WooCommerce: Steigern Sie Ihren Umsatz mit Advanced Analytics

Produktempfehlungen sind eine effiziente und bewährte Methode, um Ihre WooCommerce-Verkäufe zu steigern.

Die Kehrseite ist, dass es sehr zeitaufwändig sein kann, Produkte manuell zu bündeln, sowie die Tatsache, dass nicht immer das logische „Pairing“ die meisten Verkäufe generiert.

Der Weg in die Zukunft besteht darin, KI (Künstliche Intelligenz) zu nutzen und analytische Datenmodelle die Arbeit für Sie erledigen zu lassen.

Lernen Sie Engage kennen , eine KI-gestützte Produktempfehlungsmaschine. Die Art der Empfehlung variiert ein wenig, je nachdem, welche Seite sich Ihr Besucher ansieht. Dies liegt hauptsächlich daran, dass das Empfehlungsmodell Eingaben benötigt, um richtig zu funktionieren (z. B. wenn ein neuer Besucher zum ersten Mal auf Ihrer Homepage landet, weiß das Modell nichts über sein Verhalten und kann daher keine Empfehlungen geben).

Aber wenn der Benutzer mit der Website interagiert, nimmt das Modell Verhaltensmuster auf und kann dann bessere Empfehlungen geben.

So funktioniert Engage

Im Folgenden wird veranschaulicht, wie einem Benutzer Informationen hinzugefügt werden, um Empfehlungen bereitzustellen, die für jeden Schritt der Reise relevant sind.

Der erste Besuch auf der Website erlaubt nur die Verwendung von Variablen auf hoher Ebene wie Besuchszeit oder geografische Region usw. Diese Indikatoren werden normalerweise als schwach angesehen und liefern im Allgemeinen nicht genügend Informationen, um relevante Produkte für einen einzelnen Benutzer zu empfehlen. Sie können jedoch immer noch die Optionen übertreffen, keine Produkte zu empfehlen.

Wenn der Benutzer beginnt, mit der Website zu interagieren, z. B. Produkte zu durchsuchen oder Produkte in den Einkaufswagen zu legen, nimmt das Modell Informationen auf, die verwendet werden können, um dieses Besuchermuster mit früheren Besuchern zu vergleichen und dadurch mögliche Produkte von Interesse für den Benutzer basierend auf diesem Muster zu extrahieren.

Sobald der Benutzer die Checkout-Seite erreicht, verfügt das Modell über eine ziemlich gute Reihe von Informationen über den Benutzer, die verwendet werden, um Upgrades oder zusätzliche Produkte zu empfehlen.

Da der Checkout oft eine Art Identifizierung des Benutzers erfordert, können hier auch die bisherigen Käufe des Besuchers verwendet werden, wenn vor diesem Käufe getätigt wurden.

Nach Abschluss der Bestellung kann der Nutzer mit Produktempfehlungen per E-Mail oder Werbung basierend auf bestimmten Kundensegmenten erneut angesprochen werden.

Ausgabedesign für Produktempfehlungen

Diese Funktion gibt Store-Administratoren die Möglichkeit, ihre eigene Ausgabe für Produktempfehlungen so zu gestalten, dass sie mit dem WooCommerce-Theme übereinstimmt.

Die Engine ist so konzipiert, dass der Administrator keine Webdesign-Kenntnisse/Erfahrung benötigen sollte, was bedeutet, dass sie eine „Drag-and-Drop“-Funktionalität mit einer Ein-Klick-Bereitstellung in WooCommerce bietet.

Das Tool führt den Administrator durch einen 5-Schritte-Workflow:

1. Wählen Sie eine Vorlage aus
2. Wählen Sie zuvor gespeicherte Designs aus
3. Gestalten Sie die Ausgabe mit „Drag and Drop“-Funktionalität
4. Legen Sie die Anzeigeoptionen fest, z. B. die Anzahl der zu empfehlenden Produkte und deren „Backfill“-Produkte (Produkte, die angezeigt werden sollen, wenn keine Empfehlung verfügbar ist).
5. Überschrift auswählen und in WooCommerce bereitstellen

Warum funktionieren Empfehlungsmaschinen so gut?

Es gibt einige Gründe, warum Empfehlungsmaschinen im Allgemeinen die manuelle Auswahl von Empfehlungen in großem Umfang übertreffen .

Der erste ist einfach der Umfang und die Geschwindigkeit, mit der eine Empfehlungsmaschine relevante Empfehlungen für alle Produkte im Geschäft abgeben kann, nicht nur für einige wenige. Und es kann es in Echtzeit verwalten und aktualisieren, wenn sich Trends ändern oder Jahreszeiten wechseln.

Zweitens führt das Modell zu weniger Vorurteilen darüber, was empfohlen werden sollte oder was gut zusammenpasst. Das Modell betrachtet einfach, was tatsächlich zusammen verkauft wurde, und die Muster und Verhaltensweisen, die beim nächsten Mal wahrscheinlich zusammen verkauft werden.

Darüber hinaus kann das Modell aus seinen früheren Empfehlungen lernen und die nächste Empfehlung für ein bestimmtes Produkt basierend auf dem historischen Ergebnis anpassen. All dies geschieht automatisch jedes Mal, wenn das Modell neu trainiert wird.

Datengesteuerte Kundensegmentierung durch Engage

Engage automatisiert und vereinfacht auch den Prozess der Erstellung und Erkundung von Kundensegmenten.

Der Store-Administrator kann entweder seine eigenen Segmente zum Erkunden definieren oder eine der vorgefertigten Vorlagen verwenden. Segmente basieren auf verschiedenen Kundenmerkmalen wie wiederkehrende Kunden oder Kunden mit hohen Ausgaben. Ab sofort sind die folgenden vorgefertigten Segmente in engagement verfügbar, um Ihnen den Einstieg zu erleichtern:

• Top Spending Customers – Segment, das verwendet werden kann, um herauszufinden, wer Ihre wertvollsten Kunden sind und wie sie sich in verschiedenen Zeiträumen verhalten.
• Häufigste Kunden – Segment, das verwendet werden soll, um festzustellen, wer Ihre aktivsten Kunden sind und wie sie sich in verschiedenen Zeiträumen verhalten.
• Wiederkehrende Kunden – Segmentieren Sie, um Ihre treuesten Kunden und ihr Verhalten in verschiedenen Zeiträumen zu finden.
• Einmalige Kunden – Segment, das verwendet werden soll, um zu identifizieren, wer Ihre untreuen Kunden sind und wie sie sich in verschiedenen Zeiträumen verhalten.
• Neueste Kunden – Segment, das verwendet wird, um Unterschiede in der Anzahl der Kunden, dem Verkaufswert, den meistverkauften Produkten usw. in verschiedenen Zeiträumen zu untersuchen.

Jedes Segment verfügt über ein eigenes Dashboard, in dem Verkaufs- und Leistungsdaten im Laufe der Zeit detailliert analysiert werden können.

Da diese Segmente für verschiedene Marketingaktivitäten verwendet werden sollen, macht es die Exportfunktion dem Shop-Inhaber leicht, die ausgewählte Zielgruppe z. B. in benutzerdefinierte Zielgruppen von Facebook und Google zu exportieren.

Neben den vorgefertigten Segmenten bietet Engage jedem Ladenbesitzer eine benutzerfreundliche Toolbox zum Generieren und Speichern seiner eigenen „benutzerdefinierten Segmente“.

Jedes erstellte Segment hat sein eigenes Dashboard und die Daten können auf Benutzeranfrage aktualisiert werden oder dienen nur als Momentaufnahme zum Zeitpunkt der Erstellung.

Einpacken

Engage ist eine leistungsstarke WooCommerce-Erweiterung, wenn es um erweiterte Analysen geht. Es gibt Ladenbesitzern die Möglichkeit, den Umsatz zu steigern, ihre Kunden zu analysieren und zu verstehen und die zuvor für Analysen und manuelle Produktbündelung aufgewendete Zeit zu reduzieren.

Es ist jetzt in der Beta-Version und kostenlos veröffentlicht. Beginnen Sie noch heute und nutzen Sie das volle Potenzial Ihres WooCommerce-Shops.

Fahrplan

Die Arbeit an Engage hat gerade erst begonnen und wir haben eine umfangreiche Roadmap mit neuen Funktionen, die hinzugefügt werden können, um das Kundenerlebnis weiter zu verbessern und Ihren Umsatz zu steigern.

Das Hauptthema wird sich natürlich weiterhin um Daten drehen und darum, wie man den Informationsschatz, den jedes Geschäft besitzt, am besten nutzt. Einige Beispiele für Funktionen in späteren Entwicklungsstadien sind:

• Integration mit Facebook und Instagram, die dem Ladenbesitzer die Möglichkeit gibt, Kundensegmente als Zielgruppen für das Marketing zu veröffentlichen
• Erweiterte Analyseberichte zum Customer Lifetime Value (CLV)
• Detailliertere Statistiken rund um die Produktempfehlungen

Bleiben Sie dran für zukünftige Updates zu Engage auf zubi.ai