Interview: Ako efektívne odporúčať produkty cez automatizované emaily

Klasické promo má jednu selekciu produktov pre všetkých adresátov. Pri odporúčaniach vychádzame z toho, čo o danom človeku reálne vieme: čo si pozrel, čo nechal v košíku, do akých kategórií sa vracia, čo si v minulosti kúpil. V emaili sa to prejaví tým, že namiesto generických bestsellerov vidí produkty, ktoré dávajú zmysel práve preňho.

Pridaná hodnota nie je len v personalizácii, ale aj v načasovaní. Ecomail spustí email v správnom momente (opustený košík, post‑purchase pripomienka, re‑engagement po dlhšej neaktivite) a my k tomu dodáme produktový blok, ktorý k tej situácii sedí. Používateľ tak dostane relevantné odporúčania vo chvíli, keď je ešte v nákupnom móde.

TIP: Meranie konverzií v e‑mailingu: Viete, koľko tržieb vám prinášajú newslettery?

Vstupy sú tri. Prvý je produktový feed (XML, JSON alebo API), ktorý vám hovorí, čo predávate. Druhý je tracking skript na webe, ktorý zbiera behaviorálne signály (zobrazenia produktov, vyhľadávania, košíky, nákupy). Tretím vstupom môžu byť offline dáta z kamenných predajní, ktoré si vieme natiahnuť cez naše Past Transactions API.

Z týchto vstupov generujeme odporúčania pre celú vašu databázu kontaktov vopred, typicky v dennej dávke cez náš Batch Publisher. Výstupom je JSON pre každý kontakt, ktorý si Ecomail pri rozosielke dynamicky vloží do šablóny.

Prečo nie real‑time pri každom odoslaní? Pri rozosielke na státisíce kontaktov by to znamenalo státisíce volaní v krátkom okne. Batchové generovanie vopred je rádovo efektívnejšie a Ecomail dostane všetky odporúčania pripravené v momente, keď spúšťa rozosielku. Real‑time API máme tiež. Dáva zmysel pre transakčné emaily a webové umiestnenia, kde sa rozhoduje za jedného konkrétneho používateľa naživo.

Od klienta nutne potrebujeme veci, ktoré nemôžeme uhádnuť: aktuálnu cenu a prípadnú zľavu, dostupnosť a stav skladu, URL produktu, obrázok, ID. Pre niektorých klientov aj maržu, ak chcú odporúčania optimalizovať aj na ziskovosť. Bez týchto vstupov sa odporúčania robia len ťažko.

Klasický problém s feedmi je v štruktúre. Pohlavie, veľkosť, materiál či kompatibilita sú často natlačené do názvu alebo popisu namiesto samostatných polí. Kategorizácia býva znečistená marketingovými boxmi typu Sale, Black Friday alebo Novinky. Pomáhajú na webe, ale ničia personalizáciu v rámci kategórie. A polovica atribútov je vyplnená len pri časti produktov.

Tu už dnes vieme veľa pomôcť. Investujeme do LLM‑based obohacovania, ktoré vie zo surového textu vytiahnuť štruktúrované atribúty, vyčistiť kategorizáciu, doplniť sezónnosť či segmentáciu. Klient teda nemusí mať dokonalý feed deň pred spustením. Vstup ostáva jeho zodpovednosť, ale s tým, čo je v ňom, vieme zaobchádzať podstatne lepšie ako pred pár rokmi. Tam, kde však feed neobsahuje samotnú cenu alebo dostupnosť, nepomôže ani najlepší model. Realitu si nevymyslíme.

Pre každú rozosielku pripravujeme aj generickú sadu odporúčaní, teda cold‑start. Žiadny emailový blok teda neostane prázdny, ani keby kampaň smerovala do databázy úplne nových kontaktov.

Keď o používateľovi niečo vieme, či už z webu, alebo z importovanej offline histórie, pridávame osobnú vrstvu. Pri tom rozlišujeme dlhodobé preferencie (preferovaný brand, cenová hladina, štýl) a krátkodobý intent (čo prezeral za posledné hodiny). Pre opustený košík ide do popredia krátkodobý signál, pre kampaň typu „čo nového" zase dlhodobé preferencie.

Mimochodom, najpodceňovanejší zdroj dát sú offline nákupy. Väčšina retailerov s kamennou sieťou ich má, len ich nespája s online profilom. Pritom je to presnejší signál než samotné prezeranie webu. Lebo zákazník reálne kúpil, nielen pozeral.

TIP: Privítajte svojich zákazníkov nezabudnuteľnými welcome kampaňami

Máme niekoľko desiatok modelov a každý je optimalizovaný na inú situáciu. Pre opustený košík dáva zmysel kombinácia produktov z košíka s komplementárnymi alternatívami. Pre dlho neaktívnych klientov funguje „obľúbené kategórie + novinky v nich". Pri spotrebných kategóriách ako sú drogéria, beauty alebo krmivá má zmysel pripomenutie produktov, ktoré zákazník už raz kúpil. Počítame s tým, že raz dôjdu a pripomenutie ušetrí hľadanie.

V praxi väčšina klientov nezačína komplexne. Bežne odštartujeme s troma až štyrmi automatizáciami a ku každej priradíme vlastnú logiku odporúčaní pre e‑mailové kampane. Zákazník je v každej z nich v inej fáze nákupného cyklu.

Štandardné metriky email marketingu (open rate, CTR) ukážu, či ľudia email otvárajú a klikajú. Pre samotné odporúčania sa pozeráme na CTR na produktových blokoch a tržby priradené kanálu. Najtvrdší test je A/B porovnanie emailov s personalizovanými odporúčaniami proti tým s generickou selekciou. To ukáže reálny prínos personalizácie.

Keď výsledok zaostáva, naša analytika recommendrov vie ukázať výkon na úrovni jednotlivých modelov a odporúčaní. Ak ľudia klikajú, ale nekupujú, problém je obvykle na cieľovej stránke alebo v cene. Ak nekliká nikto, je to buď otázka relevancie produktov, alebo umiestnenia bloku v šablóne. Z mojej praxe je častejšie to prvé. Keď odporúčania nesedia. žiadne pekné CTA to nezachráni.

A povinný disclaimer: tri dni dát nie sú výsledok, je to ešte šum. Vždy čakáme na štatistickú signifikanciu, inak rozhodujeme podľa pocitu, nie dát.

Z pohľadu e‑shopu sú to dve veci: dať Luigi's Boxu prístup k produktovému feedu a nasadiť na web tracking skript. Na strane Ecomailu sa nastaví napojenie na náš Batch Publisher, odkiaľ si Ecomail pri rozosielke ťahá pripravené odporúčania pre svojich kontaktov. Žiadny custom vývoj na strane e‑shopu nie je potrebný.

Typický rozbeh: do týždňa od prístupu k feedu vieme mať prvé odporúčania v testovacom emaili. Plnú optimalizáciu modelov a A/B testov potom zvyčajne ladíme prvý mesiac, podľa kvality vstupných dát.

Automatizované emaily sú jedným z mála kanálov, kde personalizácia pracuje v relatívne kontrolovanom prostredí: poznáte adresáta, máte čas pripraviť odporúčania vopred a viete merať reálny prínos. Najčastejšia chyba nie je v technológii, ale v tom, že e‑shop má potrebné dáta, ale nevie ich spojiť. Feed v jednom systéme, web tracking v druhom, offline nákupy v treťom.

Ak rozmýšľate, kde začať: skontrolujte stav vášho produktového feedu (najmä cenové dáta a dostupnosť) a aké automatizácie už v Ecomaile máte spustené. Viac o odporúčaniach produktov nájdete na webe Luigi’s Box‑u.

Ondrej Kaššák je Head of Recommender v Luigi's Box. Vedie tím, ktorý stavia odporúčacie modely pre e‑shopy v celej Európe so zameraním na to, aby personalizácia priniesla merateľný biznis prínos.