antonromko: В чем преимущество вашего сервиса перед самостоятельным подбором рекомендуемых товаров для каждой позиции при ее добавлении/редактировании (кроме автоматизации, но явно ручками точнее и куда понятнее что нужно предложить) ?
Так же можно использовать вывод по тегам, а еще автоматический вывод "Те, кто приобрел это, так же купили..." по данным статистики продаж
Пока не убедили вообще необходимостью существования сервиса...
Если у вас каталог товаров в 100 позиций, то подобрать рекомендации можно и в ручную. А вот если в вашем каталоге 20000 позиций, то подбор в ручную может затянуться надолго. Для каждого товара нужно будет просмотреть вручную 20000 товаров. Итого это получается 20000*20000 = 400 000 000 сравнений! Представляете, сколько это займет времени и сил ваших работников? А что делать магазинам с номенклатурой в 50-200 тысяч наименований?
По поводу статистики. Часто у вас люди покупают одинаковый набор товаров? Если я купил кроссовки и шапку, а мой сосед кроссовки и очки для бассейна, то что порекомендовать покупателю №3? Мы пытались анализировать статистические данные нескольких крупных магазинов и надо сказать, что в большинстве заказы имеют в себе всего один товар, а продажи нескольких товаров в большинстве случаев не имеют логики. Именно поэтому на большинстве магазинов сейчас пропадают блоки "с этим товаром покупают" и появляются другие рекомендации, в том числе и подобранные вручную.
Что касается вывода случайных рекомендаций в данной категории товаров, то в результате покупатель получит микс не подходящих ему вещей. Прироста конверсии и пользовательских факторов вы просто не получите.
Ну и последний вид "пользователи также смотрят". Покупатель А мог открыть платье потому что оно красное, покупатель Б потому что оно до пола, а покупатель В потому что там есть вырез, а последнему просто понравилась цена. В среднем получаются огромные облака с малой долью пересеченности. Давайте я просто приведу пример выдачи нескольких крупных сайтов по одному и тому же товару.
Выдача блока "пользователи также смотрят". Попадание 1 из 6
Тот же товар с нашими рекомендациями:
Для всех желающих мы предлагаем бесплатное тестирование 14 дней, чтобы вы сами убедились, что это работает!
Акция для участников форума searchengines!
Только до 28 февраля 2015 года скидка на наши услуги - 20% на первые 6 месяцев.
В чем преимущество вашего сервиса перед самостоятельным подбором рекомендуемых товаров для каждой позиции при ее добавлении/редактировании (кроме автоматизации, но явно ручками точнее и куда понятнее что нужно предложить) ?
Так же можно использовать вывод по тегам, а еще автоматический вывод "Те, кто приобрел это, так же купили..." по данным статистики продаж
Пока не убедили вообще необходимостью существования сервиса...
Если у вас каталог товаров в 100 позиций, то подобрать рекомендации можно и в ручную. А вот если в вашем каталоге 20000 позиций, то подбор в ручную может затянуться надолго. Для каждого товара нужно будет просмотреть вручную 20000 товаров. Итого это получается 20000*20000 = 400 000 000 сравнений! Представляете, сколько это займет времени и сил ваших работников? А что делать магазинам с номенклатурой в 50-200 тысяч наименований?
По поводу статистики. Часто у вас люди покупают одинаковый набор товаров? Если я купил кроссовки и шапку, а мой сосед кроссовки и очки для бассейна, то что порекомендовать покупателю №3? Мы пытались анализировать статистические данные нескольких крупных магазинов и надо сказать, что в большинстве заказы имеют в себе всего один товар, а продажи нескольких товаров в большинстве случаев не имеют логики. Именно поэтому на большинстве магазинов сейчас пропадают блоки "с этим товаром покупают" и появляются другие рекомендации, в том числе и подобранные вручную.
Что касается вывода случайных рекомендаций в данной категории товаров, то в результате покупатель получит микс не подходящих ему вещей. Прироста конверсии и пользовательских факторов вы просто не получите.
Ну и последний вид "пользователи также смотрят". Покупатель А мог открыть платье потому что оно красное, покупатель Б потому что оно до пола, а покупатель В потому что там есть вырез, а последнему просто понравилась цена. В среднем получаются огромные облака с малой долью пересеченности. Давайте я просто приведу пример выдачи нескольких крупных сайтов по одному и тому же товару.
Выдача блока "пользователи также смотрят". Попадание 1 из 6
Тот же товар с нашими рекомендациями:
Для всех желающих мы предлагаем бесплатное тестирование 14 дней, чтобы вы сами убедились, что это работает!