Bagaimana CMO Mendefinisikan Ulang Pencarian Produk dengan Tampilan Terprogram

Category Merchandising Optimization (CMO) bukanlah terobosan baru. Ini telah digunakan oleh gerai ritel berbasis bata-dan-mortir selama bertahun-tahun. CMO telah diterapkan oleh toko kelontong ketika mereka secara selektif menempatkan barang-barang dengan permintaan tinggi setinggi mata di rak, dan di pajangan akhir di pulau-pulau yang relevan. CMO adalah alasan mengapa barang-barang pokok seperti roti, susu, dan telur ada jauh di belakang toko kelontong, memaksa konsumen untuk melewati semua produk lain yang mungkin tergoda atau diingatkan untuk dibeli. Ini telah diterapkan di hampir semua toko ritel di mana produk premium dipajang di bagian depan toko, sedangkan item clearance lebih banyak ditemukan di bagian belakang toko. Pedagang eceran yang terlibat secara manual mempelajari pola belanja pelanggan mereka untuk mengoptimalkan tata letak toko dan strategi penempatan barang. Ini telah dianggap sebagai persyaratan strategi di dalam toko selama bertahun-tahun, dan baru-baru ini teknologi yang tepat telah dikembangkan untuk menerapkan proses prioritas serupa di eCommerce melalui tampilan terprogram.

Tanpa CMO, belanja online bisa sangat mirip dengan tempat sampah pakaian, dengan barang-barang yang dicampur secara sembarangan. Setara dengan eCommerce ini adalah menggulir beberapa halaman produk dalam upaya sia-sia untuk menemukan item tertentu. Ini biasanya di mana penerapan kategori produk ikut bermain. Situs eCommerce sering kali memiliki kategori, subkategori, dan bahkan subdivisi produk lebih lanjut untuk mengatur item yang tersedia yang dicari pelanggan Anda. Namun, sering kali suatu produk berlaku untuk beberapa kategori, yang mengarah pada pemahaman yang tidak realistis tentang permintaan produk. Misalnya, saat menelusuri melalui metode penyortiran "paling populer" untuk item seperti buku mewarnai, seperti yang dijelaskan oleh Linda Bustos , pensil warna mungkin muncul sebelum buku mewarnai itu sendiri karena kategori lain yang relevan dengan pensil tersebut, seperti kembali ke sekolah, perlengkapan seni, anak-anak, dll. Bustos melanjutkan dengan menjelaskan bahwa barang-barang mungkin muncul lebih sering karena bias pemilihan sendiri. Item yang dikategorikan secara samar muncul lebih sering, yang mengarah ke lebih banyak klik, yang pada gilirannya terus menghasilkan peringkat prioritas dalam "paling populer" meskipun berpotensi tidak relevan sejak awal. Ini dapat dijelaskan melalui contoh tempat sampah yang disebutkan sebelumnya. Item di atas nampan dapat dicoba berkali-kali (setara dengan banyak klik) sehingga menjadi sangat "populer", namun, mereka dikembalikan ke atas nampan (tidak pernah ditambahkan ke troli) setiap saat, jadi mereka pada kenyataannya, tidak menjual dengan baik sama sekali.

Pengoptimalan Merchandising Kategori (CMO) adalah pendekatan strategis kategori demi kategori untuk mengatur halaman daftar produk merchandising. Hal ini memungkinkan hasil pencarian produk diurutkan di bawah algoritme yang mirip dengan proses pemesanan hasil mesin pencari Google. Sekarang, algoritme prioritas intuitif dapat diterapkan ke halaman hasil produk di tingkat etalase elektronik individual. Ini memungkinkan produk Anda diurutkan secara terprogram dalam kaitannya dengan konteks pembelian berdasarkan kategori, faktor pendorong dan pengubur, dan faktor personalisasi, seperti kategori dan merek yang sebelumnya dijelajahi. CMO menggabungkan pengoptimalan tingkat konversi, perbandingan pengujian A/B yang efisien, dengan algoritme prioritas SEO untuk memastikan konsumen Anda diperlihatkan produk yang paling relevan dengan pertanyaan mereka.

Membeli Konteks berdasarkan Kategori

Produk evergreen, jika dibandingkan dengan produk musiman, sangat sensitif terhadap kategori di mana mereka berada. Mampu secara otomatis memprioritaskan produk yang mengalami lonjakan selama musim tertentu kemungkinan akan mendorong konversi secara real-time berdasarkan jumlah pertanyaan yang dideteksi algoritme.
Tingkat pertimbangan yang dialokasikan konsumen saat membeli produk sangat bergantung pada kategori produk apa yang ada di dalamnya. Misalnya ketika membeli barang sekali pakai, barang habis pakai sejauh mana konsumen mempertimbangkan kekuatan dan kelemahan produk lebih rendah daripada produk dengan aplikasi berkelanjutan, yang membutuhkan banyak pertimbangan.
Kategori tertentu harus memprioritaskan faktor peringkat tertentu di atas yang lain. Hal ini terutama benar ketika mempertimbangkan produk yang dampak bukti sosialnya (peringkat teratas, terlaris) melebihi faktor yang ditentukan perusahaan tertentu seperti harga atau nilai jual unik dari fitur yang dipromosikan produk. Misalnya, ketika mempertimbangkan pembelian seperti sepasang sepatu baru, di mana kenyamanan sepatu hanya dapat diungkapkan secara jujur ​​oleh konsumen yang sebelumnya telah membeli dan memakai sepatu untuk mengujinya. Ini secara signifikan mengalahkan fitur yang dipromosikan, karena tidak ada perusahaan yang dengan sengaja akan memberi tahu Anda tentang lecet atau kurangnya dukungan lengkungan yang dihasilkan dari produk yang mereka coba jual.

Meningkatkan dan Mengubur Faktor

Aturan Boost and Bury terdiri dari faktor-faktor yang dapat dianalisis oleh algoritme CMO untuk meningkatkan atau menurunkan prevalensi masing-masing produk dalam hasil penelusuran situs web Anda. Algoritme yang dapat mengenali produk yang berhasil dijual akan meningkatkan status daftar hasil produk ini ke hasil halaman depan. Misalnya, jika produk Anda menerima teriakan dari seorang selebriti, Anda mungkin melihat lalu lintas melonjak dengan cepat. Aturan peningkatan dalam algoritme mengenali hal ini dan mempromosikan produk secara mandiri secara waktu nyata. Berlawanan dengan ini, jika Anda hampir kehabisan produk, aturan penguburan algoritme akan mengurangi visibilitas item ini sehingga tidak mengecewakan pelanggan Anda karena mereka hanya mencari untuk mengetahui bahwa item tersebut tidak tersedia atau hanya dapat dibeli dalam ukuran atau warna yang tidak populer.
Aturan boost dan bury dapat dipengaruhi oleh faktor-faktor seperti pendapatan per pengunjung dan rasio penjualan-tayang. Keduanya akan menarik prioritas yang lebih tinggi dan kebutuhan akan strategi yang lebih besar untuk mengoptimalkan secara efektif. Jika Anda ingin meningkatkan tingkat tampilan merek rumah Anda selama sisa inventaris Anda, aturan boost/bury dapat diterapkan untuk menegakkan dominasi produk Anda sendiri atas produk lain. Perubahan ini secara teoritis dapat dilakukan secara manual, namun, ini pekerjaan yang sangat menuntut yang sering kali mungkin terlalu sedikit terlambat, terutama mengacu pada tren budaya pop yang mungkin tidak Anda ikuti. Algoritme yang diterapkan mengelola prioritas item Anda tanpa perlu Anda secara aktif menyesuaikan pengaturan pencarian Anda.

Faktor Personalisasi

Personalisasi pengalaman belanja pelanggan Anda sangat bergantung pada cookie yang dapat dilacak yang memungkinkan algoritme CMO membangun profil metadata di sekitar alamat IP unik setiap pelanggan. Profil ini dibangun melalui kategori dan merek yang telah dijelajahi sebelumnya. Pembelian sebelumnya dan produk yang telah ditambahkan sebelumnya, atau item yang saat ini ada di keranjang pelanggan juga berkontribusi pada profil pelanggan. Faktor personalisasi dapat menyesuaikan konten situs Anda berdasarkan bagaimana pengunjung tiba di situs web Anda, apakah itu berarti tiba melalui mesin telusur, situs perujuk, atau iklan atau kampanye tertentu. Ini sangat berguna dalam hubungannya dengan iklan. Item yang ditampilkan dalam materi promosi kemudian dapat langsung menonjol saat tiba di situs web Anda.

Dengan mempelajari dan secara aktif beradaptasi dengan tren waktu nyata dan faktor ketersediaan produk, Anda dapat mengoptimalkan tingkat konversi produk, mendorong penjualan ke tingkat yang belum pernah terjadi sebelumnya. Selain mendorong tingkat konversi, CMO akan menciptakan pengalaman berbelanja yang lebih intuitif dan memuaskan bagi pelanggan Anda. Merchandising kategori manual dapat dilakukan tanpa algoritme otomatis seperti yang ditampilkan oleh Jirafe (baru-baru ini diakuisisi oleh SAP Hybris) yang menunjukkan peningkatan 40% dalam konversi sebagai akibat dari pertimbangan merchandising kategori yang serius. Namun karena tren eCommerce otomatis ini baru saja muncul, hanya ada sedikit perusahaan yang menawarkan alat untuk kategori terprogram dan pengoptimalan merchandising. Jika Anda tertarik untuk mempelajari lebih lanjut, periksa alat Merchandising SAP Hybris , Nextopia , Bloomreach , dan terus periksa dengan blog 1Digital tempat kami akan meninjau studi kasus CMO saat dirilis untuk membuat Anda tetap up to date berita terbaru di bidang baru yang menarik ini.

Bersumber dari:Pengoptimalan Kategori dan Merchandising [webinar] . Dir. Linda Busto. Kinerja Linda Busto. Masa Depan Keterlibatan Pelanggan dan Perdagangan . SAP Hybris, 30 Mei 2016. Web. 2 Juni 2016. <http://www.the-future-of-commerce.com/2016/05/30/category-merchandising-e-commerce-optimization/>.