CMO, Programatik Görüntülü Reklam Ağı ile Ürün Aramayı Nasıl Yeniden Tanımlıyor?

Kategori Mağazacılık Optimizasyonu (CMO) hiçbir şekilde yeni bir atılım değildir. Yıllardır tuğla ve harç bazlı perakende satış mağazaları tarafından kullanılmaktadır. CMO, yüksek talep gören ürünleri seçici olarak raflara ve ilgili adalardaki son kapaklı teşhirlere göz hizasına yerleştirdiklerinde marketler tarafından uygulandı. CMO, ekmek, süt ve yumurta gibi temel öğelerin bakkalın arka tarafında yer almasının, tüketicileri cazip olabilecekleri veya satın almaları hatırlatılabilecek diğer tüm ürünlerin yanından geçmeye zorlamasının nedenidir. Premium ürünlerin mağazanın önünde sergilendiği hemen hemen tüm perakende mağazalarında uygulanırken, gümrükleme ürünleri daha çok mağazanın arkasında bulunur. Bağlı bir perakende satıcısı, mağaza düzenini ve ürün yerleştirme stratejisini optimize etmek için müşterilerinin alışveriş modellerini manuel olarak inceler. Bu, uzun yıllardır mağaza içi stratejinin bir gerekliliği olarak kabul edildi ve son zamanlarda programatik görüntüleme yoluyla e-Ticaret'te benzer bir önceliklendirme sürecini uygulamak için uygun teknoloji geliştirildi.

CMO olmadan, çevrimiçi alışveriş, öğelerin gelişigüzel bir şekilde karıştırıldığı bir gümrükleme giysi kutusuna çok benzer. Bunun e-ticaret eşdeğeri, belirli bir öğeyi bulmak için boşuna bir girişimde birden fazla ürün sayfası arasında gezinmektir. Bu genellikle ürün kategorilerinin uygulanmasının devreye girdiği yerdir. E-ticaret sitelerinde genellikle müşterinizin aradığı mevcut öğeleri düzenlemek için kategoriler, alt kategoriler ve hatta daha fazla ürün alt bölümü bulunur. Bununla birlikte, çoğu zaman bir ürün birden fazla kategoriye uygulanır ve bu da ürün talebinin gerçekçi olmayan bir şekilde anlaşılmasına yol açar. Örneğin, Linda Bustos'un açıkladığı gibi, boyama kitapları gibi bir öğe için "en popüler" sıralama yöntemiyle arama yaparken , kalemlerin dahil olabileceği diğer ilgili kategoriler nedeniyle renkli kalemler boyama kitabının kendisinden önce görünebilir. okula dönüş, sanat malzemeleri, çocuklar için vb. Bustos, kendi kendini seçme önyargısı nedeniyle öğelerin daha sık görünebileceğini açıklamaya devam ediyor. Belirsiz bir şekilde kategorize edilen öğeler daha sık görünür ve daha fazla tıklamaya yol açar, bu da potansiyel olarak başlangıçta alakasız olmalarına rağmen "en popüler" içinde öncelik sıralamasıyla sonuçlanmaya devam eder. Bu, daha önce bahsedilen temizleme kutusu örneği ile açıklanabilir. Çöp kutusunun üstündeki öğeler birçok kez denenebilir (birçok tıklamaya eşdeğer) ve bu da çok "popüler" olmalarına neden olabilir, ancak her seferinde çöp kutusunun en üstüne (hiçbir zaman sepete eklenmez) döndürülürler, bu nedenle aslında hiç iyi satmıyorlar.

Kategori Mağazacılık Optimizasyonu (CMO), mağazacılık ürün listesi sayfalarını organize etmek için kategori bazında stratejik bir yaklaşımdır. Bu, ürün arama sonuçlarının, Google'ın arama motoru sonuç sıralama sürecine benzer bir algoritma altında sıralanmasını sağlar. Artık, ürün sonuç sayfalarına bireysel bir elektronik mağaza düzeyinde sezgisel bir önceliklendirme algoritması uygulanabilir. Bu, ürünlerinizin satın alma bağlamına göre kategoriye, artırma ve gömme faktörlerine ve daha önce göz atılan kategoriler ve markalar gibi kişiselleştirme faktörlerine göre programlı olarak sıralanmasına olanak tanır. CMO, dönüşüm oranı optimizasyonunu, A/B testinin verimli karşılaştırmasını SEO'nun önceliklendirme algoritmalarıyla birleştirerek, tüketicilerinize sorgularıyla en alakalı ürünlerin gösterilmesini sağlar.

Kategoriye Göre Bağlam Satın Alma

Evergreen ürünler, mevsimlik ürünlerle karşılaştırıldığında, ait oldukları kategoriye son derece duyarlıdır. Belirli sezonlarda ani artış gösteren ürünlere otomatik olarak öncelik verebilmek, algoritmanın algıladığı sorgu sayısına bağlı olarak büyük olasılıkla gerçek zamanlı olarak dönüşümleri artıracaktır.
Bir tüketicinin bir ürünü satın alırken ayırdığı değerlendirme derecesi, büyük ölçüde ürünün hangi kategoride yer aldığına bağlıdır. Örneğin, tek kullanımlık, tüketilebilir ürünler satın alırken, tüketicinin ürünün güçlü ve zayıf yönlerini dikkate alma derecesi, çok fazla değerlendirme gerektiren sürekli uygulamalı bir ürüne göre daha azdır.
Belirli kategoriler, belirli sıralama faktörlerine diğerlerine göre öncelik vermelidir. Bu, özellikle sosyal kanıtın (en yüksek puanlı, en çok satan) etkisinin, fiyat veya bir ürünün tanıtılan özelliklerinin benzersiz satış noktası gibi şirket tarafından tanımlanan belirli faktörlerden daha ağır bastığı ürünler düşünüldüğünde geçerlidir. Örneğin, yeni bir çift ayakkabı gibi bir satın alma söz konusu olduğunda, ayakkabının rahatlığı ancak ayakkabıyı daha önce satın almış ve test etmek için giymiş tüketiciler tarafından dürüstçe ifade edilebilir. Bu, tanıtılan özellikleri önemli ölçüde aşar, çünkü hiçbir şirket, satmaya çalıştıkları üründen kaynaklanan kabarcıklar veya kemer desteği eksikliği konusunda sizi kasıtlı olarak bilgilendirmez.

Güçlendirme ve Gömme Faktörleri

Boost ve Bury kuralları, bir CMO algoritmasının, web sitenizin arama sonuçlarında tek tek ürünlerin yaygınlığını artırmak veya azaltmak için analiz edebileceği faktörlerden oluşur. Başarılı bir şekilde satılan bir ürünü tanıyabilen bir algoritma, bu ürünün sonuç listeleme durumunu ön sayfa sonuçlarına yükseltecektir. Örneğin, ürününüz bir ünlüden övgü alırsa, trafiğin hızla arttığını fark edebilirsiniz. Algoritma içindeki bir yükseltme kuralı bunu tanır ve ürünü gerçek zamanlı olarak bağımsız olarak tanıtır. Bunun aksine, özellikle bir üründen satılmaya yakınsanız, algoritmanın gömme kuralı, bu öğenin görünürlüğünü azaltır, böylece yalnızca ürünün mevcut olmadığını veya yalnızca satın alınabileceğini öğrenmek için arama yapan müşterilerinizi hayal kırıklığına uğratmaz. popüler olmayan bir boyutta veya renkte.
Boost ve gömme kuralları, ziyaretçi başına gelir ve satış oranı gibi faktörlerden etkilenebilir. Her ikisi de daha yüksek bir önceliği çekecek ve etkin bir şekilde optimize etmek için daha büyük stratejiye ihtiyaç duyacaktır. Ev markanızın görüntülenme oranını envanterinizin geri kalanına göre artırmak istiyorsanız, kendi ürününüzün diğerlerine üstünlüğünü sağlamak için bir artırma/gömme kuralı uygulanabilir. Bu değişiklikler teorik olarak manuel olarak yapılabilir, ancak bu özellikle takip edemediğiniz popüler kültür trendleri açısından, çoğu zaman çok geç olabilen olağanüstü zorlu işler. Uygulanan bir algoritma, arama ayarlarınızı aktif olarak düzenlemenize gerek kalmadan öğelerinizin öncelik sırasını yönetir.

Kişiselleştirme Faktörleri

Müşterinizin alışveriş deneyimini kişiselleştirmek, büyük ölçüde bir CMO algoritmasının her müşterinin benzersiz IP adresi etrafında meta veri profilleri oluşturmasına izin veren izlenebilir tanımlama bilgilerine dayanır. Bu profil, daha önce göz atılan kategoriler ve markalar aracılığıyla oluşturulmuştur. Müşterinin sepetine daha önce eklenmiş olan geçmiş satın almalar ve ürünler veya şu anda bulunan ürünler de bir müşteri profiline katkıda bulunur. Kişiselleştirme faktörleri, ziyaretçinin web sitenize nasıl ulaştığına bağlı olarak, bunun bir arama motoru, yönlendiren site veya belirli bir reklam veya kampanya aracılığıyla gelmesi anlamına gelip gelmediğine bağlı olarak sitenizin içeriğini ayarlayabilir. Bu, özellikle bir reklamla birlikte kullanışlıdır. Promosyon materyalinde görüntülenen ürün, web sitenize vardığınızda anında öne çıkabilir.

Gerçek zamanlı trendleri ve ürün bulunabilirliği faktörlerini inceleyerek ve bunlara aktif olarak uyum sağlayarak, ürün dönüşüm oranlarınızı optimize edebilir, satışları benzeri görülmemiş seviyelere yükseltebilirsiniz. CMO, dönüşüm oranlarını artırmanın yanı sıra müşterileriniz için daha sezgisel ve tatmin edici bir alışveriş deneyimi yaratacaktır. Manuel kategori satışı , ciddi kategori satış değerlendirmeleri sonucunda dönüşümlerde %40 artış gösteren Jirafe (yakın zamanda SAP Hybris tarafından satın alındı) tarafından görüntülenen otomatik algoritmalar olmadan gerçekleştirilebilir . Ancak bu otomatikleştirilmiş e-ticaret trendi yakın zamanda ortaya çıktığı için, programatik kategori ve mağaza optimizasyonu için araçlar sunan çok sınırlı sayıda şirket var. Daha fazla bilgi edinmek istiyorsanız SAP Hybris'in Merchandising aracı Nextopia , Bloomreach'e göz atın ve sizi gelişmelerden haberdar etmek için yayınlandıkça CMO örnek olay incelemelerini inceleyeceğimiz 1Digital blogunu kontrol etmeye devam edin. Bu heyecan verici yeni alandaki en son haberler.

Kaynak:Kategori ve Satış Optimizasyonu [web semineri] . Yön. Linda Bustos. mükemmel. Linda Bustos. Müşteri Bağlılığı ve Ticaretin Geleceği . SAP Hybris, 30 Mayıs 2016. Web. 2 Haziran 2016. <http://www.the-future-of-commerce.com/2016/05/30/category-merchandising-e-commerce-optimization/>.