Hay muchas plataformas y ecommerce que incorporan sistemas de recomendación. Este tipo de herramienta se basa en los datos del historial del usuario y hace sugerencias basándose justamente en él. Es decir, intenta predecir qué producto o servicio puede interesarle. Pero ¿cómo funciona exactamente el sistema de recomendaciones de producto y cómo puede aplicarse de forma correcta en una tienda online?
El sistema de recomendación es una herramienta capaz de hacer unas predicciones y hacer sugerencias al usuario basándose en su historial o, incluso, en otros datos que haya proporcionado de forma directa a través de, por ejemplo, encuestas. Es decir, es capaz de hacer una asociación entre sus acciones y los productos o servicios que se ofrecen en el ecommerce o plataforma para mostrarle aquello que pueda ajustarse más a sus gustos, preferencias y necesidades.
Las recomendaciones de producto han resultado ser mucho más eficaces que los conocidos rankings o listas de popularidad. Esto se debe principalmente a que son capaces de ofrecer listas personalizadas e individualizadas muy precisas que permiten conocer nuevos productos o servicios ajustados a los gustos, necesidades y preferencias del usuario. De ahí que puedan verse en plataformas en streaming, como Netflix y Disney+; y en comercios online, como librerías, tiendas de ropa y perfumerías, entre muchas otras.
Hasta hace algunos años, lo que hacían en un ecommerce era mostrar listas de productos más comprados o más valorados, entre otros adjetivos. Esto significa que todos los usuarios, independientemente de su historial y sus compras, veían las mismas listas y los mismos productos o servicios. Con la llegada de los sistemas de recomendación con data science es posible hacer sugerencias personalizadas para cada cliente.
El data science permite recopilar y analizar una gran cantidad de datos, entre los que se incluyen los productos que se han visto, con los que se ha interactuado o los que se han comprado; y hacer comparaciones entre usuarios de perfiles parecidos en busca de patrones comunes para poder generar unas recomendaciones.
Para aplicar el marketing de recomendación es necesario tener en cuenta una serie de factores, como cuidar siempre la experiencia del usuario. Aunque hacer recomendaciones de productos o servicios puede ayudar a generar ventas, estas no deben ser demasiado invasivas. Es decir, deben estar visibles pero no dificultar la navegación o la visualización de la página web. O, dicho de otra forma, hay que encontrar el término medio entre el push y el pull.
Una de las principales ventajas de las recomendaciones es que pueden incluirse en prácticamente cualquier lugar sin que el usuario se sienta invadido o atacado. Uno de estos sitios puede ser la misma página de inicio, aunque también se pueden utilizar los correos electrónicos, la página de checkout o, incluso, la página de error.
También es importante destacar que existen varios tipos de recomendaciones y que es clave escoger cuál de ellos se ajusta más al modelo de empresa y a la tienda online. A uno de ellos se le conoce como recomendación colaborativa, donde el algoritmo se basa tanto en las acciones realizadas por el usuario como las que han hecho otros usuarios de un perfil parecido. Otro está basado en el contenido y no tiene en cuenta el perfil del usuario, sino las características del producto o servicio para hacer recomendaciones.
También hay sistemas de recomendación más simples, como el que está basado en productos relacionados, donde lo que se le ofrece al cliente es una combinación de productos similares a aquellos con los que se ha interactuado; o el que se basa en productos complementarios, donde se ofrece un producto que puede emparejarse con uno ya adquirido.
Si no se sabe qué sistema de recomendación escoger se pueden hacer pruebas A/B y, en función de los resultados, seguir con un tipo u otro de estrategia.
En cualquiera de los casos, la flexibilidad es clave en un marketing de recomendación. Esto significa que aunque está bien dejar que los algoritmos decidan qué productos y servicios mostrar, de forma manual también deberían incluirse o excluirse artículos específicos.
Además de todo lo que se ha mencionado, hay que escoger muy bien el número de recomendaciones que se hace, ya que más sugerencias no siempre son mejores resultados.
Hay varias herramientas que pueden facilitar el proceso de creación de recomendaciones de producto. Estas son algunas de ellas:
Algoritmos de recomendación, como Collaborative Filtering, que utiliza el historial del usuario; el Content-Based Filtering, que se basa en características de los productos con los que se ha interactuado; o Filtrado híbrido, que es una combinación de ambas.
Plataformas de Machine Learning, como TensorFlow, PiTorch o Scikit-learn, que son softwares capaces de recopilar información de forma automática para generar, después, recomendaciones basadas en ella.
APIs de recomendación, como Amazon Personalize o Google Cloud AI Platform Recommendations, que permiten integrar el software en la misma plataforma o aplicación con el fin de que, de forma automática, se generen las recomendaciones de producto o servicio.
Plataformas de ecommerce, como Shopify y Magento, ya incorporan funcionalidades y extensiones para recomendar productos.
Análisis de datos a través de herramientas como Google Analytics 4 permite obtener información relacionada con el comportamiento de los usuarios, lo que puede ayudar a hacer recomendaciones personalizadas.
Además de estas herramientas, también es importante tener en cuenta el feedback de los usuarios y recopilar y analizar sus comentarios directos para saber hasta qué punto los productos o servicios recomendados son de su agrado. Otra estrategia muy eficaz para conocer si los algoritmos y enfoques son efectivos es hacer pruebas A/B, especialmente cuando no se tiene muy claro qué tipo de recomendaciones hacer.
Lo más importante, sin embargo, es adaptar las herramientas a las necesidades del ecommerce y al tipo de cliente objetivo. Además, y muy importante, este tipo de acción debe hacerse siempre respetando la privacidad del usuario y sin poner en riesgo sus datos personales.
Hoy en día se pueden encontrar recomendaciones de producto en prácticamente cualquier ecommerce o plataforma, incluidas Netflix y Spotify. Además, en función de la página web pueden ser de una forma u otra. Estos son algunos ejemplos:
Los más vendidos: es la forma más simple y efectiva de recomendar productos. Consiste en mostrar un listado de los top ventas, ya que se considera que a cualquier usuario puede gustarle esos productos que gustan a la mayoría.
Tendencias: consiste en destacar aquellos productos de temporada o que suelen buscarse en una fecha o dentro de un periodo de tiempo determinado. Por ejemplo, productos de temática navideña durante los meses o semanas previas a Navidad.
Ofertas y promociones: para generar ventas pueden mostrarse aquellos productos o servicios que están de oferta y promoción, ya que es algo que suele llamar mucho la atención.
Mejor valorados: los artículos que ya han probado otros usuarios y que tienen buena puntuación y crítica tienden a generar mayor confianza. Justo por este motivo pueden destacarse y mostrarse como sugerencia.
Sin embargo, en este tipo de recomendaciones, pese a ser muy comunes, no existe ningún tipo de personalización o individualización, ya que a todos, independientemente de su historial, se les muestra el mismo listado. Para recomendaciones de producto personalizadas y basadas en historiales y acciones pasadas se puede optar por:
En función de la ubicación: los productos o servicios que se muestran al usuario dependen del lugar en el que se encuentra. Por ejemplo, una tienda de ropa sugerirá un tipo de prendas a los usuarios que viven en un entorno de montaña y otro tipo a aquellos que viven cerca de la playa.
En función del historial de navegación: es uno de los sistemas de recomendación de producto más comunes, ya que se basa en el historial del usuario. Es decir, en los productos que se han visto o con los que se ha interactuado.
En función del historial de compra: es muy parecido al sistema de recomendación anterior, pero en este caso se tienen en cuenta únicamente los productos que se han comprado o los servicios que se han contratado.
Productos similares, ventas adicionales y ventas cruzadas: hay algunos sistemas que permiten mostrar productos o servicios similares a los que está consultando el usuario en ese momento. Funciona muy bien para ayudar al comprador a conocer otras opciones o conocer la existencia de productos complementarios sin necesidad de buscar o navegar por internet y antes de finalizar la compra, por lo que se puede conseguir un carrito de la compra mayor.
Podemos concluir, entonces, que el sistema de recomendación de productos es muy útil para generar ventas y dar a conocer otros productos y servicios al usuario. Sin embargo, hay que valorar muy bien cuál de ellos se ajusta más al tipo de ecommerce y a la estrategia que se está siguiendo.