01
De data
Orderhistorie over een langere periode. Zonder die historie zijn regels beter dan een model dat niets heeft om van te leren.
OneDayBuild, het bouwdagmerk van Appfront
Wat bepaalt de kosten van een aanbevelingsfunctie?
'Klanten kochten ook' is snel gebouwd. Wat de kosten bepaalt, is waar de aanbevelingen op gebaseerd zijn, waar ze getoond moeten worden en of je kunt meten of ze iets doen. Een aanbevelingsfunctie waarvan je niet weet of hij de orderwaarde verhoogt, is een kostenpost zonder opbrengst, hoe slim het model erachter ook is.
- Eén werkdag
- Werkend prototype
- Code in je eigen repository
01/06
Wat de kosten bepaalt
Niet het algoritme, maar de data, de plek en de meting.
Een aanbevelingsfunctie doet in de kern één ding: bij een product of een klant een paar andere producten tonen die waarschijnlijk passen. Hoe die keuze tot stand komt, kan simpel of ingewikkeld zijn. Regels die jullie zelf opstellen, zoals 'bij een boormachine altijd de bitset', zijn een middag werk. Een model dat uit jullie orderhistorie leert wat samen gekocht wordt, is een dag. Personalisatie per klant, op basis van klikgedrag, is een traject.
De eerste kostenpost is de data. Een model heeft orderhistorie nodig: welke producten samen in een order zaten, over een langere periode. Hebben jullie die export, dan is het lezen ervan snel gedaan. Is de historie versnipperd over systemen of pas een paar maanden oud, dan is er weinig om van te leren, en dan zijn regels een betere start.
De tweede is de plek. Aanbevelingen tonen op een testpagina is een dag; ze tonen in je webshop, op de productpagina en in de winkelwagen, met de voorraad erbij, is een koppeling met je webshopplatform en daarmee een eigen project. De derde is de meting: als je niet vooraf afspreekt hoe je meet of de orderwaarde stijgt, weet je achteraf alleen dat het er mooi uitzag.
02
Regels of model
Regels zijn goedkoop en uitlegbaar. Een model vindt combinaties die jullie niet zagen. Vaak begin je met regels en voeg je het model toe.
03
De plek
Een testpagina is een dag. In je webshop, met voorraad en per klant, is een koppeling en daarmee een traject.
04
De meting
Een deel van de bezoekers ziet de aanbevelingen, een deel niet, en je vergelijkt de orderwaarde. Zonder dat weet je niets.
02/06
Wat valt binnen en buiten de bouwdag
Binnen scope
- Inlezen van jullie orderhistorie en berekenen welke producten samen gekocht worden.
- Aanbevelingen per product, aangevuld met jullie eigen regels waar het model niets weet.
- Een testpagina waarop je per product de aanbevelingen ziet en kunt beoordelen.
- Een meetplan voor de webshop, en de code in je eigen repository.
Buiten scope
- De koppeling met je webshopplatform om aanbevelingen live te tonen.
- Personalisatie per klant op basis van klikgedrag of eerdere aankopen.
- Realtime voorraad en prijs in de aanbeveling.
- Aanbevelingen in e-mails of nieuwsbrieven.
03/06
Hoe de bouwdag verloopt
- Stap 1
De orderhistorie
Een export van orders met productregels, zo ver terug als jullie hebben.
- Stap 2
Combinaties berekenen
Welke producten vaak samen in een order zitten, gecorrigeerd voor wat gewoon vaak verkocht wordt.
- Stap 3
Regels toevoegen
Jullie eigen combinaties, en wat nooit samen mag worden aanbevolen.
- Stap 4
De testpagina
Per product de aanbevelingen, met de reden erbij, om te beoordelen.
- Stap 5
Het meetplan
Hoe je in de webshop de orderwaarde met en zonder aanbevelingen vergelijkt.
- Stap 6
Opleveren
Draaiend op een live URL, code in je eigen repository, met het meetplan op papier.
Volgende stap
Wil je weten wat het in jouw situatie wordt?
Vertel op welk platform je webshop draait, hoeveel orderhistorie je hebt en waar je de aanbevelingen wilt tonen. Met die drie dingen is te zeggen welk deel in één dag past.
04/06
Eerlijk over de kosten hiervan
- Je webshopplatform heeft het misschien al. De meeste platforms hebben een module of een plug-in voor aanbevelingen. Als die goed genoeg is, is die aanzetten goedkoper dan iets laten bouwen. Vraag dat eerst na.
- Zonder meting weet je niets. Aanbevelingen zien er altijd nuttig uit. Of ze de orderwaarde verhogen, blijkt alleen uit een vergelijking met bezoekers die ze niet zagen. Dat vraagt een afspraak vooraf, geen gevoel achteraf.
- Weinig historie is weinig aanbeveling. Een model leert van wat er gekocht is. Bij een jonge shop of een klein assortiment zijn regels beter, en die maken jullie zelf.
- De winst zit in de orderwaarde. Meet nu wat een gemiddelde order waard is en hoeveel producten erin zitten. Dat is de nulmeting waar je straks tegen vergelijkt.
05/06
Twee manieren om verder te gaan
De bouwdag maakt je idee aantoonbaar. Wil je daarna doorbouwen naar een volwaardige applicatie, dan doet Appfront dat traject.
Eén bouwdag, OneDayBuild
- Je wilt weten of jullie orderhistorie bruikbare combinaties oplevert voordat je iets in de webshop bouwt.
- Aan het eind van de dag staan de aanbevelingen op een testpagina, met regels erbij en een meetplan.
- Één dag, vaste prijs, code in je eigen repository.
Volledig traject, Appfront
- De aanbevelingen zijn goed en je wilt ze in de webshop, met voorraad en per klant.
- Personalisatie, aanbevelingen in e-mail en doorlopende meting van het effect.
- Een traject bij Appfront, met beheer en doorontwikkeling.
06/06
Veelgestelde vragen
Wat kost een aanbevelingsfunctie?
Dat hangt af van drie dingen: of je genoeg orderhistorie hebt om van te leren, waar de aanbevelingen getoond moeten worden en of je kunt meten wat ze doen. Combinaties berekenen uit je orderhistorie, aanvullen met regels en tonen op een testpagina is een bouwdag. Ze live in je webshop tonen, met voorraad en per klant, is een koppeling en daarmee een traject.
Verhoogt een aanbevelingsfunctie de orderwaarde meetbaar?
Dat kan, maar niet vanzelf, en je weet het alleen als je het meet. Daarom levert de bouwdag naast de aanbevelingen een meetplan op: een deel van de bezoekers ziet ze, een deel niet, en je vergelijkt de orderwaarde. Zonder die vergelijking is elk getal een gevoel.
Hebben we een model nodig of volstaan regels?
Vaak beginnen regels beter: ze zijn uitlegbaar, snel gemaakt en jullie kennen je assortiment. Een model wordt interessant als je assortiment te groot is om regels voor te bedenken, of als je combinaties wilt vinden die je zelf niet zag. Op de bouwdag doen we beide en zie je op de testpagina waar het model iets toevoegt.
Hoeveel orderhistorie is genoeg?
Er is geen hard getal, maar het model heeft herhaling nodig: dezelfde combinaties moeten vaker voorkomen dan toeval. Een jaar aan orders bij een gemiddelde shop is meestal genoeg om patronen te zien. Bij een paar honderd orders in totaal niet, en dan zeggen we dat eerlijk.
Kunnen jullie het direct in onze webshop zetten?
Niet in de bouwdag. Elk platform heeft zijn eigen manier om iets op een productpagina te tonen, en die koppeling is werk met eigen valkuilen, zeker met voorraad erbij. De bouwdag laat op een testpagina zien of de aanbevelingen goed zijn; daarna weet je of de koppeling de moeite waard is.
Kan dit ook voor artikelen of kennisbankpagina's in plaats van producten?
Ja, het principe is hetzelfde: wat samen wordt gelezen of geraadpleegd, wordt samen aanbevolen. De data is dan geen orderhistorie maar leesgedrag, en dat moet je wel vastleggen. Op onze pagina over of een aanbevelingsfunctie in één dag kan, staat wat er dan anders is.
