Zakaj splošni bloki priporočil pogosto ustvarijo splošne rezultate

Blok »Morda vam bo všeč tudi«, ki vsem prikazuje isto peščico najbolje prodajanih izdelkov, bo dal splošne rezultate, ker ne odgovarja na vprašanje, ki si ga zastavlja kakšen konkreten kupec. Prikazuje tisto, kar je priljubljeno v celotni trgovini, ne tega, kar ustreza osebi, ki prav zdaj gleda v zaslon. Zato blok ostane prezrt, kliki so redki, vi pa sklenete, da priporočila v vaši trgovini ne delujejo. Težava običajno niso priporočila. Težava je, da blok nima drugega vhodnega podatka kot »kaj se najbolje prodaja«, kar pa je ravno tista stvar, ki jo kupec že pozna in jo je verjetno že pretehtal. Ta stran pojasnjuje, zakaj se to dogaja in kako bloku dati nekaj resničnega, s čimer lahko dela.

Kaj »splošno« v resnici pomeni pri bloku priporočil

Večina privzetih pripomočkov za priporočila deluje po enem od dveh pravil: prikaži najbolje prodajane izdelke trgovine ali prikaži izdelke iz iste kategorije kot trenutna stran. Oba se zdita osebna, ker stojita pod prijaznim naslovom. A nobeden ne uporabi ničesar, kar bi bilo vezano na posameznika.

Predstavljajte si kupca, ki je pravkar v košarico dodal par tekaških copat za teren. Blok z najbolje prodajanimi izdelki mu pokaže vaše tri najboljše izdelke na splošno – morda podlogo za jogo, bidon in druge copate, ki jih vsi kupujejo. Blok iz iste kategorije mu pokaže še pet parov tekaških copat, kar je nenavadno, saj je copate že izbral. Kar bi si morda dejansko želel, so nogavice, energijski gel ali način za prenašanje vode na dolgem teku. Blok je odgovor imel v vašem katalogu. Le vprašanja ni nikoli zastavil.

To je bistvo težave. Splošno noter, splošno ven.

Prava težava: blok nima signala, na katerem bi lahko personaliziral

Tole je položaj, ki ga prepozna večina lastnikov. Namestili ste aplikacijo za priporočila, pripomoček spustili na strani izdelkov in košarice ter pustili privzete nastavitve. Prikazuje najbolje prodajane izdelke. Angažiranost je tiho obupna – stopnja klikov je tako nizka, da ste nehali preverjati poročilo. Hkrati domnevate, da funkcija deluje, ker je tehnično aktivna.

Blok počne točno tisto, kar ste mu naročili, kar pa ni nič osebnega. Nima pojma, kaj je ta obiskovalec gledal prejšnji teden, kaj je kupil pred pol leta, kateri problem ga je danes pripeljal ali h katerim lastnostim se vedno znova nagiba. Brez signala je »priporočilo« zgolj še eno izložbeno okno, ki prikazuje vaše največje uspešnice.

Zakaj običajne rešitve ne premaknejo ničesar

Ko blok slabo deluje, pogoste reakcije zgrešijo vzrok.

Dodajanje več izdelkov v blok. Prehod s treh priporočil na osem ne pomaga, če je vseh osem izbranih po istem splošnem načelu. Naredili ste večji splošen blok. Več hrupa, enaka relevantnost.

Zamenjava aplikacije za razkošnejšo. Dražje orodje z napisom »UI« na škatli še vedno potrebuje podatke in pravila. Če mu podate isti tanki signal in pustite privzete nastavitve, dobite malce lepšo različico istega izpisa. Orodje je bilo redko ozko grlo.

Prijaznejši naslov. »Izbrano prav za vas« nad mrežo najbolje prodajanih izdelkov je majhna laž, ki jo kupec spregleda. Zanj ni bilo nič izbrano. Če že, iskren naslov, kot je »Trenutno priljubljeno«, deluje bolje, ker postavi resnično pričakovanje.

Nobena od teh reakcij se ne dotakne prave vrzeli, ki je v tem, da blok ne ve, s kom govori.

Kje pušča prihodek

Bloki priporočil so na vaših straneh z najvišjim namenom nakupa – straneh izdelkov, v košarici, na potrditvi naročila, v samodejnih e-sporočilih. Promet, ki ste ga že plačali, stoji točno tam. Splošen blok te dragocene lokacije spremeni v tapeto.

Groba, ponazoritvena predstava o obsegu: recimo, da 4.000 ljudi na mesec pride na vašo stran košarice in dobro usklajeno priporočilo spodbudi že 3 % od njih, da dodajo še en izdelek po povprečno 18 €. To je približno 2.160 € na mesec ali okoli 26.000 € na leto z lokacije, ki jo že imate. Splošen blok, ki pretvori del tega, ni napaka pri zaokroževanju, ki bi jo lahko prezrli – je razlika med tem, da se funkcija večkratno povrne, in tem, da je zgolj okras. (Številke so ponazoritvene; vstavite svoj promet košarice in svojo stopnjo priloženih izdelkov.)

Puščanje je tiho, ker nič ni videti pokvarjeno. Pripomoček se naloži. Le ne prinaša ničesar.

Praktična rešitev: dajte bloku razlog za vsak izdelek, ki ga prikaže

Ne potrebujete ekipe podatkovnih znanstvenikov. Premakniti se morate od »prikaži priljubljene stvari« k »prikaži pravo stvar za ta kontekst«, en signal naenkrat. Ravnajte po tem vrstnem redu.

  1. Začnite z najmočnejšim signalom, ki ga že imate: trenutno košarico ali izdelek, ki si ga kupec ogleduje. Če nekdo gleda mlinček za kavo, so koristno priporočilo zrna, filtri in tehtnica – dopolnila, ne pet dodatnih mlinčkov. To so komplementarna priporočila in so najhitrejša zmaga, ker namen leži točno tam na strani.

  2. Za znane kupce dodajte pretekle vedenje. Za prijavljenega ali prepoznanega kupca uporabite tisto, kar je kupil in brskal. Kupec, ki isto kategorijo kupuje vedno znova, in kupec, ki očitno raziskuje, si zaslužita različna bloka. Tu je resnično razlikovanje, ki ga je vredno ponotranjiti – glejte razliko med najbolje prodajanimi izdelki in najboljšim izdelkom za tega kupca.

  3. Z lastnostmi izdelkov razširite relevantnost, ne da bi zdrsnili v splošno. Ko nimate vedenja, na katerega bi se oprli, ujemajte po lastnostih – znamki, materialu, dišavi, velikosti, cenovnem razredu, namenu uporabe. Kupec, ki gleda ovitek za telefon za 12 €, verjetno ni ciljna publika za vaš vodilni model za 200 €, lastnosti pa vam omogočijo, da priporočila ohranite v pravem okolišu. Več o tem v kako z lastnostmi izdelkov ustvariti relevantnejša priporočila.

  4. Na priljubljenost se zanesite le kot na skrajno rešitev, za povsem novega, anonimnega obiskovalca brez kakršnega koli signala. In tudi takrat jo zamejite – najbolje prodajani izdelki znotraj kategorije, ki jo prebira, ne cele trgovine.

Načelo pod vsemi štirimi koraki: blok zgradite okoli tega, kar kupec poskuša doseči, ne okoli tega, kar vaša preglednica označuje za priljubljeno. Ta miselnost, ki najprej upošteva namen, je celotna igra.

Kaj avtomatizirati in kako

Statični blok na spletni strani je le polovica zgodbe. Večja priložnost je vstavljanje personaliziranih priporočil v vaša samodejna e-sporočila in SMS-e, kjer lahko uporabite celotno zgodovino kupca in ne le enega ogleda strani.

  • Sprožilec: dogodek brskanja ali nakupa – nekdo si dvakrat ogleda kategorijo, ne da bi kupil, ali dokonča naročilo.
  • Segment: razdelite glede na to, ali imate zgodovino nakupov. Novi kupci dobijo izbore na osnovi dopolnil; ponavljajoči kupci dobijo izbore za naslednjo kategorijo ali izbore po ujemanju lastnosti.
  • Časovnica: za ponakupno navzkrižno prodajo počakajte, da bi izdelek prispel in bil uporabljen – pogosto nekaj dni do dva tedna, odvisno od tega, kaj prodajate, ne trideset minut po zaključku nakupa.
  • Kanal: e-pošta za celotno mrežo priporočil; SMS za en, dobro izbran izdelek s kratko povezavo.
  • Vsebina: dinamični blok, napolnjen iz vedenja točno tega kupca, z naslovom, ki je iskren glede tega, zakaj to vidi (»Sodi k izdelku [ime], ki ste ga kupili«).
  • Cilj: priložen izdelek ali drugo naročilo, izmerjeno glede na kontrolno skupino – več o tem, kako to izmeriti, ne da bi zavajali sami sebe, v kako testirati, ali priporočila povečajo prihodek ali ga le prerazporedijo.

Vedenje pri brskanju je eden najbogatejših in najbolj neizkoriščenih signalov za to. Če želite začeti tam, kako z vedenjem pri brskanju izboljšati odkrivanje izdelkov gre globlje.

Primer iz trgovine

Vzemimo ponazoritveno trgovino s prehranskimi dopolnili. Njihov blok na strani izdelka je deloval na najbolje prodajanih izdelkih po celotni trgovini, tako da je kupec, ki je gledal magnezij, videl sirotkine beljakovine, multivitamin in beljakovinski shaker – iste tri, ki jih je videl vsak obiskovalec. Delež priloženih izdelkov je bil raven.

Spremenili so eno stvar: blok na strani dopolnila zdaj prikazuje izdelke, ki jih kupci pogosto kupujejo skupaj s tem dopolnilom, poleg tega ujemanje po istem cilju prek lastnosti (spanec, regeneracija, energija). Stran z magnezijem je začela prikazovati komplet za podporo spanju in različico z nižjim odmerkom za občutljive kupce. Isti pripomoček, isti promet. Edina sprememba je bila, da so bloku dali signal, vezan na tisto, kar je obiskovalec dejansko gledal. (Ponazoritveni primer – bistvo je mehanizem, ne obljubljen odstotek.)

Kako izmeriti, ali deluje

Bloka priporočil ne sodite le po klikih. Spremljajte:

  • Stopnjo klikov na priporočila – so bili izbori videti dovolj relevantni, da so jih ljudje pritisnili? Koristen zgodnji signal.
  • Stopnjo priloženih izdelkov / izdelke na naročilo – dodajajo ljudje priporočeni izdelek in se premika povprečna vrednost naročila?
  • Prihodek, pripisan bloku, glede na kontrolno skupino – iskrena številka. Delež kupcev, ki bloka ne vidi, da lahko ločite resničen dodaten prihodek od prodaje, ki bi se zgodila tako ali tako.

Ta zadnja točka je pomembnejša, kot je videti. Blok lahko prikaže vtis vzbujajoč »pripisan prihodek«, medtem ko si večinoma pripisuje zasluge za nakupe, ki bi jih ljudje opravili ne glede na vse. Kar je ravno past, obravnavana v zgoraj povezanem vodniku o testiranju.

Kako pomaga Omnisend

Ko veste, kateri signal naj uporablja vsak blok, potrebujete orodje, ki lahko na to ukrepa brez razvoja po meri. V lastnih trgovinah uporabljam Omnisend, potem ko sem ga preizkusil proti Klaviyu, in njegovi bloki priporočil izdelkov iz podatkov o brskanju in nakupih kupca črpajo tako v vsebino na spletni strani kot v samodejna e-sporočila – tako ista logika personalizacije sledi kupcu s spletne strani v predal dohodne pošte. Blok lahko napolnite iz podatkov »kupljeno skupaj« ali iz kategorije, za katero je kupec pokazal zanimanje, namesto da ročno izbirate izdelke, ki jih boste pozabili posodabljati.

Iskrena omejitev: Omnisend lahko personalizira le na podatkih, ki jih dejansko zbirate in povežete. Če vaš katalog izdelkov nima označenih lastnosti ali če ne beležite dogodkov brskanja, se blok vrne na splošno – ker mu niste dali ničesar drugega. Orodje odpravi ročno delo; ne izmisli si signala, ki ga ni. Omnisend je partner Shopimationa v pridruženem programu in ga priporočam iz vsakodnevne uporabe.

Vaš naslednji korak

Odprite svojo najbolj obiskano stran izdelka in poglejte blok priporočil, kot bi ga kupec. Zastavite si eno vprašanje: bi se ta točno enak blok lahko pojavil na katerikoli drugi strani izdelka v trgovini? Če da, je splošen in to je vaš popravek – dajte mu signal, vezan na stran ali osebo. Ta teden začnite z izbori na osnovi dopolnil na strani košarice, nato preberite gradnjo priporočil izdelkov okoli namena kupca, da načrtujete ostalo.

Why Generic Recommendation Blocks Often Produce Generic Results

A “You may also like” block that shows the same handful of bestsellers to everyone will produce generic results because it isn’t answering a question any specific customer is asking. It shows what’s popular across your whole store, not what fits the person looking at the screen right now. So the block gets ignored, clicks stay low, and you conclude that recommendations don’t work for your store. The problem usually isn’t recommendations. It’s that the block has no input other than “what sells the most,” which is the one thing your customer already knows and probably already considered. This page explains why that happens and how to give the block something real to work with.

What “generic” actually means in a recommendation block

Most default recommendation widgets run on one of two rules: show the store’s best sellers, or show products from the same category as the current page. Both feel personalized because they sit under a friendly heading. Neither one uses anything about the individual.

Picture a customer who just added a pair of trail running shoes to their cart. A best-seller block shows them your top three products overall — maybe a yoga mat, a water bottle, and a different shoe everyone buys. A same-category block shows five more running shoes, which is odd, because they’ve already chosen their shoes. What they might actually want is socks, a gel, or a way to carry water on a long run. The block had the answer in your catalog. It just never asked the question.

That’s the core issue. Generic in, generic out.

The real problem: the block has no signal to personalize on

Here’s the situation most owners recognize. You installed a recommendation app, dropped the widget on your product and cart pages, and left the default settings. It shows bestsellers. Engagement is quietly terrible — a click rate low enough that you stopped checking the report. Meanwhile you assume the feature is working because it’s technically live.

The block is doing exactly what you told it to, which is nothing personal. It has no idea what this visitor viewed last week, what they bought six months ago, what problem brought them in today, or which attributes they keep gravitating toward. Without a signal, “recommendation” is just a second storefront window showing your greatest hits.

Why the usual fixes don’t move the needle

When the block underperforms, the common reactions all miss the cause.

Adding more products to the block. Going from three recommendations to eight doesn’t help if all eight are chosen the same generic way. You’ve made a bigger generic block. More noise, same relevance.

Swapping the app for a fancier one. A more expensive tool with “AI” on the box still needs data and rules. If you feed it the same thin signal and leave defaults on, you get a slightly prettier version of the same output. The tool was rarely the bottleneck.

Making the heading friendlier. “Picked just for you” over a bestseller grid is a small lie the customer sees through. Nothing was picked for them. If anything, an honest heading like “Popular right now” performs better because it sets a truthful expectation.

None of these touch the actual gap, which is that the block doesn’t know who it’s talking to.

Where the revenue leaks

Recommendation blocks sit on your highest-intent pages — product pages, cart, order confirmation, post-purchase emails. Traffic you’ve already paid for is standing right there. A generic block turns those slots into wallpaper.

A rough, illustrative sense of the scale: say 4,000 people a month reach your cart page, and a well-matched recommendation nudges even 3% of them to add one more item at an average of €18. That’s roughly €2,160 a month, or about €26,000 a year, from real estate you already own. A generic block that converts a fraction of that isn’t a rounding error you can ignore — it’s the difference between the feature paying for itself many times over and it being decoration. (Numbers illustrative; plug in your own cart traffic and attachment rate.)

The leak is quiet because nothing looks broken. The widget loads. It just doesn’t earn.

The practical fix: give the block a reason for every product it shows

You don’t need a data science team. You need to move from “show popular things” to “show the right thing for this context,” one signal at a time. Work in this order.

  1. Start with the strongest signal you already have: the current cart or the product being viewed. If someone is looking at a coffee grinder, the useful recommendation is beans, filters, and a scale — complements, not five more grinders. This is complementary recommendation, and it’s the fastest win because the intent is sitting right there on the page.

  2. Layer in past behavior for known customers. For a logged-in or recognized shopper, use what they’ve bought and browsed. A customer who buys the same category repeatedly, and one who’s clearly exploring, deserve different blocks. There’s a real distinction here worth internalizing — see the difference between best sellers and the best product for this customer.

  3. Use product attributes to widen relevance without going generic. When you don’t have behavior to lean on, match on attributes — brand, material, scent, size, price band, use case. A customer looking at a €12 phone case probably isn’t the target for your €200 flagship, and attributes let you keep recommendations in the right neighborhood. More on that in how to use product attributes to create more relevant recommendations.

  4. Fall back to popularity only as the last resort, for a brand-new anonymous visitor with zero signal. Even then, scope it — best sellers within the category they’re browsing, not the whole store.

The principle underneath all four steps: build the block around what the customer is trying to do, not around what your spreadsheet says is popular. That intent-first mindset is the whole game.

What to automate, and how

The static on-site block is only half of it. The bigger opportunity is putting personalized recommendations into your automated emails and SMS, where you can use a customer’s full history rather than a single page view.

  • Trigger: a browse or purchase event — someone views a category twice without buying, or completes an order.
  • Segment: split by whether you have purchase history. New buyers get complement-based picks; repeat buyers get next-category or attribute-matched picks.
  • Timing: for a post-purchase cross-sell, wait until the product would have arrived and been used — often a few days to two weeks depending on what you sell, not thirty minutes after checkout.
  • Channel: email for the full recommendation grid; SMS for a single, well-chosen product with a short link.
  • Content: a dynamic block populated from that specific customer’s behavior, with a heading that’s honest about why they’re seeing it (“Goes with the you bought”).
  • Goal: an added item or a second order, measured against a holdout — more on measuring this without fooling yourself in testing whether recommendations increase revenue or just shift it.

Browsing behavior is one of the richest and most underused signals for this. If you want to start there, how to use browsing behavior to improve product discovery goes deeper.

A store example

Take an illustrative supplements store. Their product-page block ran on store-wide best sellers, so a customer viewing a magnesium supplement saw a whey protein, a multivitamin, and a shaker bottle — the same three every visitor saw. Attachment was flat.

They changed one thing: the block on a supplement page now shows products frequently bought alongside that supplement, plus a same-goal match by attribute (sleep, recovery, energy). The magnesium page started showing a sleep-support bundle and a lower-dose version for sensitive customers. Same widget, same traffic. The only change was giving the block a signal tied to what the visitor was actually looking at. (Illustrative example — the point is the mechanism, not a promised percentage.)

How to measure whether it’s working

Don’t judge a recommendation block by clicks alone. Track:

  • Recommendation click-through rate — did the picks look relevant enough to tap? A useful early signal.
  • Attachment rate / items per order — are people adding the recommended item, and is average order value moving?
  • Revenue attributed to the block against a holdout — the honest number. A share of customers who see no block, so you can tell real incremental revenue from sales that would have happened anyway.

That last point matters more than it looks. A block can show impressive “attributed revenue” while mostly taking credit for purchases people would have made regardless. Which is exactly the trap covered in the testing guide linked above.

How Omnisend helps

Once you know what signal each block should use, you need a tool that can act on it without custom development. I run Omnisend in my own stores, after testing it against Klaviyo, and its product recommendation blocks pull from a customer’s browsing and purchase data into both on-site content and automated emails — so the same personalization logic follows the customer off the website and into the inbox. You can populate a block from “bought together” data or from a category the customer has shown interest in, rather than hand-picking products you’ll forget to update.

The honest limit: Omnisend can only personalize on the data you actually collect and connect. If your product catalog has no attributes tagged, or you’re not capturing browse events, the block falls back to generic — because you’ve given it nothing else. The tool removes the manual work; it doesn’t invent signal that isn’t there. Omnisend is an affiliate partner of Shopimation, and I recommend it from daily use.

Your next step

Open your busiest product page and look at the recommendation block as a customer would. Ask one question: could this exact block appear on any other product page in the store? If yes, it’s generic, and that’s your fix — give it a signal tied to the page or the person. Start with complement-based picks on your cart page this week, then read building product recommendations around customer intent to plan the rest.

Leave a Reply

Your email address will not be published. Required fields are marked *