我们都看到了基于AI的产品推荐的实际应用。亚马逊是一家电子商务巨头，最初销售廉价书籍，现在运行在基于AI的系统上，向客户推荐产品。
这些被称为推荐引擎，被证明是无需增加客户数量和市场份额即可产生更多收入的非常有效的方法。
电子商务营销人员一直在努力解决其他问题，例如减少购物车遗弃和使在线购物像实体零售一样积极。使用推荐引擎，可以使在线零售体验个性化，并且客户通常乐于花更多的钱。
什么是推荐引擎？
由AI驱动的推荐引擎可以以多种方式使用。市场上有很多选择，既可以采用现成的解决方案，也可以定制新系统。这取决于您的品牌，客户以及您要如何使用个性化来改善客户体验（CX）。
一般而言，推荐引擎有两种类型的结果：个性化和非个性化。
您选择个性化还是非个性化路线取决于所售产品的数量，客户以及他们成为客户的年限。小型甚至中型的在线零售商（或具有在线品牌的零售商和商店）可能没有足够的数据来开始生成高度个性化的建议。
高度个性化的零售建议依赖大量数据。它是数据驱动的，因此随着输入更多数据，它变得更有能力根据购买历史记录，平均支出和广泛的信息输入为客户提供最相关的建议。
鉴于非个性化推荐并非基于客户的购买历史记录。尽管听起来可能没有用，但这确实使零售商有机会根据季节，销售和促销周期以及其他营销活动来推荐产品。零售商可以在更个性化的系统中进行设置。
但是，这可能会降低建议的影响，因为不希望向在线购物者展示他们可以购买的东西太多，因为这增加了他们可能完全放弃尝试的风险。为了决定如何实施以AI为动力的推荐引擎，零售商还需要考虑如何使用一种方式来增加收入和盈利能力。
如何使用推荐引擎？
无论您是具有个性化或非个性化的推荐引擎，还是既可以同时做到这两者的个性化推荐引擎，也可以通过多种方式有效使用它们：
在退房之前或之后推荐产品。在这种情况下，当客户单击其他产品时，建议使用产品。有人将鞋子放在篮子里，因此，例如，人工智能驱动的引擎可能会建议搭配一件大衣或牛仔裤。这可能在客户进行结帐之前发生，尤其是在他们接近免费送货之前，或者之后。
会员折扣。另一个有用的方法是在客户进行结帐之后。在购物篮支出达到最低金额（例如$ 100）之后，推荐引擎可以发送带有折扣代码的电子邮件，并同时建议其他与客户购买或正在销售的产品搭配的产品有限的时间。
有关采取积极行动的建议，以及因此带来的忠诚度折扣。客户经常会主动在社交媒体上谈论产品和最近购买的商品，或建议其他人在与他们相同的地方购物。如果您可以煽动这些行为怎么办？根据季节性促销或购买历史记录，向客户提供奖励，例如他们可能感兴趣的推荐产品。
在以上几乎所有情况下，推荐引擎都可以在网站上（在结帐之前或之后，甚至在结帐过程中）以及电子邮件营销工作中发挥作用。尽管在社交媒体（尤其是Instagram）上的参与度很高，但是电子邮件仍然是增加电子商务品牌平均客户支出的最有效渠道。
推荐引擎还可以与广告系统连接，并为购买了特定产品并可能因此有兴趣购买其他类似商品的客户启动自动重新定位广告活动。无论品牌采用哪种技术，其影响始终是积极的。