실제로 전환되는 AI 기반 상품 추천

제품 추천은 아마존 매출의 최대 35%를 차지합니다. 대부분의 다른 이커머스 사이트에서는 5-15% 수준입니다. 이 격차는 추천 품질에서 비롯됩니다. 대부분의 추천 엔진은 고객이 이미 본 제품의 변형만 보여주는 데 머물러 있습니다.

기본적인 추천이 실패하는 이유

최근 본 상품은 추천이 아닙니다. 스타일만 좋아진 브라우저 기록일 뿐입니다.

카테고리 기반 제안은 너무 광범위합니다. 노트북을 샀으니 노트북을 더 보여줍니다. 노트북이 또 필요한 게 아닙니다. 가방, USB 허브, 또는 모니터가 필요합니다.

베스트셀러는 일반적입니다. 모든 사람에게 같은 인기 상품을 보여주는 것은 개인화가 아니라 인기 투표입니다.

좋은 시스템이 하는 일

협업 필터링. X를 구매한 사람들이 Y도 구매했습니다. 가장 강력한 신호입니다. 잘 작동하려면 50,000건 이상의 주문이 필요합니다.

순차 패턴 마이닝. 카메라를 구매한 후 다음 구매는 일반적으로 메모리 카드(1일 후), 그다음 카메라 가방(1주 후), 그다음 렌즈(1개월 후)입니다. 구매 여정에 맞춰 추천 타이밍을 조절하면 관련성이 향상됩니다.

맥락 인식 추천. 제품 페이지에서는 보완 상품. 장바구니에서는 액세서리. 홈페이지에서는 프로필 기반. 구매 후 이메일에서는 논리적인 다음 구매 상품.

의도 감지. 높은 구매 의도를 가진 쇼핑객(장바구니 추가, 비교, 리뷰 읽기)에게는 의사결정을 돕는 추천이 효과적입니다. 낮은 의도의 브라우저에게는 발견형 추천이 효과적입니다.

배치가 중요합니다

• 장바구니 페이지: 보완 액세서리. 구매 의도가 가장 높은 순간입니다.
• 제품 페이지: 보완 제품과 다양한 가격대의 대안 제품.
• 구매 후: 논리적인 다음 구매 상품.
• 홈페이지: 재방문자에게는 개인화, 신규 방문자에게는 트렌딩 상품.

성과 측정

클릭률, 장바구니 추가율, 매출 기여도(좋은 엔진의 경우 전체의 10-30%), AOV 상승(10-15%).

이커머스 및 리테일 산업 페이지를 확인하세요.