，目前已經(jīng)在很多網(wǎng)店起到實(shí)效了
，由此備受電商青睞
。關(guān)聯(lián)營(yíng)銷亦成為綁博營(yíng)銷，它是指在一個(gè)商品頁同時(shí)也放了其他同類
、同品牌可搭配的等等關(guān)聯(lián)的商品
。由此可以讓用戶多看一些其他類的商品，以此提高成交率
。要做好關(guān)聯(lián)營(yíng)銷
，也需要一定的技巧去做好推薦商品的設(shè)計(jì)。以下我們就來細(xì)細(xì)解讀
。
為什么要做相關(guān)商品推薦?
商品詳情是可能挖出金子的島嶼，我們都知道。
于是我們使了各種招式，終于讓用戶來到了商品詳情頁。我們悄悄念起魔鬼的咒語，恨不得用戶馬上去點(diǎn)全頁最醒目的那個(gè)“加入購物車”或“立刻購買”?div id="d48novz" class="flower left">
？墒牵^大部分B2C商詳頁的UV轉(zhuǎn)化率不超過5%(何況是PV!)
，絕大部分用戶最終是不會(huì)購買這個(gè)商品的
，有可能他是漂亮的圖片騙進(jìn)來的，有可能價(jià)格不合適
，有可能商品細(xì)節(jié)不喜歡
，有可能大多數(shù)的好評(píng)里有一個(gè)讓他難以接受的差評(píng)，總之
，他不想買
。
難道讓用戶就這么流失?相關(guān)商品推薦的作用就是讓用戶繼續(xù)逛下去，直到讓他找到喜歡的商品。好的商品推薦，是讓用戶不能停住腳步。讓用戶繼續(xù)瀏覽下去，才有可能去購買其他類型的商品。
相關(guān)商品推薦的關(guān)鍵在于“相關(guān)”
相關(guān)商品銷售的關(guān)鍵在于“相關(guān)”，這就意味著必須從某個(gè)角度、或者維度對(duì)商品進(jìn)行切分，然后聚類，推薦給用戶。這跟線下的商品陳列是很類似的，譬如你走到一個(gè)杏仁巧克力的貨架前
，拿起巧克力端詳后，可是你發(fā)現(xiàn)這個(gè)口味比喜歡
，那么你可能會(huì)從旁邊的貨架上找的其他口味的
。可能你會(huì)發(fā)現(xiàn)上面的字樣有所不對(duì)
，并不是真的
，那么你可能會(huì)從旁邊的貨架中去尋找真的德芙巧克力。前者是基于口味
，后者是基于品牌
。
還有很多線索，比如特價(jià)、比如套裝。線上的展示會(huì)更加豐富，因?yàn)榫€索是可配置的，可切片的，不像線下的貨架難以移動(dòng)。
商品和基于用戶行為
縱觀目前各大電商網(wǎng)站的相關(guān)推薦，無非“基于商品”和“基于用戶行為”兩種相關(guān)商品推薦。
基于品類，主要有兩種方式“相關(guān)搭配”和“銷售排行榜”。相關(guān)搭配，往往是基于互補(bǔ)的商品和品類。比方說賣建裙子吧，搭配個(gè)項(xiàng)鏈或是打底褲；賣個(gè)手機(jī)吧，搭配個(gè)充電器、數(shù)據(jù)線，套餐購買可以省下20塊。“銷售排行榜”，這個(gè)必須加上其他的標(biāo)簽進(jìn)行細(xì)化，比如“同品類”、“同品牌”、“同價(jià)格段”，這是京東的商詳展現(xiàn)的內(nèi)容。
基于用戶行為，就是通過用戶個(gè)人或者群體表現(xiàn)出來的特征進(jìn)行推薦
。這種方式，亞馬遜用得可謂淋漓盡致
。像“猜你喜歡”之類，基于用戶的個(gè)人屬信特征
，比如年齡
、性別、購物偏好
、收入水平等
，這個(gè)沒有豐富儲(chǔ)量的數(shù)據(jù)。但其實(shí)還有一些更簡(jiǎn)單的方式
。最簡(jiǎn)單的莫過于”最近瀏覽的商品“模塊
，喚醒用戶記憶，簡(jiǎn)簡(jiǎn)單單
，好不好用
，要看數(shù)據(jù)。還有“瀏覽該商品的用戶還瀏覽了”
、“瀏覽該商品的用戶最終購買了”
，這是基于群體的瀏覽行為;“購買該商品的用戶同時(shí)還購買了”，這是基于群體的購買行為
。純粹這么玩
，是玩不轉(zhuǎn)的，推薦的商品未必靠譜
。無論是瀏覽
、購買行為還是拉取相關(guān)品類、品牌之類的標(biāo)簽信息進(jìn)行聚合
。
到處都是其他推薦，很煩啊有木有？以上的這些相關(guān)推薦模塊全加上
，真是全屏商品
，看似豐富
，可別忘了商詳頁的首要目標(biāo)：讓用戶把商品買下來。一大堆的商品只會(huì)讓用戶眼花繚亂了
。因此
，不要過度推薦。
區(qū)分推薦商品類型：同類商品、補(bǔ)充商品和友好商品
一件襯衣的商品詳情頁，你推薦了別一件襯衣，那是同類商品
；推薦了一條皮帶
，那是補(bǔ)充商品；你算法算出來
，買了襯衣的用戶通常還買了TT
，這是友好商品。
一般來說，“同類商品排行榜”
、“瀏覽該商品的用戶還瀏覽了”、“瀏覽該商品的用戶最終購買了”
，推薦的往往是同類商品
。“相關(guān)搭配”
、“購買該商品的用戶同時(shí)還購買了”
，推薦的是補(bǔ)充商品;“猜你喜歡”之類的推薦的是“友好商品”。
一般來說，商詳頁的內(nèi)容應(yīng)該包括同類商品
、補(bǔ)充商品和友好商品，不要把想到的所有模塊都鋪上
。那如何用設(shè)合適的模塊呢?要考慮下面幾個(gè)因素
。
區(qū)分品類的需求特點(diǎn)：需求集中和需求分散
產(chǎn)品生命周期長(zhǎng)、新品更新慢的產(chǎn)品，往往購買需求比較集中
，這時(shí)候商品品種之間關(guān)系比較穩(wěn)定，基于品類的推薦會(huì)比較靠譜
，這時(shí)候像“相關(guān)搭配”
、“銷售排行榜”從各個(gè)維度(品類、品牌
、價(jià)格)進(jìn)行拆分
，匹配用戶的概率比較低。
而像女裝這樣需求高度分散的商品 ，銷售排行榜之類的推薦往往不靠譜
，這時(shí)候使用基于用戶行為的商品推薦可能會(huì)更匹配一些
，其原因在于買這樣的商品的人是同一類人，有著相似風(fēng)格
，因此這里的基于用戶瀏覽
、購買行為的推薦其實(shí)還可以再打上”風(fēng)格“的商品屬性標(biāo)簽，這個(gè)標(biāo)簽可以不給用戶看到
。其實(shí)還有一個(gè)地方
，很多B2C蠻重視的，就是曬單區(qū)
，比如凡客有凡客達(dá)人喜勵(lì)曬單
，但還不是很明顯地在曬單區(qū)展示該達(dá)人的相關(guān)商品。如果是高度分散的商品
，基于人的因素的商品推薦還是值得嘗試
。
區(qū)分用戶的類型：老用戶和新用戶
新用戶的推薦，以上的玩法也夠玩了 。
老用戶的相關(guān)推薦玩法可以更豐富些，可有個(gè)性化的商品推薦;如果是平臺(tái)性的網(wǎng)站，可以推薦”你購買過的店鋪同類商品“
。當(dāng)然，沒有基礎(chǔ)能力
，這些還是玩不轉(zhuǎn)的
。
商品推薦的位置
一般網(wǎng)站，都是將補(bǔ)充商品放在商品主圖下方，而同類商品
、友好商品的推薦放在側(cè)邊欄和底欄。第一目標(biāo)
，仍然是讓用戶購買
；第二目標(biāo)，買了
，就搭配上其他東西
，多買點(diǎn)；第三目標(biāo)
，好吧
，這個(gè)不是你的貨，看看側(cè)欄其他商品如何
。
關(guān)注數(shù)據(jù)
上面講了一些思路，但對(duì)或不對(duì)，適合還是不適合，最終還是要看數(shù)據(jù)。那么要看哪些數(shù)據(jù)?單純從商詳跳轉(zhuǎn)來看的話，要看商詳PV中上一級(jí)頁面是商詳?shù)谋戎兀淘斚嚓P(guān)推薦模塊的點(diǎn)擊率。此外其他數(shù)據(jù)也值得參考，商詳PV/整站PV，商詳跳失率 ，不過這兩數(shù)據(jù)受其他因素的干擾比較大
。
只需在網(wǎng)站設(shè)計(jì)上多花一些功夫，就可能會(huì)帶來更多的銷量 ，或是提升轉(zhuǎn)化率
，這是十分值得的。然而
，一些中小電商并沒有意識(shí)到相關(guān)營(yíng)銷的重要性
，在相關(guān)推薦上也是做得十分粗糙，甚至商品間根本就不存在相關(guān)性
。當(dāng)然
，不可否認(rèn)，要做好相關(guān)推薦的設(shè)計(jì)
，其實(shí)是一件較難的事情
，要基于用戶行為，去研究用戶的消費(fèi)習(xí)慣
，其中的算法是及其復(fù)雜的
。
以上也只是相關(guān)營(yíng)銷設(shè)計(jì)的一些思路，而具體的還需要根據(jù)網(wǎng)站用戶的數(shù)據(jù)去做調(diào)整和變化 。雖然關(guān)聯(lián)營(yíng)銷頗費(fèi)時(shí)間和精力
，但是商品之間是需要一定的線索將其聯(lián)系起來的，這樣還不至于每一件商品都成為一個(gè)孤立的存在
，用戶訪問網(wǎng)站的時(shí)間更長(zhǎng)了
網(wǎng)站建設(shè) 網(wǎng)站制作 網(wǎng)頁設(shè)計(jì) 網(wǎng)站建設(shè)公司 沈陽網(wǎng)站建設(shè) 沈陽網(wǎng)頁設(shè)計(jì) 高端網(wǎng)站設(shè)計(jì) 沈陽網(wǎng)站制作公司 高端網(wǎng)站建設(shè) 沈陽網(wǎng)絡(luò)公司 沈陽網(wǎng)站制作
沈陽易勢(shì)科技有限公司 © 2006-2013 , All rights reserved. 遼B2-20150173-8
