Produktrekommendationsmotor
Snabb definition
En produktrekommendationsmotor är programvara som föreslår de produkter en kund troligtvis vill ha. Den bygger på deras beteende, produktattribut, vad liknande kunder köpte eller vad de frågar efter i en konversation.
På den här sidan
De huvudsakliga metoderna
Samarbetsfiltrering rekommenderar vad personer med liknande beteende köpte eller såg. Amazons artikel-till-artikel-samarbetsfiltrering, beskriven av Linden, Smith och York 2003, gjorde mönstret "kunder som köpte detta köpte också" berömt. Innehållsbaserad filtrering rekommenderar produkter vars attribut liknar de som kunden gillade. Regler och merchandising — bästsäljare, marginaler, nyheter — läggs ovanpå i de flesta butiker.
Varje metod har en känd svaghet: samarbetsfiltrering behöver mycket beteendedata och har svårt med nya produkter och nya besökare, medan innehållsbaserad filtrering behöver rena, konsekventa produktattribut.
Konversationsrekommendationer
En nyare metod låter kunder uttrycka vad de behöver med ord: "en present till en 10-åring som gillar vetenskap, under 40 euro", "en dammsugare för en lägenhet med husdjur". En AI-assistent tolkar begäran, söker i katalogen efter betydelse och med strukturerade filter — pris, lager, storlek, märke — och förklarar varför varje förslag passar.
Detta fungerar bra för förstabesökare utan historik och för övervägda köp där kunder har frågor. Det beror starkt på produktdata av hög kvalitet: om storlekar, material eller kompatibilitet saknas från katalogen kan assistenten inte använda dem.
Fallgropar
Att rekommendera produkter som är slut i lager, produkter som ignorerar ett angivet krav, eller samma bästsäljare till alla urholkar snabbt förtroendet. Priser som visas i en rekommendation måste matcha den aktuella katalogen. Och rekommendationer bör bedömas utifrån kundens resultat — hittade de vad de behövde? — inte bara utifrån klick.
Produktrekommendationer i AI SmartTalk
AI SmartTalk indexerar produktkataloger från Shopify, PrestaShop, WooCommerce och Joomla, samt produkter som importeras via dess API. Assistenten söker dem efter betydelse och med filter på prisklass, lager, märke, kategori och variantattribut, kan utesluta termer som kunden utesluter, och visar resultaten som produktkort med lager- och rabattinformation i chatten.
Vanliga frågor
Vad är skillnaden mellan samarbetsbaserad och innehållsbaserad filtrering?
Samarbetsbaserad filtrering använder beteendet hos andra köpare (personer som köpte X köpte också Y). Innehållsbaserad filtrering använder produktens egna egenskaper (denna jacka är liknande den där).
Behöver jag mycket data för produktrekommendationer?
Beteendebaserade rekommendationer gör det. Konversations- och egenskapsbaserade rekommendationer behöver främst en välbeskriven katalog, vilket gör dem användbara för mindre butiker.
Kan en AI-chatbot rekommendera produkter?
Ja, när den är kopplad till den aktuella katalogen. Den bör filtrera på verkliga data som pris och lager, snarare än att förlita sig på språkmodellens minne av produkter.