EliteCart

En smart rekommendationsmotor lär sig vad dina kunder faktiskt köper tillsammans, och visar sedan de produkterna i din varukorg och på dina produktsidor. Det är kraftfullt, men det är inte hela historien. Motorn känner till dina köpmönster. Den känner inte till dina marginaler, ditt överskottslager, dina varumärkesstandarder eller de produkter du helst aldrig vill visa bredvid en jacka för $400. Det är precis där merchandising-regler för produktrekommendationer kommer in: affärslogiken du lägger ovanpå de automatiserade förslagen så att motorn arbetar mot dina mål, inte bara statistiska korrelationer.

Om du någonsin har tittat på en algoritmisk rekommendation och tänkt "tekniskt relevant, men den skulle jag aldrig visa där", förstår du redan varför regler spelar roll. Den goda nyheten är att du inte behöver välja mellan automatisering och kontroll. Den här guiden går igenom de tre typerna av spakar varje handlare bör känna till.

Varför en smart motor ändå behöver din affärslogik

Rekommendationsmotorer optimerar för en sak: produkter som brukar köpas tillsammans. Det är en bra start, men din butik har mål som en algoritm inte kan räkna ut enbart utifrån orderhistorik.

Marginal och lager. Datan kan gynna en lågmarginalprodukt som lockvara eller en produkt du fasar ut, när du hellre vill sälja andra artiklar.
Varumärke och prispositionering. En premiumbutik vill sällan para ihop sin flaggskeppsprodukt med en rea-artikel, även om de två faktiskt säljer bra tillsammans.
Katalogverkligheten. Vissa produkter ska aldrig visas alls: presentkort, garantier, restriktiva varor eller kärnprodukter du reserverar för andra placeringar.

Inget av detta är motorns fel. Det är affärsbeslut som finns i ditt huvud, inte i din data, och merchandising-regler är hur du skriver ner dem. För att gå djupare på automatiseringssidan täcker vår guide till hur AI-drivna upsells slår manuella produktrekommendationer när du bör luta dig mot algoritmen och när du bör luta dig mot kuratering.

De tre typerna av spakar

Nästan varje merchandising-regel du skriver faller inom en av tre kategorier:

Behörighet - vilka produkter som överhuvudtaget får visas.
Rankning - vilka kvalificerade produkter som rankas högre eller lägre.
Villkor - regler som bara gäller i vissa varukorgssammanhang.

Se det som en tratt. Behörighet avgör vem som kommer in i rummet, rankning avgör vem som står längst fram, och villkor avgör vilka regler som ens gäller, beroende på vad som finns i varukorgen.

Spak ett: Behörighet (hårda regler)

Behörighetsregler är absoluta. De tar bort varje produkt som inte kvalificerar sig, punkt slut, oavsett hur stark köpkorrelationen är. Det här är reglerna du tar till när "aldrig" är rätt svar. Vanliga exempel:

Prisgolv och pristak. Rekommendera bara produkter över $15 så att du aldrig upsellar ett enda klistermärke, eller sätt ett pristak på rekommendationerna som passar ditt genomsnittliga ordervärde.
Pris i förhållande till varukorgen. Håll rekommendationerna inom ett rimligt förhållande till vad kunden redan köper.
Kategori- och katalogomfattning. Begränsa rekommendationerna till specifika produkttyper, leverantörer eller kollektioner, eller exkludera en kollektion som heter "Rekommendera inte" för presentkort, garantier och reserverade produkter.
Tagg- och titellogik. Inkludera eller exkludera produkter efter tagg eller nyckelord i titeln, praktiskt för att hålla utgångna eller säsongsbetonade artiklar borta.

Eftersom det här är hårda filter, använd dem medvetet. Filtrerar du för aggressivt kan du svälta ut en plats på bra alternativ. Målet är att ta bort produkter som verkligen aldrig ska visas, inte att detaljstyra varje förslag. För en djupare genomgång, se hur du styr vilka produkter som rekommenderas.

Spak två: Rankning (mjuka regler)

Rankningsregler är nyanslagret. Istället för att ta bort en produkt knuffar de den upp eller ner i listan, så en kvalificerad produkt kan fortfarande visas samtidigt som du påverkar hur framträdande den är. Det handlar om preferens snarare än förbud. Föreställ dig en enkel skala som går från strongly dampen, via dampen och neutral, upp till boost och strongly boost. Du tillämpar den skalan på attribut du bryr dig om:

Boosta dina bästsäljare. Ge beprövade säljare en mild lyft så att de dyker upp oftare utan att tränga undan nya upptäckter.
Gynna en leverantör eller produkttyp. Lyft ett eget varumärke eller en högmarginalkategori utan att stänga ute allt annat.
Styr efter prisriktning. Luta lite högre eller lägre beroende på om du jagar ordervärde eller anslutningsgrad.
Lyft en kollektion. Gynna en säsongskollektion diskret under en kampanj, och dra ner den igen när den är slut.

Konsten med rankning är återhållsamhet. En lätt boost håller motorns intelligens intakt samtidigt som resultaten lutar mot dina mål. En alltför kraftig boost på allt tar ut sig själv och gör dina rekommendationer till en statisk lista igen. Prisbaserad rankning förtjänar särskild uppmärksamhet, vilket vi täcker i prismedvetna produktrekommendationer.

Spak tre: Villkor (kontextmedvetna regler)

De två första spakarna gäller hela tiden. Villkor lägger till kontext: en regel som bara aktiveras när varukorgen ser ut på ett visst sätt. Det renaste sättet att tänka på det är "om kunden köper X, tillämpa då den här regeln." Triggern är vad som redan finns i varukorgen. Du skulle till exempel kunna säga: om varan i varukorgen är ett kamerahus, rekommendera bara objektiv och tillbehör över ett visst pris. Samma kund som köper ett mobilskal skulle aldrig se den regeln, eftersom triggern inte matchar.

Villkorslogik är det som får rekommendationer att kännas handplockade i stor skala: visa premiumtillägg bara när varukorgen redan innehåller en premiumprodukt, tillämpa ett striktare prisgolv för exklusiva artiklar än för instegsvaror, eller segmentera per produktlinje utan att bygga separata kampanjer för varje.

Villkor gör att du slipper skriva dussintals engångsregler. Istället för en separat konfiguration för varje produktlinje skriver du kontextmedveten logik en gång och låter varukorgen avgöra vad som gäller. Vi går djupare in på de här mönstren i if-then-villkorsregler för produktrekommendationer.

Att sätta ihop de tre spakarna

De tre spakarna staplas och utvärderas i ordning: behörighet trimmar kandidatpoolen till tillåtna produkter, rankning sorterar det som blir kvar efter dina preferenser, och villkor slår på specifika regler bara när varukorgen matchar. En praktisk utgångspunkt är en liten handfull behörighetsregler som håller borta produkter som aldrig ska visas, en eller två milda rankningsboostar mot dina bästsäljare eller din mest lönsamma kategori, och villkor bara där en specifik produktlinje behöver annorlunda behandling.

Stå emot lockelsen att göra allt på en gång. Varje regel gör systemet lite svårare att resonera kring, så lägg till dem en i taget och se hur rekommendationerna förändras. Det rätta antalet är den minsta uppsättning som får dina rekommendationer att bete sig som en noggrann mänsklig merchandiser skulle göra. Att kombinera det här med en stark belöningsmätarstrategi ger kunderna både relevanta förslag och ett tydligt incitament att lägga till dem.

Så passar EliteCart in

EliteCarts Fine-tune EliteAI™ Ultra samlar alla tre typer av spakar på ett ställe. Du börjar med en förtränad basmotor, antingen EliteAI™ Ultra Original för kombinationer som ofta köps tillsammans (bäst för tillbehör och tillägg) eller EliteAI™ Ultra CrossCategoryBoost för komplement från andra produkttyper (bäst för att bredda varukorgen). Därifrån lägger du på din egen logik:

Filters är dina behörighetsregler: hård inkluderings- eller exkluderingslogik efter pris, pris-i-förhållande-till-varukorg, tagg, leverantör, produkttyp, kollektion eller titel.
Boosts är dina rankningsregler: en femgradig skala från strongly dampen till strongly boost, tillämpad efter tagg, leverantör, produkttyp, kollektion, prisriktning eller popularitet.
If/Then conditions är dina kontextregler: tillämpa ett filter bara när varukorgens triggervara matchar ett attribut du väljer.

Varje version tränas på din egen orderhistorik och katalog, så den lär sig specifikt från din butik. Varje sparning köar en ny träningskörning, och ingenting ändras för kunderna förrän du tilldelar versionen som rekommendationskälla på en yta: din varukorg, produktsida, Two-Step Cart, eller vilken checkout-modul som helst. Du kan ha upp till tre aktiva versioner och arkivera de du inte använder.

Hjälpcentret täcker installationen av Fine-Tuning och den fullständiga referensen för Filters och Boosts. För bakgrund om hur motorn lär sig, börja med Understanding EliteAI™, eller läs funktionsannonseringen.

Börja med behörighet, förfina med rankning, och ta till villkor sist. En smart motor hittar mönstren; dina merchandising-regler ser till att de mönstren tjänar din verksamhet. Lägg dem lager på lager med eftertanke, så känns dina rekommendationer mindre som en algoritms gissning och mer som ett medvetet val.

Merchandising-regler för produktrekommendationer: en guide för Shopify-handlare