Cum să oprești pierderea vânzărilor pe site-ul tău și să crești valoarea medie a comenzii: Un ghid pentru configurarea recomandărilor de produse AI cu studii de caz ecommerce

În fiecare an, a reuși în ecommerce devine mai dificil. Traficul costă mai mult, cataloagele de produse continuă să se extindă, iar cumpărătorii au mai multe alternative ca niciodată. Utilizatorii accesează tot mai des site-urile cu un singur scop — să găsească produsul potrivit, să îl compare cu altele și să facă o achiziție. Dacă un client se pierde într-un catalog amplu și nu vede oferte relevante, închide fila și merge la un concurent.

În acest context, câștigă afacerile care fac achiziția cât mai ușoară posibil. Aici intervin recomandările de produse susținute de AI. Pentru că recomandările nu mai sunt doar blocuri statice etichetate „Oamenii mai cumpără”. Algoritmii moderni analizează mii de semnale, iau în calcul istoricul comportamental și contextul paginii și selectează produse pentru fiecare utilizator exact în momentul potrivit. Implementate corect, aceste instrumente au impact direct asupra indicatorilor cheie.

În acest ghid, vom aborda unde să plasați blocurile de recomandări pe site, cum să personalizați algoritmii pentru a se alinia obiectivelor de business și cum aceste instrumente generează deja creșterea vânzărilor pentru brandurile de top din ecommerce.

Cum funcționează recomandările moderne: de la reguli de bază la LLM-uri

Recomandările de produse pot fi grupate în funcție de modul în care funcționează. Primul tip include configurarea manuală și regulile simple. Aici, un manager de categorie configurează manual blocurile sau se definesc reguli statice simple — de exemplu, „pentru produsele din grupul A, recomandă produse din grupul B”. Această abordare este cea mai puțin eficientă și cea mai greu de scalat.

Sistemele algoritmice oferă rezultate mult mai bune. Ele analizează automat datele — atributele produselor, preferințele și comportamentul utilizatorilor — și generează recomandări pe baza acestei analize. În ciuda eficienței lor generale, aceste abordări au totuși limitări în profunzimea analitică.

De pildă, produsele sunt analizate, de regulă, prin atribute de bază: ID-ul produsului, denumirea și categoria largă. Drept urmare, algoritmii pot da greș — recomandând o altă mașină de spălat în loc de detergent sau ignorând produsele nou adăugate pentru că nu au încă istoric de clicuri.

Cea mai recentă generație de sisteme de recomandare, construită pe așa-numita arhitectură transformer, are un avantaj structural. În loc să analizeze evenimente izolate, procesează întreaga secvență a acțiunilor utilizatorului. Sistemul citește sesiunea clientului, surprinzând un context mai profund și intenția reală.

Dar nici aceasta nu este descoperirea finală pentru ecommerce. Cele mai bune rezultate acum vin din combinarea acestor algoritmi cu modele lingvistice de mari dimensiuni (LLM-uri). AI poate înțelege acum „semnificația” unui produs din descrierea și atributele sale.

Ce înseamnă asta, concret, pentru afaceri?

• Rezolvarea problemei cold start. Când încărcați o colecție nouă, sistemul nu mai trebuie să aștepte săptămâni pentru a se acumula date de achiziție. LLM-ul analizează descrierea produsului și începe imediat să recomande articolele noi utilizatorilor relevanți.
• Categorisire inteligentă automată. AI identifică independent conexiuni logice și funcționale între produse, eliberând managerii de categorie de munca manuală anevoioasă.

Luați o categorie largă din catalog, precum "Periuțe de dinți." Un algoritm clasic ar sugera pur și simplu alte periuțe de dinți ca alternative. Un LLM (model de limbaj de mari dimensiuni) înțelege contextul și construiește asocieri ideale de vânzare încrucișată: pentru o periuță de dinți electrică, aduce automat capete de înlocuire compatibile sau o husă de călătorie.

Tocmai această înțelegere semantică a produselor i-a permis retailerului Foxtrot să crească vânzările de accesorii de 1,5 ori și să mărească rata de conversie a blocului "Cumpărate frecvent împreună" cu 39% — fără nicio intervenție manuală. AI a început să "gândească" în raport cu catalogul de produse așa cum ar face un consilier de vânzări.

Unde să plasezi recomandările pe un site: pagini cheie și cazuri de utilizare

Acum trecem la o întrebare pur practică: unde anume ar trebui să afișezi aceste blocuri inteligente ca să genereze rezultate, nu doar să ocupe spațiu? Pentru a obține rezultate, ține minte un lucru: recomandările tale trebuie să se alinieze cu intenția utilizatorului în fiecare etapă a parcursului către achiziție.

Pagina principală: navigare pentru trafic rece

Pagina principală atrage frecvent trafic fără o intenție clar definită — oameni care vin din campanii de display, răsfoiesc ocazional catalogul sau revin după o pauză lungă.

Aici, recomandările funcționează ca un navigator inteligent. Scopul este să captezi atenția, să împiedici utilizatorul să părăsească site-ul și să-l ajuți să găsească rapid ceea ce caută.

Ce algoritmi să folosești:

• Recomandări personalizate — cea mai sigură alegere atunci când utilizatorul este autentificat sau sistemul i-a înregistrat deja sesiunile anterioare.
• Cele mai vândute sau produsele populare — pentru vizitatori noi sau anonimi. Pentru a nu supraîncărca pagina principală, acestea pot fi combinate cu selecții personalizate într-un singur bloc inteligent.

Și blocurile personalizate funcționează bine aici — de exemplu, "Noutăți" sau "Produse la reducere" pentru a promova produsele prioritare pentru afacere. O altă opțiune interesantă este un bloc "Produsele săptămânii". În loc să trimită săptămânal o solicitare dezvoltatorilor pentru a actualiza pagina principală, un marketer poate petrece cinci minute setând reguli manuale sau definind logica de rotație automată prin interfața platformei.

Pagina de categorie: ajută utilizatorii să aleagă

Situația se schimbă aici. Utilizatorul a făcut deja o primă alegere — de exemplu, a navigat la "Încălțăminte sport" sau "Jocuri de societate" — dar încă se uită la sute de opțiuni. Intervine riscul de oboseală a alegerii.

Un bloc de recomandări pe această pagină acționează ca un filtru, restrânge selecția și concentrează atenția — grăbind clicul către pagina unui produs specific.

Ce algoritmi să folosiți:

• Recomandări personalizate din categoria curentă. Algoritmul principal pentru această pagină. Aceleași selecții personalizate bazate pe datele utilizatorului, limitate în mod specific la produsele din acea categorie.
• Dacă utilizatorul nu este autentificat, cele mai vândute sau produsele populare din categorie sunt varianta de rezervă potrivită.

Pagina de produs: cross-sell și alternative

Această pagină este punctul de contact cu cea mai mare intenție de cumpărare de pe site, unde utilizatorul ia decizia finală — să cumpere sau nu. Întrucât această pagină generează cea mai mare parte din venituri, merită acordată o atenție deosebită configurării ei și calității atributelor de produs din feedul de produse.

Pe pagina de produs, recomandările au două scopuri principale:

1. Confirmarea alegerii și stimularea upsell-ului. Un bloc "Cumpărate frecvent împreună" îi ajută pe clienți să își completeze logic comanda cu accesorii utile sau să alcătuiască pe loc un set.
2. Oferirea unei alternative. Dacă un client încă ezită din cauza prețului, culorii, mărcii sau anumitor caracteristici, un bloc "Produse similare" oferă opțiuni relevante și îl menține pe site.

Ce algoritmi să folosiți:

• "Cumpărate frecvent împreună." Instrumentul ideal de cross-sell pentru adăugarea de accesorii și articole complementare relevante la produsul principal. Plasați acest bloc cât mai sus — ideal chiar sub fotografie și descrierea principală.
• "Produse similare." Un instrument pentru orientarea în alegere, care ajută la păstrarea utilizatorilor atunci când produsul curent nu li se potrivește din cauza prețului, culorii sau lipsei din stoc. Acest bloc ar trebui să fie printre primele elemente pe care le vede un vizitator.

Nu ascundeți recomandările la partea de jos a paginii — le reduce direct eficiența. Blocurile trebuie să fie ușor accesibile — de exemplu, imediat sub imaginea produsului. Utilizatorii nu ar trebui să fie nevoiți să deruleze până la mijlocul paginii ca să le găsească.

Bloc de colecție sau "Completează ținuta"

Cel mai eficient bloc pentru nișa fashion. În loc să-i pună pe clienți să caute piese asortate, sistemul prezintă o ținută gata făcută — de exemplu, asociind o jachetă selectată cu o căciulă și un fular din aceeași colecție.

Acest lucru crește semnificativ ușurința alegerii și implicarea — clientul primește nu un amalgam aleatoriu, ci o soluție completă și coerentă. Și sporește substanțial numărul de articole pe comandă și valoarea medie a comenzii (AOV).

Coș: Upsell/Cross-Sell soft

Ultima etapă înainte de finalizarea comenzii — utilizatorul este la un pas de achiziție. Prioritatea în etapa coșului este: să nu faci rău. Recomandările de aici nu ar trebui să distragă de la finalizarea plății sau să introducă îndoieli cu privire la produsul principal deja în coș. Aceasta este o zonă pentru upsell subtil, aproape impulsiv.

Ce algoritmi să folosiți:

• "Achiziționate frecvent împreună" și "Accesorii." Consumabile ieftine, baterii sau servicii — precum garanțiile extinse — funcționează bine aici. Articole înrudite din alte categorii pot avea, de asemenea, rezultate bune pentru a extinde comanda (fără a-i face pe utilizatori să-și pună la îndoială ceea ce au deja în coș).

Locuri mai puțin evidente pentru recomandări

Cei mai mulți marketeri se concentrează pe amplasările clasice ale blocurilor de recomandări. Însă parcursul clientului nu este întotdeauna liniar, iar o achiziție nu urmează mereu traseul "pagina principală → categorie → produs." Există puncte oarbe pe site-uri — pagini care aduc trafic, dar nu îl convertesc, pur și simplu pentru că lipsesc ofertele relevante.

Tabloul de bord al contului: lucrul cu cei mai fideli clienți

Cine vizitează cel mai des tabloul de bord al contului? Segmentul tău de audiență cu cea mai mare valoare: clienții loiali care au cumpărat deja de la tine, au un istoric de comenzi, au acumulat puncte bonus și au un nivel ridicat de încredere în brand. Sistemul are cele mai multe date comportamentale despre ei.

Ce algoritmi să folosiți: Recomandările personalizate bazate pe istoricul utilizatorului funcționează cel mai bine aici. CTR-ul unui bloc de recomandări din tabloul de bord al contului este de 2–3x mai mare decât al oricărui alt bloc de pe site.

Blog: Conversii din traficul din căutare

Blogul este o sursă excelentă de trafic SEO organic. Oamenii vin aici pentru informații utile — de exemplu, citind un articol intitulat "Cum să îngrijești blana pisicii în sezonul de năpârlire" — dar nu sunt întotdeauna pregătiți să cumpere imediat. Dacă pagina se încheie doar cu text, ratezi oportunitatea de a transforma un cititor în client.

Recomandările din blog funcționează ca un pod nativ, logic către achiziție: citești despre pisici — iată instrumente de îngrijire și vitamine chiar acolo, la îndemână.

Ce algoritmi să folosești:

• Produse legate de subiectul articolului.
• Recomandări personalizate (dacă cititorul are deja un istoric de navigare).
• Produse populare din categoria din care face parte articolul.

Retailerul de produse pentru animale MasterZoo s-a confruntat cu o problemă obișnuită. Managerii de conținut alcătuiau manual selecțiile de produse pentru fiecare articol — un proces care putea dura până la 8 ore per material, însumând aproximativ 120 de ore pe lună. După automatizarea acestuia prin recomandări bazate pe AI, timpul de pregătire pentru blocul de produse al unui articol a scăzut de la 8 ore la 5 minute. Însă rezultatul principal — selecțiile inteligente au crescut vânzările direct din blog de 9 ori.

Pagina 404: salvarea unei sesiuni pierdute

O pagină de eroare 404 — un link nefuncțional sau o pagină ștearsă — este de obicei tratată ca un capăt de linie. Comportamentul standard al utilizatorului în această situație este să închidă site-ul și să se întoarcă la Google.

Dar, în loc să te oprești la "pagina nu a fost găsită," poți transforma această eroare într-un instrument de navigare și să ajuți utilizatorul să-și continue parcursul.Ce algoritmi să folosești:

• Dacă utilizatorul are deja un istoric de interacțiune, recomandările personalizate sunt una dintre cele mai eficiente opțiuni. Va vedea produse pentru care și-a manifestat deja interesul, reducând impulsul de a părăsi site-ul.
• Dacă utilizatorul este nou, încearcă cele mai vândute produse sau noile apariții. Acest lucru salvează sesiunea, menține atenția și readuce un potențial cumpărător în pâlnia de conversie.

Personalizare: cum să faci AI să lucreze pentru obiectivele afacerii tale

Recomandările personalizate nu înseamnă doar să oferi fiecărui vizitator o selecție unică — înseamnă și adaptarea algoritmilor la obiectivele unui anumit business. Fie că este vorba de promovarea produselor prioritare sau de ajustarea logicii blocului, sistemul nu doar stabilește ce îl interesează pe utilizator; el lucrează în interesul afacerii.

Chiar și fără configurări suplimentare, sistemul are deja reguli de bază care fac recomandările inteligente și practice. De exemplu:

• Sistemul ia în considerare segmentul de preț către care înclină utilizatorul. Cumpărătorii premium nu vor vedea oferte ieftine, și invers — utilizatorii sensibili la preț nu vor vedea produse dincolo de bugetul lor.
• Sistemul ia în calcul popularitatea produselor. Prioritate au produsele "active" pe care oamenii chiar le cumpără.
• Produsele care nu sunt pe stoc nu apar niciodată în recomandări. Poate părea evident, dar în configurările manuale ale recomandărilor este adesea o problemă.

Când o afacere are nevoi specifice, acestea pot fi adresate prin reguli personalizate, de exemplu:

• Creșterea priorității produselor. Un marketer poate crește artificial frecvența de afișare a unor articole specifice — produse cu marjă ridicată, produse marcă proprie sau mărfuri ale mărcilor partenere. Budynok Ihrashok, de exemplu, a folosit cu succes un boost pentru a promova cărți de colorat caritabile. Acest lucru a permis brandului să-și comunice valorile chiar în momentul luării deciziei, fără a compromite relevanța generală a blocului.

• Restricții și excluderi. Uneori este esențial să NU afișezi anumite produse. De exemplu, să ascunzi produsele din cel mai jos segment de preț sau din categorii sensibile ale sortimentului. Un exemplu clar este marketplace-ul Liki24.com, unde cerințele de reglementare interzic recomandarea medicamentelor pe bază de rețetă. A fost implementată o logică personalizată: dacă un client navighează exclusiv medicamente pe bază de rețetă, sistemul nu lasă gol blocul de recomandări. În schimb, afișează produse permise din categoria "trusa medicală universală" (fașe, vitamine etc.) — iar chiar și acea selecție de rezervă este personalizată pentru un utilizator.
• Afinitate bazată pe atribute. Algoritmul poate fi configurat să prioritizeze atribute specifice din feedul de produse. De exemplu, astfel încât alternativele să sugereze încălțăminte doar în aceeași culoare, același brand sau aceeași mărime ca produsul principal.

Omnicanal: recomandări dincolo de site

Parcursul clientului înseamnă mai mult decât o filă din browser. Limitarea recomandărilor doar la site înseamnă să lași o parte semnificativă din venituri pe masă. Personalizarea trebuie să funcționeze în fiecare punct de contact cu clientul.

Aplicația mobilă: marea tendință în retail

Pentru multe branduri mari, aplicația mobilă nu mai este doar un canal suplimentar, ci a devenit punctul principal de vânzare. Utilizatorii aplicației cumpără mai frecvent și lasă date comportamentale mai bogate. Principalul avantaj este că nu trebuie să reinventezi logica. Aplicația folosește aceiași algoritmi și aceleași puncte cheie de plasare — pagina principală, pagina produsului, coș — ca pe web.

Cel mai important element aici este sincronizarea. Când datele din web și aplicație sunt unificate printr-un CDP, clienții au o experiență fără întreruperi. De exemplu, au căutat adidași pe un laptop, apoi au deschis seara aplicația pe telefon și i-au văzut imediat — împreună cu produse complementare relevante — în blocul de recomandări.

Canale directe: Email, Viber, Push

Canalele directe reprezintă un mediu puternic pentru integrarea recomandărilor de produse. Ele ar trebui folosite nu doar în secvențe trigger clasice — precum "Coș abandonat," "Navigare abandonată," sau un Next Best Offer — ci și în campaniile promoționale de masă obișnuite.

În loc să trimiți fiecărui utilizator aceeași selecție a câtorva produse alese de un manager de categorie, este mult mai eficient să construiești o ofertă individuală pentru fiecare client.

Platformele moderne fac ușoară generarea blocurilor dinamice de recomandări direct în mesaje — iar rezultatele sunt semnificative.

Retailerul Comfy a adăugat recomandări personalizate bazate pe AI în campaniile sale promoționale de masă și a înregistrat +10% la valoarea medie a comenzii, cu 51% din toate clicurile din email direcționate către blocul de recomandări de produse generat algoritmic. Cu alte cuvinte, oamenii sunt mai înclinați să dea clic pe conținut adaptat intereselor lor decât pe oferte promoționale generice.

Echipa Budynok Ihrashok a derulat un test A/B în Viber, împărțind audiența în trei segmente. Primul a primit o promo clasică cu un singur banner static. Al doilea a primit un banner plus recomandări. Al treilea a primit doar un carusel cu recomandări de produse generate de AI de la Yespo. La toți indicatorii — Rată de deschidere, CTR, Rată de conversie — campania doar cu recomandări a câștigat detașat, depășind bannerul static cu 20–30%.

Astăzi, personalizarea este standardul de bază pentru ecommerce. Fără ea, golurile din pâlnia de vânzări vor fi mai mari decât găurile din brânza Maasdam. Dar simpla plasare a blocurilor de recomandări nu este suficientă. Algoritmii moderni au depășit de mult regulile simple. Ei funcționează cu mai multă precizie, analizează mai în profunzime și scot la iveală conexiuni mai rapid decât ar putea face orice revizuire manuală a categoriilor.

Cifrele liderilor de piață o arată clar. De ce e nevoie: un feed de produse curat, o urmărire corect configurată a datelor comportamentale și algoritmii potriviți fiecărui pas al parcursului utilizatorului.

Dacă observați scăderi ale vânzărilor în magazinul online, utilizatori care abandonează coșul la ultimul pas înainte de plată sau, pur și simplu, doriți să vă eliberați echipa de rutina asamblării manuale a selecțiilor de produse — avem o soluție.

Completați formularul de mai jos — vă vom analiza pâlnia actuală, vom identifica oportunități ascunse de creștere și vă vom arăta exact cum să implementați recomandări bazate pe AI în afacerea dvs., astfel încât să înceapă să genereze venituri suplimentare încă din primele săptămâni.

Solicitare specială inline