Értékesítés ajánló rendszerekkel

  • Rung András
  • 2009. aug. 16.
  • nincs hozzászólás
  • 3 perc
Számtalan webshopban, web 2.0-ás alkalmazásban találkozhatunk azzal, hogy a rendszer valamit megvásárlásra, megnézésre, használatra ajánl nekünk. Az ajánlás kiváló eszköz arra, hogy újabb és újabb a rendszerünkben fellelhető “elemekkel” ismertesse meg felhasználóinkat.
Én most csak a vásárlással kapcsolatos ajánlásokkal fogok foglalkozni, mert viszonylag gyakoribb feladat, hogy egy webshopot fejlesztünk, mint hogy egy facebook vagy egy last.fm jellegű szolgáltatás kialakításába vágjuk a fejszénket.
Sikerünkhöz több dolog is kell. Sokan tisztában vannak azzal, hogy először is kell egy nagyon jó algoritmus, amely nekünk tetsző dolgokat ajánl. Ilyenre kiváló példa az amazon.com termékalapú ajánlórendszere. Ezen túl még nagyon sok felhasználói adatra van szükségünk, azaz csak akkor tudunk jól ajánlani, ha sok felhasználó direkt (pl. értékelések) vagy indirekt (vásárlás, elemre való kattintás) visszajelzést küld nekünk arról, hogy melyik termékeket szeretik igazán.
A siker harmadik pillérével eddig viszonylag kevesen foglalkoztak. Hiába ajánl sok felhasználó alapján ügyesen a rendszerünk, ha ezt ügyetlenül, sőt kifejezetten zavaróan teszi. Az UMBC munkatársai (Maryland Egyetem, Baltimor megye) ennek feltételeit kutatják és mutatják be legfrissebb kutatásuk jelentésében.
Ez alapján egy jó ajánló interfacenek az alábbi négy kritériumnak kell megfelelnie:
  • Elegendő információ: Az ajánló rendszeren keresztül annyi információt kapunk, amely elegendő a vásárlói döntéshez. Ez nem azt jelenti, hogy az ajánlásnak rögtön tartalmaznia kell minden szükséges információt, de ezen keresztül könnyedén el lehessen jutni a termék oldalára, ahol mindent megtalálunk, ami minket érdekel. Ha egy 200 ezres tévéről csak a rövid ajánló tájékoztat, akkor ne csodálkozzunk azon, hogy senki sem veszi meg.
  • Átláthatóság: Fontos, hogy vásárlóink értsék, mit miért ajánlunk, mert ha nem 100%-os a bizalom (ez legfeljebb a szüleinkkel van így), akkor ezek az ajánlások könnyebb elfogadhatóságát segítik elő.
  • Rugalmasság: Lehetővé kell tenni, hogy a vásárlók személyre szabhassák az ajánlásokat. Így ha az amazonon veszünkszakácskönyvet nejünknek, de minket nem érdekel, akkor megjelölhetjük, hogy ez csak ajándék volt, így a rendszer nem fog nekünk makacsul burmai szakácskönyveket ajánlgatni.
  • Elérhetőség: Az ajánló rendszer lehetővé teszi a termékek gyors elérését.
Ezek természetesen csak szempontok, amelyek a konkrét megvalósításon keresztül juthatnak érvényre. Néhány alapelv, ami ebben segít:
  • Egyszerre legfeljebb három terméket érdemes ajánlani.
  • Minél közelebbi az élmény a valódi vásárláshoz annál jobb. Az ajánlásban szerepeljen a termék neve, ára és egy kicsi, de jó minőségű kép róla.
  • Az ajánlásban még szerepelhet: promóciók (pl. 20%-os leértékelés), felhasználói értékelések, összehasolítási információk.
  • Ajánlásainkat a fő termék alatt vagy attól jobbra tegyük meg.
  • Tegyük lehetővé az ajánlás paramétereinek, feltételeinek módosítását a felhasználók számára.
  • A felhasználói értékelések megmutatására a csillagos megjelenítés ajánlott. (Magyar weblapokon az emberek nem igazán használják ezt, érdemes ezt minél jobban ajánlgatni nekik.)
  • Ha kommenteket mutatunk meg, akkor mindig a legfrissebb legyen felül. Ha kevés helyünk van, akkor az ajánlásba ne tegyük be a kommenteket.
  • Ne ajánljunk semmit pop-up ablakokban.

A SZERZŐRŐL

Rung András 2002 óta foglalkozik UX-szel. Az innovációt és az üzleti fókuszt mindig szem előtt tartja. Az első magyar webergonómiai könyv a Felhasználóbarát honlapok társszerzője. Cikkei a nemzetközileg is jelentős Smashing magazinban is megjelentek.

Szólj hozzá

 
Kérjük, írja be nevét!
Kérjük, írja be email hozzászólását!