Kako po ogledu izdelka priporočiti podobne izdelke

Ko si nekdo ogleda izdelek in odide brez nakupa, mu dober email za sledenje ne pokaže le tega izdelka znova — ob njega postavi eno ali dve sorodni možnosti. Trik je v tem, katere možnosti. Po ogledu izdelka delujejo tiste izbire, ki okrepijo to, kar je osebi že bilo všeč: ista kategorija, isti slog, isti namen, opravljen malce drugače, ali stvar, ki jo ljudje običajno gledajo ob njem. Širite izbiro okoli njihovega zanimanja, ne nadomeščate ga. Kupec, ki je pogledal volnen plašč, bi morda maral tudi druga dva volnena plašča te teže ali šal, ki gre zraven — ne naključnega najbolje prodajanega izdelka iz gospodinjskega oddelka. Če logiko zastavite pravilno, sorodna vrsta reši obiske, ki bi jih sam glavni izdelek izgubil. Če jo zastavite napačno, deluje kot šum.

Poglejmo, kako izbrati izbire, ki zares pomagajo.

Okrepi, ne nadomesti

Obstajata dva zelo različna razloga, da pokažete več izdelkov, in njuno zamenjevanje je najpogostejša napaka, ki jo vidim.

Okrepitev pomeni: tej osebi je bilo to všeč, tukaj so podobne stvari, ki ji bodo verjetno prav tako všeč. Ista kategorija, ista estetika, sosednji izdelki. Ogledani izdelek je še vedno zvezda; dodatki so spremljevalni pevci.

Nadomeščanje pomeni: prav ta izdelek je zanjo napačen — ni na zalogi, ni v proračunu, napačna velikost — zato je tukaj nadomestek, ki opravi isti namen. To je drugačno sporočilo z drugačnim sprožilcem in sodi v kako uporabiti alternative izdelkov v sporočilih za sledenje. Ta članek govori le o prvi vrsti. Če vaša sorodna vrsta ljudi tiho usmerja stran od izdelka, ki so si ga ogledali, proti cenejšim nadomestkom, kanibalizirate lastno zanimanje.

Namig je namera. Po navadnem ogledu izdelka — nekdo je pogledal, brez signala, da je bilo kaj narobe — predpostavite, da je zanimanje resnično, in gradite na njem. Po alternativah posežete le, ko obstaja razlog, da izvirnik ne bo deloval.

Zakaj so »najbolje prodajani« lena privzeta izbira

Večina trgovin, ko na email pribije blok priporočil, vstavi najbolje prodajane izdelke po vsej strani. To je pot najmanjšega odpora in običajno najšibkejša izbira. Nekomu, ki je pravkar preživel čas na določeni mizi iz orehovine v sredinsko-stoletnem slogu, ni mar, da je vaš najbolje prodajani izdelek ta mesec stojalo za telefon za 12 €. Priporočilo prezre vse, kar ste se pravkar naučili o njej.

Signal iz ogleda izdelka je ozek in koristen: ta oseba je zainteresirana za to vrsto stvari, prav zdaj. Splošna vrsta najbolje prodajanih to zavrže in nadomesti s tem, kar je priljubljeno v celoti. Priljubljeno v celoti je tisto, kar pokažete prvič prispelemu obiskovalcu domače strani, ki vam ni povedal ničesar. Po ogledu izdelka veste več, zato to izkoristite.

Štiri vrste izbir, ki okrepijo ogled

Izbirajte med temi, v grobem vrstnem redu, kako tesno držijo kupčevo zanimanje:

1. Ista kategorija, tesno ujemanje. Najzanesljivejše. Ogledal si je čelado za cestno kolo? Pokažite druge cestne čelade blizu te cene in velikosti. To so bližnji nadomestki, a predstavljeni kot več za izbiro in ne kot »izbrali ste narobe«. Nekdo, ki primerja možnosti znotraj kategorije, je točno oseba, ki ji polnejša izbira pomaga.

2. Isti slog ali zbirka. Ogledal si je en izdelek iz oblikovalske linije, pokažite preostanek te linije. Dobro deluje tam, kjer nakup poganja okus — pohištvo, moda, dom. Oseba kupuje videz, ne le predmet.

3. »Ljudje so si ogledali tudi / kupili tudi«. Priporočila, zgrajena iz resničnega vedenja — kaj so si drugi kupci, ki so pogledali ta izdelek, nato ogledali ali kupili. To pri obsegu premaga ročno izbrane sezname, ker izpostavi pare, ki jih nikoli ne bi uganili. Potrebuje dovolj prometa na izdelku, da je smiselno; pri izdelku z 20 ogledi na mesec je podatkov premalo, da bi jim zaupali.

4. Pristni dopolnilni izdelki (navzkrižna prodaja). Stvari, ki gredo skupaj z ogledanim izdelkom. Ogledal si je ohišje fotoaparata, pokažite dva objektiva, ki ju ljudje uparijo z njim. To se nagiba proti ozemlju navzkrižne prodaje, zato ga v emailu za ogled izdelka uporabljajte zmerno — oseba se glavnemu izdelku še ni zavezala in nakopičeni dodatki za nekaj, o čemer se še ni odločila, lahko delujejo vsiljivo. En okusen dopolnilni izdelek, ne cel komplet.

Večina emailov za ogled izdelka potrebuje eno ali dve izbiri, ne šest. Kratka vrsta ohranja ogledani izdelek kot junaka. Mreža devetih spremeni email v katalog in pokoplje stvar, ki so si jo dejansko ogledali.

Kako ohraniti relevantnost, ne naključnosti

Nekaj pravil, ki ločijo koristno od šumnega:

Ostanite v cenovni soseščini. Nekdo, ki gleda izdelek za 40 €, ne želi zraven predloga za 300 €, in obratno. Izbire ohranite znotraj razumnega pasu okoli ogledanega izdelka.
Spoštujte očitne omejitve. Če poznate ogledano različico — velikost, barvno družino — ne priporočajte izdelkov, ki očitno trčijo. Priporočanje vrste moških čevljev v majhni velikosti nekomu, ki si je ogledal ženske škornje, deluje kot pokvarjen sistem.
Odfiltrirajte izbire, ki niso na zalogi. Nič ne načne zaupanja hitreje kot »morda vam je všeč tudi«, ki vodi na 404 ali kaže »razprodano«. Če vaš vir priporočil ne more izključiti nedosegljivih izdelkov, to popravite, preden pošljete.
Omejite število. Ena do tri izbire v emailu za ogled izdelka. Več od tega in spremenili ste nalogo emaila.

Tam, kjer kategorija veliko šteje — trgovina, kjer pravo priporočilo za nakit izgleda popolnoma drugače kot pravo za prtljago — boste želeli, da se logika razlikuje po kategoriji, namesto enega pravila za ves katalog. To je tema članka kako personalizirati zapuščen ogled izdelka po kategoriji izdelka.

Primer trgovine

Trgovina, ki prodaja srednje cenovno pisarniško pohištvo, mize in stole od 150 do 500 €, je imela spodoben promet na straneh izdelkov in veliko primerjalnega nakupovanja — ljudje so očitno pretehtali tri ali štiri mize, preden so izbrali. (Ponazoritveno.) Njihov email za sledenje je pokazal ogledano mizo plus blok najbolje prodajanih izdelkov po vsej strani, kar je za kupca miz pomenilo pladenj za kable in podlogo za miško. Ni neuporabno, a ni bistvo.

Sorodno vrsto smo spremenili tako, da je izvlekla dve ali tri druge mize v istem razponu velikosti in površinske obdelave, plus en ujemajoč stol kot en sam dopolnilni izdelek. Email se je nehal boriti proti kupčevi nameri in ji začel streči: tukaj je miza, ki vam je bila všeč, tukaj so bližnje, ki jih morda niste našli, in stol, ki se ujema, če opremljate cel kot. Vrsta je iz okrasa postala razlog za klik.

Kaj avtomatizirati

Sprožilec: znan stik si ogleda izdelek, brez dodajanja v košarico, brez nakupa v oknu.
Segment: dosegljivi stiki, izključeni iz vsakega aktivnega toka za košarico.
Vsebina: ogledani izdelek kot junak, plus dinamični blok priporočil, nastavljen na isto kategorijo / ogledano tudi, omejen na dva ali tri, s cenovnim pasom, samo na zalogi.
Kanal: email; sorodna vrsta tam deluje dobro.
Cilj: klik na ogledani izdelek ali močno bližnjo izbiro, nato dodajanje v košarico, na tej točki prevzame obnovitev košarice.

Sorodna vrsta je en del celotnega emaila. Drugi elementi — pomiritev, en sam glavni gumb, okvirjenje cene — so obravnavani v kaj naj vsebuje email za zapuščen ogled izdelka.

Kaj meriti

Razporeditev klikov — ali ljudje kliknejo ogledani izdelek, priporočila ali nič? Če priporočila pobirajo večino klikov, bodisi ogledani izdelek ni prepričljiv bodisi so vaše izbire zares boljša ujemanja, vredna učenja.
Stopnja od ogleda do košarice emailov s priporočili proti tistim brez. Preizkusite; priporočila niso samodejno boljša za vsak katalog.
Prihodek na prejemnika v toku.

Če sorodni blok dobiva klike, a nobene košarice, so izbire zanimive, a napačne — dovolj blizu, da premamijo, ne dovolj blizu, da prepričajo.

Kako se vklopi Omnisend

Deli, ki jih to potrebuje: sprožilec ogleda izdelka, dinamični blok izdelka za ogledani predmet in blok priporočil, ki lahko izvleče izbire iz iste kategorije ali na podlagi vedenja in filtrira na zalogo. V svojih trgovinah uporabljam Omnisend, potem ko sem ga testiral proti Klaviyu, deloma zato, ker so bili njegovi bloki priporočil izdelkov preprosti za nastavitev, ne da bi bilo treba sešiti ločen priporočilni pogon. (Uporabljam ga in priporočam; vsaka partnerska povezava je razkrita, logika tukaj pa velja ne glede na to, katero orodje uporabljate.)

Ena poštena omejitev: samodejna priporočila so le tako dobra kot vaši katalogni podatki in vaš promet. Pri majhnem katalogu ali izdelku z nizkim prometom ima »ljudje so si ogledali tudi« premalo za delo in preprosto pravilo iste kategorije, ki ga nastavite ročno, bo pogosto premagalo algoritem.

Vaš naslednji korak

Odprite svoj trenutni email za ogled izdelka in poglejte sorodno vrsto. Če kaže najbolje prodajane izdelke po vsej strani, ga preklopite na izbire iz iste kategorije ali ogledane tudi, omejene na tri in filtrirane na zalogo, ter ga dva tedna preizkušajte proti stari različici. Nato, če se vaše kategorije med seboj zelo razlikujejo, naravnajte logiko po kategoriji z kako personalizirati zapuščen ogled izdelka po kategoriji izdelka.

To recommend similar products after a product view, wait a few hours, then send an email that leads with the viewed product and follows with two to four alternatives from the same category and a similar price range — picked by rules you control (same category, ±30% price, in stock), not by an algorithm you can’t inspect. The viewed product goes first because most shoppers who return buy the thing they originally looked at; the alternatives exist for the minority who hesitated because of color, size, or price. Get the ratio wrong — a grid of twelve loosely related items with the original buried in it — and the email performs like a catalog blast instead of a follow-up.

The situation: interest without a purchase, at your expense

You’re paying for clicks. A shopper lands on your €120 running shoe page from a TikTok ad, scrolls the photos, checks the size chart, and leaves. Nothing in your analytics flags this as a failure — it’s just another session — but you paid real money for it and got nothing back. Multiply that by every product view that ends without an add-to-cart and you’re looking at the single largest pool of wasted spend in most stores’ budgets.

The reflex answer is retargeting ads, which means paying Meta a second time to show the same shoe to the same person — and a third time, and a fourth. Retargeting has its place, but for shoppers you’ve already identified (subscribers, past customers), email does the same job at no marginal cost and with more room to say something useful, like “here are three similar shoes if that one wasn’t right”.

Why “similar” beats “more”

When a shopper views a product and doesn’t buy, there are only a few likely reasons: not ready yet, price felt high, wrong variant, or comparing with competitors. A recommendation email addresses three of those four at once. The viewed product handles “not ready yet”. A slightly cheaper alternative handles “price felt high”. A different colorway or style handles “wrong variant”. Only the competitor comparison is out of your hands — and even there, keeping your products in front of them helps.

What doesn’t help is breadth. Recommending your candle bestsellers to someone who viewed running shoes tells the shopper you’re not paying attention. Relevance is the entire value of this email; without it you’re sending a newsletter with worse timing.

How to pick the alternatives: rules first, algorithm later

Start with rules you can write on a sticky note:

Same category as the viewed product. Shoes with shoes.
Price within roughly ±30% of the viewed item. Someone considering a €120 shoe isn’t shopping your €35 clearance rack, and showing a €300 option reads as an upsell attempt.
In stock, in the popular sizes. Nothing wastes a click like a sold-out recommendation.
Two to four items, never more. Beyond four you’re back to catalog mode.

Most email platforms offer algorithmic recommenders (“customers also viewed”). They’re fine once you have volume, but with a small catalog or thin data they produce odd pairings. Rules give you predictable relevance from day one; switch on the algorithm later and A/B test it against your rules. If the same shopper keeps viewing one product repeatedly, that’s a different signal with its own playbook — see handling repeated views of the same product.

The flow, specified end to end

Trigger: product page view by an identified contact, no add-to-cart, no purchase in the session.

Segment and exclusions: subscribers and past customers only. Exclude active carts (cart recovery owns those), purchases in the last 24 hours, and low-intent views — a two-second bounce isn’t interest. A minimum time-on-page or a repeat-view condition filters those; there’s a full method in how to exclude low-intent product views.

Delay: 3–4 hours after the viewing session ends. Long enough to not feel like a tail, short enough that the product is still on their mind.

Channel: email. Push can work as a lighter second touch later; SMS is too expensive and too intimate for a product view.

Message structure: subject line naming the viewed product or its category (“Still comparing running shoes?”). Body: viewed product with image and price up top, one line of copy that gives the reader an out (“Not quite the one? These are close”), then the two-to-four alternatives row with images, names, and prices. One CTA per product, straight to each product page. Everything else — the full framework is in what a product abandonment email should include — stays minimal.

Goal: a return visit to any of the shown products, measured by click-through and attributed orders.

An illustrative example

Take a store selling home fitness gear, €55,000 a month in revenue. In a month, 600 identified contacts view a kettlebell or dumbbell page without adding to cart. The flow sends each of them the viewed product plus three alternatives in the same weight class. Suppose 40% open, 9% click, and clicks split 70/30 between the original product and the alternatives — the alternatives just captured returns that a single-product email would have lost. If 1.8% of recipients order at €60 average, that’s about 11 orders and €650 in the month. All of these numbers are invented to show the mechanics, not benchmarks to expect — but notice where the alternatives earn their place: not by outselling the original, but by rescuing the “close but not quite” shopper.

What to measure

Click-through rate on the alternatives block vs the main product — tells you whether your similarity rules actually match how shoppers substitute. If alternatives get almost no clicks, tighten the price band or category match. More levers for this in improving product abandonment click-through rate.
Revenue per recipient — the flow’s bottom line.
Repeat purchase rate of buyers from this flow — recommendation-driven buyers who come back validate the relevance of your picks.
Unsubscribe rate — a spike means you’re triggering on views that were never real interest.

Doing this in Omnisend

For years I dismissed email marketing as spam with a dashboard. What changed my mind was watching ad performance on my own stores decay while costs rose — behavioral automation was the fix, and after running both Klaviyo and Omnisend side by side I kept Omnisend for the simpler flow builder and the price. For this specific flow: the product abandonment trigger works off viewed-product events from your store integration, and the product recommender block can be set to pull items from the same category as the viewed product, with manual fallback picks if you want full control. Honest caveats: recommendations are only as good as your catalog data — if your categories are messy or half your products lack images, fix the catalog first. And no recommendation logic rescues products that are overpriced against identical items elsewhere.

One next step

Open your analytics and find your ten most-viewed products from the last 30 days. For each, write down the two or three items you’d honestly suggest as substitutes. If that list is easy to make, your similarity rules already exist — build the flow around them this week. If it’s hard, your catalog structure needs work before automation will help.

Avtomatizacija zapuščenega izdelka