z živimi katološkimi priporočili.)

Vaš naslednji korak

Odprite svoj trenutni email o znižanju cene. Če je samo en izdelek in gumb, dodajte pod njim en blok s priporočili — začnite z dopolnitvami znižanega izdelka, preverjenimi glede zaloge ob pošiljanju. Nato ga A/B testirajte proti goli različici nekaj tednov in opazujte povprečno vrednost naročila. Če priporočila dvignejo vrednost, ne da bi škodila primarni konverziji, jih obdržite in nato testirajte različico “prav tako znižano”.

Če avtomatizacije za znižanje cene še niste zgradili, začnite z Kako zgraditi avtomatizacijo obvestil o znižanju cene.

Back-in-Stock and Price-Drop Automation

How to Combine Price-Drop Alerts With Product Recommendations

Posted on July 10, 2026 by

To combine price-drop alerts with product recommendations, keep the discounted product as the single hero of the email, then add a small recommendation block below it — two to four items that are either bought together with the hero product or sit in the same category at full price. The alert does the job of getting the click; the recommendations raise average order value once the shopper is already motivated. Done well, the same automation that recovers one hesitant buyer also sells a full-price accessory next to the marked-down item, which protects the margin you gave away in the discount.

That’s the whole idea. The rest of this article covers how to build it without turning a sharp, single-purpose alert into a cluttered catalog email.

Why a plain price-drop alert leaves money on the table

If you run a store doing €30,000 or €80,000 a month, you already know the pattern. A shopper views a €90 pair of trail shoes three times, doesn’t buy, and disappears. Two weeks later you reduce the shoes to €69. A price-drop alert brings that shopper back — and they buy exactly one thing: the shoes, at the reduced price.

You got the sale, but look at what it cost. You paid for the original click through Meta or Google, you gave up €21 of price, and the order contains nothing at full margin. Multiply that across a season of markdowns and the “wins” from price-drop alerts start looking thin. The usual response is to push more ads at these people or discount deeper next time. Both make the underlying problem worse: rising acquisition cost and shrinking margin per order.

The leak is specific. A shopper opening a price-drop email is at their highest buying intent since their first visit — and most stores show them exactly one product. Here’s an illustrative calculation (invented numbers, just to show the shape): if 200 people a month buy from your price-drop alerts at an average order of €69, that’s €13,800. If a recommendation block gets even a modest share of those orders to add one €25 full-price item, every such order is worth €94 instead of €69 — and the added €25 carries no discount at all. You don’t need heroic attach rates for that to matter; you need the block to exist.

What to build, in order

First, get the basic alert working. If you don’t have one yet, start with building the price-drop alert automation itself before layering anything on top. A recommendation block on an alert nobody receives is decoration.
Second, decide your recommendation logic. Complements beat substitutes. Someone alerted about trail shoes should see socks, insoles, or a running belt — not four other shoes that compete with the one you just discounted.
Third, add the block to the template. One row, two to four products, below the hero product and the button. Full-price items only.
Later, not now: per-segment recommendation rules, dynamic bundles, SMS variants. Skip these until the email version has run for a month and you can see attach behavior in the numbers.

The exact automation, piece by piece

“Set up a price-drop flow with recommendations” is not a spec. This is:

Trigger: price of a specific product drops below the price it had when the shopper last interacted with it. Set a minimum threshold so trivial changes don’t fire — how big the drop should be before you notify is its own decision, but 10–15% is a sane starting point.
Segment: contacts who viewed that product 2+ times, added it to cart, or wishlisted it in the last 30 days, and haven’t purchased it. Exclude anyone who bought from the same category in the last 7 days.
Delay: send within 1–2 hours of the price change. Price drops are often time-limited; a 24-hour delay wastes the urgency.
Channel: email carries the recommendation block — it has the visual room. If you also send SMS to your most engaged contacts, keep the SMS to the alert alone; a text message is the wrong place for a product grid.
Message: subject names the product and the drop (“The Ridgeline trail shoe just dropped to €69”). Body: hero product with old and new price, one button, then a labeled row — “Goes well with it” — showing 2–4 complementary full-price items with small images and prices. What belongs in the alert itself is covered in more detail in what a price-drop email should include.
Goal: not just “recover the sale” — raise revenue per alert sent by increasing the share of alert-driven orders that contain more than one item.

Choosing the right products for the block

Three rules keep the block from backfiring. First, never recommend a cheaper substitute — a €49 competing shoe next to the €69 hero invites a downgrade. Second, keep recommended items below roughly half the hero’s price; a €25 add-on is an impulse, a €70 add-on is a second decision. Third, only show in-stock items. Recommending something unavailable is a dead click — though if a strong complement is temporarily out, a restock signup can catch that interest, the same way out-of-stock products can become email subscribers.

A concrete example

Say you sell kitchen gear. The €120 cast-iron skillet you’ve watched 340 people view without buying goes on sale at €95. The alert goes to the 62 contacts who viewed it at least twice in the past month. Hero: the skillet, €120 struck through, €95 in bold, one button. Below: a €14 chainmail scrubber, an €18 silicone handle cover, a €22 cookbook. All full price, all under €25, all obviously belonging to the skillet.

Illustrative math, invented for the example: if 8 of those 62 buy, that’s €760 in recovered skillet revenue. If 3 of the 8 add one accessory averaging €18, that’s €54 more — small in absolute terms, but it’s pure full-margin revenue on an email that cost you nothing to send, and it compounds across every markdown you run all year.

The four numbers that tell you if it’s working

Revenue per alert recipient — the master metric; it captures both recovery and attach effects.
Attach rate — share of alert-driven orders containing at least one recommended item.
Average order value of alert orders vs. your store-wide AOV.
Click share of the recommendation block — if under a few percent of email clicks, your product choices are wrong, not the concept.

Check these monthly. If attach rate is near zero after 30 days, swap the recommended products before touching anything else.

Doing this in Omnisend

I put off email automation for years and only took it seriously when ad costs forced the issue. When I finally compared tools for my own stores, I tested Klaviyo and Omnisend side by side and settled on Omnisend — it was noticeably easier to self-manage and cheaper at my list size, and price-drop flows were something I could build in an afternoon rather than a weekend.

In practice: Omnisend’s price-drop trigger watches products a contact has viewed or added to cart and fires when the store’s product feed shows a lower price. In the email builder, you add a Product Recommender block below the hero product and set it to related or personalized items; it pulls titles, images, and live prices from your catalog automatically, so you’re not rebuilding the block every markdown.

Two honest caveats. The recommendations are only as good as your catalog data — if your products lack categories or your “related items” are random, the block will look random too, and you’ll want to hand-pick products instead. And no recommendation block rescues a weak drop: if the discount is 5% on a product nobody wanted, the automation will faithfully report that nobody wanted it.

Your next step

Open your last month of orders that came from any discount or markdown, and count how many contained more than one item. If it’s under a quarter, add a three-product recommendation row to your existing price-drop template this week — and if you’re worried alerts might train people to hold out for discounts, read how to use price-drop alerts without encouraging shoppers to wait before you scale it up.