All posts in Recommender Systems

Esta es una pregunta que se puede hacer un comercio electrónico o negocio online cuando se encuentra delante del servicio de recomendación de Blueknow.

Argumento 1: Valor aportado al cliente y al negocio

Muchos clientes piensan que tener cross-sell o up-sell es un simple check mark: “Lo tengo o no lo tengo“. En nuestra opinión no es así, y vamos a intentar explicarlo con dos situaciones típicas que nos encontramos:

a) Selección manual de productos a recomendar

Algunas plataformas de comercio electrónico ofrecen la posibilidad de que el cliente seleccione qué productos relacionar entre si. Pero este proceso es manual porque el cliente tiene que revisar periódicamente el catálogo de productos y asociar productos a recomendar para cada uno de los productos del catálogo. Lo que hoy es válido es posible que mañana ya no lo sea. Además de ser costoso para el cliente, es poco eficiente porque el cliente tiene en cuenta sus gustos, y no necesariamente los de sus usuarios. Con Blueknow Recommender conseguimos que este proceso sea dinámico, automático y que el cliente tenga en cuenta los gustos de sus usuarios.

b) Selección automática de productos a recomendar a partir de las compras

Nos hemos encontrado con plataformas de comercio electrónico que permiten utilizar las compras conjuntas de productos por parte de los usuarios para dar recomendaciones. Sabías que Amazon utiliza solo las compras de sus usuarios para dar recomendaciones? Es cierto. Desgraciadamente la mayoría de las tiendas online no tienen el volumen de compras que tiene Amazon. El resultado es que las tiendas online que utilizan este método para dar recomendaciones dependen del tamaño de su catálogo de productos y del volumen de sus ventas. Las tiendas con un catálogo grande y/o con un volumen pequeño de ventas tienen un problema: un número considerable de productos no tendrán recomendaciones, tendrán pocas recomendaciones o tendrán siempre las mismas.

Estas son dos formas de añadir cross-selling o up-selling a una tienda online. Estos argumentos son discutibles o no, pero los números están ahí. El sistema de recomendación de Netflix les aporta un 60% de las ventas. El de Amazon un 35%. Blueknow Recommender en TeleAdhesivo aporta el 19% de las ventas utilizando las compras y las visitas de productos de sus usuarios.

Pero hay más. El correo electrónico es un canal fundamental para cualquier comercio electrónico. Cuantos habéis realizado campañas de correo sin segmentar o realizando una segmentación muy básica de los usuarios? La mayoría. No es fácil segmentar el envío de correos para miles o decenas de miles de usuarios. Pero es obvio que si lo consiguiéramos hacer de manera efectiva, la conversión sería mucho mayor. A través de Blueknow Recommender es posible automatizar el envío de correos segmentados a nivel de usuario, es decir, cada usuario recibiría un correo con recomendaciones personalizadas de productos a partir de las acciones que ha realizado el la tienda online, como compras o visitas.

Argumento 2: Simplicidad

Qué herramienta conoce cualquier negocio online? Google Analytics (GA). Es un estándar en analítica web que muchos negocios online han integrado alguna vez sin demasiadas dificultades. Blueknow Recommender tiene muchas similitudes con GA que no son casuales. Queremos que nuestros clientes integren una tecnología que les resulte familiar, y con el mínimo esfuerzo.

Recientemente hemos terminado un plugin para una plataforma de comercio electrónico muy popular que permite introducir cross-sell y up-sell utilizando Blueknow Recommender en una tienda online. Una vez el plugin está instalado, mediante el copiado de un zip, tan solo hay que ir al backoffice de la tienda online para activarlo, introduciendo únicamente el código de cliente de Blueknow. Dos clics y un código. Simple.

Argumento 3: Fiabilidad

Estamos trabajando en la nube de Amazon, lo cual nos ha permitido definir una arquitectura redundante con varios niveles de servicio que está prácticamente siempre disponible. Tenemos una disponibilidad histórica del 99.9%, y los tiempos medios de respuesta en servidor son de 40 milisegundos, debido a que los cálculos pesados se realizan offline.

Resumiendo, buscas una herramienta que guíe a tus usuarios en el proceso de compra como ocurre en el mundo físico? Blueknow Recommender aporta valor a tu negocio y a tus usuarios, es simple de utilizar y sobre todo fiable.