關(guān)聯(lián)營(yíng)銷作為一種低成本的營(yíng)銷方式，目前已經(jīng)在很多網(wǎng)店起到實(shí)效了，由此備受電商青睞。關(guān)聯(lián)營(yíng)銷亦成為綁博營(yíng)銷，它是指在一個(gè)商品頁(yè)同時(shí)也放了其他同類、同品牌可搭配的等等關(guān)聯(lián)的商品。由此可以讓用戶多看一些其他類的商品，以此提高成交率。要做好關(guān)聯(lián)營(yíng)銷，也需要一定的技巧去做好推薦商品的設(shè)計(jì)。以下我們就來(lái)細(xì)細(xì)解讀。
為什么要做相關(guān)商品推薦?
商品詳情是可能挖出金子的島嶼，我們都知道。
于是我們使了各種招式，終于讓用戶來(lái)到了商品詳情頁(yè)。我們悄悄念起魔鬼的咒語(yǔ)，恨不得用戶馬上去點(diǎn)全頁(yè)最醒目的那個(gè)“加入購(gòu)物車”或“立刻購(gòu)買”。可是，絕大部分B2C商詳頁(yè)的UV轉(zhuǎn)化率不超過(guò)5%(何況是PV!)，絕大部分用戶最終是不會(huì)購(gòu)買這個(gè)商品的，有可能他是漂亮的圖片騙進(jìn)來(lái)的，有可能價(jià)格不合適，有可能商品細(xì)節(jié)不喜歡，有可能大多數(shù)的好評(píng)里有一個(gè)讓他難以接受的差評(píng)，總之，他不想買。
難道讓用戶就這么流失?相關(guān)商品推薦的作用就是讓用戶繼續(xù)逛下去，直到讓他找到喜歡的商品。好的商品推薦，是讓用戶不能停住腳步。讓用戶繼續(xù)瀏覽下去，才有可能去購(gòu)買其他類型的商品。
相關(guān)商品推薦的關(guān)鍵在于“相關(guān)”
相關(guān)商品銷售的關(guān)鍵在于“相關(guān)”，這就意味著必須從某個(gè)角度、或者維度對(duì)商品進(jìn)行切分，然后聚類，推薦給用戶。這跟線下的商品陳列是很類似的，譬如你走到一個(gè)杏仁巧克力的貨架前，拿起巧克力端詳后，可是你發(fā)現(xiàn)這個(gè)口味比喜歡，那么你可能會(huì)從旁邊的貨架上找的其他口味的?？赡苣銜?huì)發(fā)現(xiàn)上面的字樣有所不對(duì)，并不是真的，那么你可能會(huì)從旁邊的貨架中去尋找真的德芙巧克力。前者是基于口味，后者是基于品牌。
還有很多線索，比如特價(jià)、比如套裝。線上的展示會(huì)更加豐富，因?yàn)榫€索是可配置的，可切片的，不像線下的貨架難以移動(dòng)。
商品和基于用戶行為
縱觀目前各大電商網(wǎng)站的相關(guān)推薦，無(wú)非“基于商品”和“基于用戶行為”兩種相關(guān)商品推薦。
基于品類，主要有兩種方式“相關(guān)搭配”和“銷售排行榜”。相關(guān)搭配，往往是基于互補(bǔ)的商品和品類。比方說(shuō)賣建裙子吧，搭配個(gè)項(xiàng)鏈或是打底褲；賣個(gè)手機(jī)吧，搭配個(gè)充電器、數(shù)據(jù)線，套餐購(gòu)買可以省下20塊?！颁N售排行榜”，這個(gè)必須加上其他的標(biāo)簽進(jìn)行細(xì)化，比如“同品類”、“同品牌”、“同價(jià)格段”，這是京東的商詳展現(xiàn)的內(nèi)容。
基于用戶行為，就是通過(guò)用戶個(gè)人或者群體表現(xiàn)出來(lái)的特征進(jìn)行推薦。這種方式，亞馬遜用得可謂淋漓盡致。像“猜你喜歡”之類，基于用戶的個(gè)人屬信特征，比如年齡、性別、購(gòu)物偏好、收入水平等，這個(gè)沒(méi)有豐富儲(chǔ)量的數(shù)據(jù)。但其實(shí)還有一些更簡(jiǎn)單的方式。最簡(jiǎn)單的莫過(guò)于”最近瀏覽的商品“模塊，喚醒用戶記憶，簡(jiǎn)簡(jiǎn)單單，好不好用，要看數(shù)據(jù)。還有“瀏覽該商品的用戶還瀏覽了”、“瀏覽該商品的用戶最終購(gòu)買了”，這是基于群體的瀏覽行為;“購(gòu)買該商品的用戶同時(shí)還購(gòu)買了”，這是基于群體的購(gòu)買行為。純粹這么玩，是玩不轉(zhuǎn)的，推薦的商品未必靠譜。無(wú)論是瀏覽、購(gòu)買行為還是拉取相關(guān)品類、品牌之類的標(biāo)簽信息進(jìn)行聚合。
到處都是其他推薦，很煩啊有木有？以上的這些相關(guān)推薦模塊全加上，真是全屏商品，看似豐富，可別忘了商詳頁(yè)的首要目標(biāo)：讓用戶把商品買下來(lái)。一大堆的商品只會(huì)讓用戶眼花繚亂了。因此，不要過(guò)度推薦。
區(qū)分推薦商品類型：同類商品、補(bǔ)充商品和友好商品
一件襯衣的商品詳情頁(yè)，你推薦了別一件襯衣，那是同類商品；推薦了一條皮帶，那是補(bǔ)充商品；你算法算出來(lái)，買了襯衣的用戶通常還買了TT，這是友好商品。
一般來(lái)說(shuō)，“同類商品排行榜”、“瀏覽該商品的用戶還瀏覽了”、“瀏覽該商品的用戶最終購(gòu)買了”，推薦的往往是同類商品。“相關(guān)搭配”、“購(gòu)買該商品的用戶同時(shí)還購(gòu)買了”，推薦的是補(bǔ)充商品;“猜你喜歡”之類的推薦的是“友好商品”。
一般來(lái)說(shuō)，商詳頁(yè)的內(nèi)容應(yīng)該包括同類商品、補(bǔ)充商品和友好商品，不要把想到的所有模塊都鋪上。那如何用設(shè)合適的模塊呢?要考慮下面幾個(gè)因素。
區(qū)分品類的需求特點(diǎn)：需求集中和需求分散
產(chǎn)品生命周期長(zhǎng)、新品更新慢的產(chǎn)品，往往購(gòu)買需求比較集中，這時(shí)候商品品種之間關(guān)系比較穩(wěn)定，基于品類的推薦會(huì)比較靠譜，這時(shí)候像“相關(guān)搭配”、“銷售排行榜”從各個(gè)維度(品類、品牌、價(jià)格)進(jìn)行拆分，匹配用戶的概率比較低。
而像女裝這樣需求高度分散的商品，銷售排行榜之類的推薦往往不靠譜，這時(shí)候使用基于用戶行為的商品推薦可能會(huì)更匹配一些，其原因在于買這樣的商品的人是同一類人，有著相似風(fēng)格，因此這里的基于用戶瀏覽、購(gòu)買行為的推薦其實(shí)還可以再打上”風(fēng)格“的商品屬性標(biāo)簽，這個(gè)標(biāo)簽可以不給用戶看到。其實(shí)還有一個(gè)地方，很多B2C蠻重視的，就是曬單區(qū)，比如凡客有凡客達(dá)人喜勵(lì)曬單，但還不是很明顯地在曬單區(qū)展示該達(dá)人的相關(guān)商品。如果是高度分散的商品，基于人的因素的商品推薦還是值得嘗試。
區(qū)分用戶的類型：老用戶和新用戶
新用戶的推薦，以上的玩法也夠玩了。
老用戶的相關(guān)推薦玩法可以更豐富些，可有個(gè)性化的商品推薦;如果是平臺(tái)性的網(wǎng)站，可以推薦”你購(gòu)買過(guò)的店鋪同類商品“。當(dāng)然，沒(méi)有基礎(chǔ)能力，這些還是玩不轉(zhuǎn)的。
商品推薦的位置
一般網(wǎng)站，都是將補(bǔ)充商品放在商品主圖下方，而同類商品、友好商品的推薦放在側(cè)邊欄和底欄。第一目標(biāo)，仍然是讓用戶購(gòu)買；第二目標(biāo)，買了，就搭配上其他東西，多買點(diǎn)；第三目標(biāo)，好吧，這個(gè)不是你的貨，看看側(cè)欄其他商品如何。
關(guān)注數(shù)據(jù)
上面講了一些思路，但對(duì)或不對(duì)，適合還是不適合，最終還是要看數(shù)據(jù)。那么要看哪些數(shù)據(jù)?單純從商詳跳轉(zhuǎn)來(lái)看的話，要看商詳PV中上一級(jí)頁(yè)面是商詳?shù)谋戎?，商詳相關(guān)推薦模塊的點(diǎn)擊率。此外其他數(shù)據(jù)也值得參考，商詳PV/整站PV，商詳跳失率，不過(guò)這兩數(shù)據(jù)受其他因素的干擾比較大。
只需在網(wǎng)站設(shè)計(jì)上多花一些功夫，就可能會(huì)帶來(lái)更多的銷量，或是提升轉(zhuǎn)化率，這是十分值得的。然而，一些中小電商并沒(méi)有意識(shí)到相關(guān)營(yíng)銷的重要性，在相關(guān)推薦上也是做得十分粗糙，甚至商品間根本就不存在相關(guān)性。當(dāng)然，不可否認(rèn)，要做好相關(guān)推薦的設(shè)計(jì)，其實(shí)是一件較難的事情，要基于用戶行為，去研究用戶的消費(fèi)習(xí)慣，其中的算法是及其復(fù)雜的。
以上也只是相關(guān)營(yíng)銷設(shè)計(jì)的一些思路，而具體的還需要根據(jù)網(wǎng)站用戶的數(shù)據(jù)去做調(diào)整和變化。雖然關(guān)聯(lián)營(yíng)銷頗費(fèi)時(shí)間和精力，但是商品之間是需要一定的線索將其聯(lián)系起來(lái)的，這樣還不至于每一件商品都成為一個(gè)孤立的存在，用戶訪問(wèn)網(wǎng)站的時(shí)間更長(zhǎng)了，那么更有可能成交，這樣無(wú)形中就提升了店鋪的銷量，而這是其他營(yíng)銷方法無(wú)法比擬的。
