På Bokus är rubriken ”I samma bokhylla”. Adlibris kallar det kort och gott för ”Tips”.
Men även om namnen skiljer sig åt handlar det om samma sak: Att visa kunderna böcker de inte visste att de vill ha. En bok för dig snarare än en för alla.
Det finns böcker som man vet att man vill läsa. Och så finns det böcker man skulle vilja läsa, om man bara visste att de fanns.
Att hjälpa kunderna att hitta böckerna de känner till är enkelt. Det är att lyckas med det andra som är svårt. Att på något sätt ta reda på vad kunderna är intresserade av, och föreslå böcker som kan passa.
I den fysiska världen kräver det alerta butiksanställda, som ser att kunden lägger upp fem böcker om akvariefiskar på disken och då passar på att föreslå en sjätte.
I den digitala världen är det istället utvecklingsavdelningen som ska ha huvudet på skaft. Utmaningen är att samla in så mycket relevant information som möjligt om kunderna, och sen använda den informationen till att räkna fram den perfekta rekommendationen.
Precis som i den fysiska världen är kundernas varukorg ett bra ställe att börja på. Är det många kunder som köpt både bok A och bok B ökar sannolikheten för att kommande kunder som lägger bok A i sin varukorg faktiskt också är intresserade av bok B.
— Tekniken är fantastisk, det är som en butik som sköter sig själv, säger Fabian Fischer, utvecklingsansvarig på Adlibris.
Men en automatisk titt i varukorgen är bara början. I en butik på nätet är det till exempel möjligt att följa varje kund i hälarna när han eller hon vandrar runt – klickar sig fram – bland böckerna. Sammantaget går all denna information att använda för att bygga upp en skapligt träffsäker profil på kundens intressen.
Tankegångarna är inte nya. Större affärskedjor har länge samlat in data om kunder, bland annat med hjälp av medlemskort. Analyser körda i stordatorer har sedan placerat dem i olika grupper, som fått olika rabatterbjudanden.
Det nya är att analyserna nu sker samtidigt som kunderna är inne i butiken, istället för som beräkningar ”vid sidan av”. Och att erbjudandena inte baseras på grupptillhörighet, utan på individ.
— Vi bryr oss inte om ifall kunderna är män eller kvinnor, unga eller gamla. Det enda som är intressant är deras beteende på webbplatsen. Vilka sökningar de gör, vilka produkter de väljer att titta på och så vidare, säger Rolf Elmér, vd på Avail Intelligence, ett Malmöföretag med rekommendationsteknik som specialitet.
Men det finns också andra sätt att ringa in kunderna. Hos Adlibris får exempelvis kunderna sätta betyg på böcker som de läst. Fabian Fischer planerar att använda betygen som utgångspunkt för rekommendationer.
— Det är inte ett särskilt långsökt att säga ”kunder som gillade den här boken gillade också”. Ytterligare längre fram, när betygsdatabasen växt, kan det bli möjligt att titta på vad andra kunder med samma smak tycker om. Alltså inte bara andra som tyckt om samma böcker, utan också tyckte att samma böcker var dåliga, säger han.
När profilen på kunden är skapad är nästa steg att locka till köp. I många webbutiker ges kontinuerliga rekommendationer medan kunden klickar runt på webbplatsen, i andra bara ”vid kassan”.
Men inte ens personliga rekommendationer räcker alltid för att någon av de föreslagna böckerna verkligen ska hamna i korgen. Därför finns många inställningar för hur urvalet till rekommendationerna ska göras.
— Man vill kanske inte visa de allra dyraste produkterna, utan filtrera bort dem från rekommendationerna och på så vis sänka tröskeln för ett impulsköp. Eller så väljer man att visa produkter med lite högre bruttomarginal, säger Rolf Elmér.
Ett annat angreppssätt är att satsa på att rekommendera nischade böcker istället för bästsäljare. Harry Potter har man antagligen redan köpt, eller valt bort. Mer intressant kan vara att få reda på att det finns ytterligare en bok om dressyr av schäfervalpar. Viktigt är också att försöka hålla rekommendationerna inom samma kategori.
— Har kunden sökt efter böcker om projektledning är det bättre att visa andra böcker om det ämnet, än att få ett förslag om Stieg Larsson, säger Cecilia Nilsson, ansvarig för utvecklingen av Bokus nätbutik.
Att rekommendationstekniken verkligen fungerar är något hon bekräftar.
— Den har blivit väldigt viktig för oss. Vi ser att försäljningen från rekommendationerna står för cirka fem procent av vår totala försäljning, och att kunderna köper fler titlar. Men då använder vi ändå bara delar av Avails teknik. När vi börjat använda fler räknar vi med att tekniken kan komma att stå för tio procent av vår försäljning, säger hon.
Men tekniken handlar inte bara om att maximera försäljningen i nuläget. Både Fabian Fischer och Cecilia Nilsson ser tekniken som en viktig del i en långsiktiga konkurrensen mellan butiker på nätet.
— Är rekommendationerna bra så innebär det i sin tur att kunderna upplever vår butik som bra. Och då ökar chanserna för att de väljer att komma tillbaka till oss, säger Cecilia Nilsson.
Jakten på den långa svansen
I en fyra år gammal artikel publicerad i det amerikanska månadsmagasinet Wired myntades uttryckte ”The Long Tail”. Grundtanken i teorin är att ett fåtal produkter, exempelvis böcker, är bästsäljare, och genererar stora intäkter. Men det finns samtidigt ofantligt många böcker som säljer i få exemplar. Tillsammans blir intäkterna dock jämförbara. I artikeln från oktober 2004 är Amazon ett av exemplen. Mindre än hälften av företagets intäkter kom då från de 130 000 bäst säljande böckerna.
Problemet är bara hur man ska få kunderna att hitta ner till den bok som ligger på plats 130 001 i försäljningslistan.
Här har rekommendationstekniken en stor roll att spela. Kan den bli tillräckligt finslipad spelar det ingen roll hur många andra det är som köper en specifik bok. Är den av intresse för dig så kommer tekniken hitta och visa upp den för dig.
Tipsen säljer för hundratals miljarder
Amazons vd Jeff Bezos surfade runt i sin butik. Bland alla böcker om zen fanns ett tips om en bok med råd om hur skrivbordet hålls städat och snyggt. Det var i det ögonblicket han insåg hur kraftfull rekommendationstekniken faktiskt är.
— Statistiskt är en person intresserad av zen också intresserad av att ha ett städat skrivbord, men en människa hade aldrig valt att rekommendera den boken. Däremot gjorde datorn det, berättade Bezos för tidningen Wired för något år sedan.
Hans mål är en unik butik för varje kund, har han sagt till affärsmagasinet Business 2.0.
Amazon själva är tystlåtet om de faktiska effekterna av rekommendationerna. Men uppskattningar som analysföretaget Forrester Research har gjort visar att 10-30 procent av försäljningen i en nätbutik kan komma från personliga rekommendationer.
Med tanke på att samma företag beräknade näthandelns totala omsättning till 1,5 biljoner kronor 2006 är det inte överraskande att rekommendationstekniken får stor uppmärksamhet, av butiker i alla branscher.
Ju mer information tekniken har om användarna, desto bättre kan förslagen bli. Apple lanserade nyligen rekommendationsfunktionen Genius i sin musikbutik på nätet. Den baserar sina förslag inte bara på vad kunden gör i Itunes Store, utan också på vilken musik som redan finns på kundens hårddisk.
Rekommendationstekniken går att dela in i tre undergrupper:
* De personliga, som bygger på information om den enskilda kunden.
* De sociala; information om andra kunder.
* De produktbaserade, som tar hänsyn till butikens produkter.
I det senare fallet kan det bland annat handla om att kategorisera böcker utifrån egenskaper som genre, ämne och stil.
Bli rik på rekommendationer
En miljon dollar. Det lovar den nätbaserade, amerikanska videobutiken Netflix till den tävlingsdeltagare som kan förbättra företagets rekommendationssystem med 10 procent. Den stora prissumman är en fingervisning om hur viktiga rekommendationerna har blivit för butikerna som har sin försäljning på nätet.
Skriv en kommentar