個人化推薦已經是電商非常熱門的話題，電商界的成功不只是吸引更多新客戶到網站上瀏覽商品並完成購買，而是能夠驅使現有客戶願意買更多的商品藉此提升客單價。在後疫情的流量戰中，單純進行產品行銷無法讓品牌脫穎而出，而是要導入人工智慧(AI)的幫忙，讓AI快速蒐集消費者、產品資訊後，精準產出不同模式的推薦組合，推薦系統的服務簡單的分為三步驟：進行產品標籤、消費者行為分析、產出個人化推薦。
商品標籤及項目分析
Rosetta.ai 專精於時尚產業的電商個人化推薦服務，我們會蒐集商品類別資訊，並且針對每件商品的特性進行標籤分類，以服飾商品為例，上衣的領子就有V領、圓領、襯衫領等多種標籤，因此在站內販售的每個商品在後台都會清楚地呈現標籤及類別，一眼就能得知商品類別的銷售狀況，並且利用商品上的標籤去對應每位消費者面對商品的主動操作行為，才能判斷接下來要提供給消費者的推薦組合。
消費者行為分析
AI會根據用戶當前行為，包含下拉、滑動、點擊、購買等動作，分析每位消費者對商品的類型、樣式偏好，再度以服飾商品為例，報表中會呈現該消費者顏色偏好、最常點擊的款式等，讓電商經營者不只能了解每位消費者的站內行為，也能準確掌握熱門、潛力商品，並透過多元的網站推薦商品畫面，讓個人化推薦更貼近消費者，提升每位顧客購買慾望，進而增加轉換率，客單價。
5種個人化推薦模式
有了商品及消費者的資訊，藉由AI機器學習的技術就能輕鬆產出不同的推薦模式，透過不同的推薦主題，在合適購物流程中出現，增加推播商品的成功率，甚至能讓客單價成長兩倍以上！
1. 猜你喜歡 You May Also Like
最常見的推薦模式之一，依據消費者瀏覽、點擊、購買的歷史紀錄，在推出新品時，能精準猜中每位消費者將喜歡的商品，讓新品的銷售額大幅上升。
2. 專屬推薦 Recommend Just For You
當消費者進入商品頁面時，若有吸睛的個人專屬推薦商品，能有效增加消費者的停留時間，避免顧客短時間就離開頁面。
3. 本週熱銷 Trending This Week
面對較無強烈購買欲望的消費者，每週熱銷將會是最常被點擊的推薦項目，不只呈現站內熱銷商品，也結合個人的商品偏好分析，在商品的呈現類別、排序，將會有不同的排列組合。
4. 相似商品 Similar Products
猶豫客經常無法決定要加入購物車的商品，因此未結帳就離開商品頁，有相似商品的推薦模式，呈現有相同標籤的商品依此推薦給猶豫客，讓他們能輕鬆選出最終要購買的商品。
5. 經常同時購買 Frequently Bought Together
要增加客單價，就要讓顧客在結帳前購物車有越多商品，在結帳的頁面可以呈現經常同時購買的推薦模式，分析站內有相關性，並且經常同時被消費者瀏覽、購買的商品，在最後一刻吸引消費者將商品加入購物車。
由此可見，個人化推薦系統不只是電商的最佳幫手，運用不同的推薦模式更能有效的刺激消費者購買商品，利用AI不只免除人力、時間的成本，更讓商品更精準地推播給每位消費者，Rosetta.ai致力於協助電商分析消費者偏好及行為，利用AI分析自動進行個人化推薦，讓商品推播更符合消費者的需求。
若對於商品標籤、消費者分析、推薦模式等服務，歡迎到官網了解更多並且申請免費體驗！
了解 Rosetta.ai 更多服務＆免費體驗：https://rosetta.ai/zh-tw/