Produktanbefalingsmotor
Rask definisjon
En produktanbefalingsmotor er programvare som foreslår produktene en shopper mest sannsynlig ønsker. Den er avhengig av deres atferd, produktegenskaper, hva lignende shoppere har kjøpt eller hva de spør om i en samtale.
På denne siden
De viktigste tilnærmingene
Samarbeidsfiltrering anbefaler hva folk med lignende atferd har kjøpt eller sett på. Amazons vare-til-vare samarbeidsfiltrering, beskrevet av Linden, Smith og York i 2003, gjorde mønsteret “kunder som kjøpte dette, kjøpte også” berømt. Innholdsbasert filtrering anbefaler produkter hvis egenskaper ligner de som shopperen likte. Regler og varemerchandising — bestselgere, marginer, nyankomne — legges oppå i de fleste butikker.
Hver tilnærming har en kjent svakhet: samarbeidsfiltrering trenger mye atferdsdata og sliter med nye produkter og nye besøkende, mens innholdsbasert filtrering trenger rene, konsistente produktegenskaper.
Samtaleanbefalinger
En nyere tilnærming lar shoppere angi hva de trenger med ord: “en gave til en 10-åring som liker vitenskap, under 40 euro”, “en støvsuger for en leilighet med kjæledyr”. En AI-assistent tolker forespørselen, søker i katalogen etter mening og med strukturerte filtre — pris, lager, størrelse, merke, kategori og variantattributter, kan utelukke termer som shopperen avviser, og viser resultatene som produktkort med lager- og rabatteringsinformasjon i chatten.
Dette fungerer godt for førstegangbesøkende uten historikk og for vurderte kjøp der shoppere har spørsmål. Det er sterkt avhengig av kvaliteten på produktdata: hvis størrelser, materialer eller kompatibilitet mangler fra katalogen, kan ikke assistenten bruke dem.
Feller
Å anbefale produkter som er utsolgt, produkter som ignorerer en angitt begrensning, eller den samme bestselgeren til alle, undergraver tilliten raskt. Priser vist i en anbefaling må samsvare med den levende katalogen. Og anbefalinger bør vurderes ut fra kundens resultat — fant de det de trengte? — ikke bare på klikk.
Produktanbefalinger i AI SmartTalk
AI SmartTalk indekserer produktkataloger fra Shopify, PrestaShop, WooCommerce og Joomla, samt produkter importert gjennom sitt API. Assistenten søker i dem etter mening og med filtre på prisklasse, lager, merke, kategori og variantattributter, kan utelukke termer som shopperen avviser, og viser resultatene som produktkort med lager- og rabatteringsinformasjon i chatten.
Ofte stilte spørsmål
Hva er forskjellen mellom samarbeids- og innholdsbasert filtrering?
Samarbeidsfiltrering bruker atferden til andre kjøpere (folk som kjøpte X kjøpte også Y). Innholdsbasert filtrering bruker produktenes egne egenskaper (denne jakken er lik den der).
Trenger jeg mye data for produktanbefalinger?
Atferdsbaserte anbefalinger gjør det. Samtale- og attributtbaserte anbefalinger trenger hovedsakelig en godt beskrevet katalog, noe som gjør dem brukbare for mindre butikker.
Kan en AI-chatbot anbefale produkter?
Ja, når den er koblet til den live katalogen. Den bør filtrere på reelle data som pris og lager, i stedet for å stole på språkmodellens hukommelse om produkter.