Počasi prodajan izdelek umakni iz svojih avtomatiziranih priporočil, ko je imel resnično izpostavljenost in še vedno ne konvertira — natančneje, ko je bil prikazan smiselnemu številu kvalificiranih kupcev, njegove stopnje klikov in konverzije precej pod drugimi izdelki v istih priporočilnih mestih, ti pa si izključil odpravljiv razlog na ravni strani, kot so slabe fotografije ali težava z zalogo. Do takrat ga ne izpuli na slepo. Izdelek, ki je počasen, ker ga nihče ni videl, je morda naslednji tihi zmagovalec tvojega priporočilnega mehanizma. Izdelek, ki je počasen kljub priporočanju, je mrtev balast, ki te stane klikov pri vsakem e-mailu, v katerem se pojavi. Ta stran govori o ločevanju teh dveh in o tem, kdaj rezati. Če še nisi ugotovil, zakaj je izdelek sploh počasen, začni s kako ugotoviti, ali ima počasi prodajan izdelek težavo z obiskom ali konverzijo.
Zakaj je to vprašanje pomembnejše, kot je videti
Priporočilno mesto je prvovrstna nepremičnina. Vsak blok izdelka v ponakupnem e-mailu, sporočilu ob opuščenem brskanju, toku navzkrižne prodaje ali spletnem gradniku “morda vam bo všeč” ima določeno število položajev. Karkoli sedi na enem od teh položajev, zaseda mesto, ki bi ga lahko imela dokazana uspešnica.
Šibek izdelek v priporočilnem mestu torej ni nevtralen. Dejavno troši tvojo najdragocenejšo zalogo — pozornost — za nekaj, kar ne konvertira. Strošek je neviden, ker se nič ne polomi. E-mail se še vedno pošlje, gradnik se še vedno izriše. A klik, ki bi šel izdelku, ki ga ljudje dejansko kupujejo, je namesto tega šel k zguba, in prodaje, ki je nisi opravil, nikoli ne vidiš.
To je pravi zastavek vprašanja. Pustiti počasen izdelek v priporočilih predolgo je počasno, neizmerjeno puščanje. Izpuliti ga prezgodaj zavrže izdelek, ki je le potreboval izpostavljenost, ki so mu jo priporočila ravno hotela dati.
Stanje, v katerem si najbrž
Opazil si, da se izdelek komaj prodaja. Opazil si tudi, da ga tvoja avtomatizacija pridno priporoča — algoritem ga je pobral kot “soroden” ali pa si ga ročno pripel v upanju, da bo izpostavljenost pomagala. Zdaj se sprašuješ, ali vleče navzdol e-maile, v katerih se pojavlja.
Poštena zaplet: priporočila so eden redkih načinov, kako se počasen izdelek sploh odkrije. Če izdelkova težava nikoli ni bilo povpraševanje, ampak zgolj vidnost, je priporočilni mehanizem morda tisto, kar to odpravi — ko ga prikaže natanko ljudem, ki ga najverjetneje želijo, tik po relevantnem nakupu ali ogledu. Izpuli ga tretji dan in ubil si zdravilo. Trik je, da mu daš pošteno preizkušnjo, nato pa ga presojaš po dokazih.
Zakaj je “ne prodaja se, torej ga odstrani” preveč top
Skušnjava je preprosto pravilo: počasen izdelek, ven iz priporočil. Preveč top je iz treh razlogov.
Prvič, meša ne prodaja se nikjer z ne prodaja se v priporočilih. To sta različna testa. Izdelek lahko propade pri oglaševalskem obisku in tiho konvertira, ko je prikazan pravemu ponakupnemu občinstvu, ker priporočilo doseže toplejše, bolje ujemajoče se ljudi.
Drugič, ne upošteva izpostavljenosti. Če je bil izdelek prikazan le 40-krat, je njegova “stopnja konverzije” šum. Ne moreš odpustiti igralca, ki je imel en met. Uspešnost priporočil presojaj šele, ko je imel izdelek dovolj kvalificiranih prikazov, da nekaj pomenijo.
Tretjič, preskoči odpravljive vzroke. Izdelek lahko slabo deluje v priporočilih, ker je njegova glavna fotografija v velikosti sličice šibka, ker ga pogosto zmanjka ali ker je njegova cena videti napačna ob izdelkih poleg njega. To so težave strani, ne težave “odstrani me”. Popravi fotografijo in isti izdelek si morda zasluži svoje mesto. Najprej preteci skozi seznam odpravljivih vzrokov — kaj preizkusiti, preden odpišeš izdelek to pokriva.
Kje denar dejansko pušča
Naj neviden strošek naredim otipljiv (ilustrativne številke).
Recimo, da tvoj ponakupni e-mail prikazuje štiri priporočene izdelke in gre 5.000 ljudem na mesec. Tvoj povprečen priporočen izdelek prinese, okrogle številke, 4-odstotno stopnjo klikov. Eno mesto zaseda počasi prodajan izdelek, ki vleče 0,8 %.
To mesto dobi enakih ~5.000 prikazov kot ostala. Pri 4 % bi prineslo približno 200 klikov; pri 0,8 % prinese približno 40. Iz tega enega položaja izgubljaš okoli 160 klikov na mesec — klikov, ki bi jih boljši izdelek pretvoril v naročila. Skozi vsak tok, v katerem se izdelek pojavlja, mesec za mesecem, je to stalno kapljanje zamujenih prodaj, ki ti niso zaračunane in jih nikoli ne opaziš.
Bistvo izračuna ni natančna številka. Je, da ima podpovprečno priporočilno mesto resničen, stalen strošek, zato si odločitev “kdaj odstraniti” zasluži pravilo in ne občutek.
Odločitev: seznam za umik izdelka
Počasen izdelek umakni iz avtomatiziranih priporočil, ko so vse te trditve resnične:
- Imel je resnično izpostavljenost. Dovolj prikazov v priporočilnih mestih za presojo — za večino trgovin vsaj nekaj sto kvalificiranih prikazov, več, če je tvoj obseg velik. Pod tem je prezgodaj. Počakaj.
- Deluje slabše od sosedov. Njegovi stopnji klikov in konverzije v istih mestih sta jasno pod drugimi izdelki, ki tekmujejo za te položaje — ne malenkostno, znatno. Primerjaš ga s povprečjem priporočil, ne s svojimi uspešnicami.
- Izključil si odpravljive vzroke. Fotografija, naslov, cena in razpoložljivost zaloge so vsi v redu. Če je katerikoli od teh krivec, ga popravi in mu daj še eno okno, preden se odločiš.
- Ujemanje z občinstvom je pravo. Prikazuje se relevantnim ljudem (kupcem dopolnilnih izdelkov, ogledovalcem kategorije) in še vedno odpoveduje — ne priporoča se neujemajočemu občinstvu, kjer bi propadel katerikoli izdelek.
Če vse štiri držijo, ga izpuli. Imel je pošteno preizkušnjo pred pravimi ljudmi in izgubil.
Obdrži ga — zaenkrat — če še ni imel izpostavljenosti, če ga vleče navzdol odpravljiva težava strani ali če lepo konvertira, ko je prikazan tesnemu, relevantnemu segmentu, čeprav širše propada. Ta zadnji primer ne pomeni odstrani; pomeni zoži občinstvo, kar je drugačna poteza kot popolni umik.
Kaj avtomatizirati namesto ročnega nadzora
Nočeš vsakega izdelka pregledovati ročno. Nastavi pravila in pusti, da vedenje razvrsti.
- Sprožilec / logika: daj prednost priporočilni logiki, ki izdelke prikaže po resnični relevantnosti — kupljeno skupaj, ista kategorija, ogledano skupaj — namesto ročnega pripenjanja počasne zaloge v mesta. Pusti, da uspešnost odloči umestitev.
- Segmentiraj izpostavljenost: mejno počasen izdelek prikaži tesnemu relevantnemu občinstvu (nedavnim kupcem dopolnilnega izdelka) namesto vsakemu prejemniku. To mu da pošteno, kvalificirano preizkušnjo, ne da bi prikaze trošil na ljudi, ki ga nikoli ne bi želeli — širša škoda preširokih pošiljanj je v zakaj lahko pošiljanje počasi prodajanih izdelkov vsem škoduje angažiranosti.
- Nastavi okno za pregled: odloči vnaprej — “če po Z tednih ne doseže X klikov na Y prikazov, gre ven”. Pravilo je boljše od ponovnega pretehtavanja občutka.
- Presežno zalogo obravnavaj drugače kot redko: počasen izdelek, ki ga imaš v presežku, in tak, ki je skoraj razprodan, si v priporočilih želita nasprotno obravnavo. Razlikovanje je vredno svojega branja: kako različno promovirati izdelke z nizko zalogo in presežno zalogo.
- Cilj: vsako priporočilno mesto zasluži blizu tvojega povprečja mesta. Vztrajni zaostajalci se izpulijo in zamenjajo.
Metrike, po katerih ga presojaj
- Prikazi priporočil na izdelek — vrata izpostavljenosti. Brez odločitve pod smiselnim vzorcem.
- Stopnja klikov znotraj priporočilnega bloka — ali si izdelek zasluži pozornost proti sosedom?
- Stopnja konverzije iz klika na priporočilo — pozornost ni nič, če se ne pretvori v naročila.
- Prihodek na priporočilno mesto — povzetna metrika; vsako mesto bi moralo vleči približno svoj delež.
- Dvig, ko ga zamenjaš — po umiku zaostajalca opazuj klike in prihodek mesta. Če dokazan izdelek dvigne številko, si ravno potrdil odločitev.
Spremljaj to na izdelek in na mesto, ne le na ravni toka. Tok je lahko videti zdrav, medtem ko en položaj znotraj njega tiho zaostaja.
Kako pomaga Omnisend
Razlog, da to ostaja obvladljivo namesto mesečnega opravila s preglednicami, so avtomatizirana priporočila na podlagi vedenja s priloženim poročanjem. V svojih trgovinah, potem ko sem preizkusil Klaviyo in Omnisend, priporočila izdelkov izvajam skozi Omnisend, ker priporočilni bloki vlečejo po resničnem vedenju in analitika prikazuje, kaj vsak blok zasluži.
Kar tukaj opravi delo: dinamični bloki priporočil izdelkov, ki se polnijo po resnični relevantnosti (kupljeno skupaj, kategorija, vedenje pri brskanju) namesto ročno pripetih mest, tako da šibki izdelki ne dobijo umetnega vzdrževanja pri življenju; segmentacija, tako da lahko mejnemu izdelku daš pošteno preizkušnjo pred tesnim, relevantnim občinstvom, preden ga presodiš; in poročanje, ki veže prihodek na določene avtomatizacije in vsebino, tako da vidiš, kateri priporočeni izdelki dejansko konvertirajo in kateri so mrtev balast. Omnisend je partner Shopimationa v pridruženem programu in brezplačna raven zadošča za nastavitev tokov, gnanih s priporočili, in spremljanje njihovih številk. Orodje prikaže dokaze — odločitev, ali določen izdelek obdržati ali odrezati, je še vedno tvoja, štiritočkovni seznam zgoraj pa je način, kako jo sprejmeš.
Tvoj naslednji korak
Odpri svoj najuspešnejši avtomatizirani tok — ponakupni ali ob opuščenem brskanju — in poglej številke klikov in konverzije za vsak priporočen izdelek znotraj njega, ne le skupne vsote toka. Vsak izdelek, ki je imel resnično izpostavljenost in sedi precej pod svojimi sosedi, je kandidat. Preženi ga skozi štiritočkovni seznam, preden ga izpuliš. Če se izkaže, da je osnovna težava v tem, da je izdelek sam slabo ujemanje s tvojo trgovino in ne počasen, je to večje vprašanje, vredno razlike med počasi prodajanim in napačnim izdelkom.
