Consigliare una cover, una pellicola protettiva e un caricatore wireless a un cliente che ha appena aggiunto un telefono al carrello semplifica la sua esperienza d'acquisto e fa crescere il valore del carrello. Un motore di raccomandazione prodotti ben costruito è, in pratica, la domanda "vuole aggiungere anche questo?" posta automaticamente e in modo personalizzato a ogni cliente. In questo articolo vediamo come far crescere il cross-selling senza trasformarlo in pressione di vendita, con consigli davvero utili.
Perché il cross-selling fa crescere lo scontrino medio
Il cliente ha già preso la decisione d'acquisto ed è nel carrello con l'intenzione di pagare; non esiste momento migliore, in nessun altro punto del sito, per proporre un nuovo prodotto. Un prodotto pertinente mostrato al momento giusto aumenta il totale del carrello senza alcun costo pubblicitario aggiuntivo. Inoltre, se il suggerimento è davvero un complemento utile, il cliente lo percepisce come un servizio utile e non come pressione di vendita. Il cross-selling non va pensato separatamente da altre tecniche di crescita del carrello come l'upsell; abbiamo approfondito come progettarli insieme nella nostra guida su upsell e cross-sell.
La parola chiave qui è "pertinente". Inserire nel carrello un prodotto non correlato danneggia la fiducia; per questo un motore di raccomandazione efficace deve basarsi sui dati, non sul caso.
Tipi di raccomandazione: quale logica funziona in quale situazione
Il suggerimento di prodotti non è un metodo unico; logiche di raccomandazione diverse servono scopi diversi:
- Acquistati spesso insieme: la logica "la maggior parte di chi ha acquistato questo ha acquistato anche quello"; deriva dallo storico degli ordini e in genere offre la conversione più alta.
- Prodotti complementari: non nasce da una relazione tra categorie ma dalla logica del prodotto stesso (telefono-cover, stampante-inchiostro, ad esempio); può anche essere definita manualmente dal category manager.
- Prodotti simili: alternative che soddisfano la stessa esigenza a un prezzo o con caratteristiche diverse; di solito mostrate nella scheda prodotto, non nel carrello.
- Raccomandazioni personalizzate: un elenco di suggerimenti su misura, generato in base agli acquisti passati e al comportamento di navigazione del cliente.
Il tipo che funziona meglio in fase di carrello è generalmente quello degli "acquistati spesso insieme" e dei prodotti complementari definiti manualmente, perché entrambi rispondono direttamente al bisogno che il cliente ha già in mente in quel momento.
Confrontare gli approcci algoritmici alla base di questi tipi di raccomandazione chiarisce quale usare e quando:
| Metodo | Come funziona | Quando dà il miglior risultato |
|---|---|---|
| Basato su regole | Abbinamenti fissi definiti manualmente dal category manager (telefono → cover) | Per i prodotti nuovi e in fase di cold start |
| Filtraggio collaborativo | "Chi ha acquistato questo ha acquistato anche quello" — apprende dallo storico degli ordini | Quando il volume degli ordini è cresciuto a sufficienza |
| Filtraggio basato sul contenuto | Costruisce la similarità in base ad attributi del prodotto come categoria, colore e marca | Quando lo storico ordini è scarso ma i dati prodotto sono ricchi |
I dati che alimentano il motore di raccomandazione
Un motore di raccomandazione vale quanto i dati che utilizza. Tre fonti di dati fondamentali determinano quanto sono azzeccati i suggerimenti:
- Storico degli ordini: quali prodotti compaiono spesso insieme nello stesso carrello è il segnale più affidabile.
- Comportamento di navigazione: quali prodotti il cliente ha visualizzato nella stessa sessione cattura tendenze che non si sono ancora riflesse nei dati degli ordini.
- Relazione tra categoria e attributi: attributi delle schede prodotto come colore, taglia e marca generano un suggerimento iniziale per i prodotti appena aggiunti che non hanno ancora uno storico ordini.
Poiché un prodotto appena aggiunto non ha storico ordini, il motore di raccomandazione potrebbe inizialmente non mostrarlo; questo problema di "cold start" va superato con un abbinamento basato sugli attributi o con regole aggiunte manualmente dal category manager.
"Il miglior consiglio è quello che non sembra una vendita; il cliente dovrebbe percepirlo come una comodità, non come un promemoria."
Posizionamento e dosaggio: dove e quanti prodotti mostrare
Anche i suggerimenti corretti perdono efficacia se mostrati nel posto sbagliato o in numero eccessivo. Nella pagina del carrello è sufficiente mostrare due o tre prodotti sotto un titolo chiaro ma non invadente, come "vuole aggiungere questo al carrello?". Un lungo elenco di otto-dieci prodotti consigliati interrompe il flusso di checkout del cliente e ne disperde l'attenzione.
Il prezzo deve essere ben visibile sulle card di suggerimento e l'aggiunta al carrello deve avvenire con un solo tocco; reindirizzare il cliente a una pagina separata per il suggerimento annulla il vantaggio immediato offerto dal cross-selling. Questo principio è ancora più importante su mobile: l'area dei suggerimenti va presentata come una striscia scorrevole e compatta, senza affollare il carrello su schermo piccolo.
Rafforzare i suggerimenti con una soglia di prezzo e un incentivo
Abbinare il suggerimento a una soglia concreta come "aggiunga altri X euro per la spedizione gratuita" aumenta in modo evidente l'efficacia del cross-selling. Se il cliente sta già cercando di avvicinare il totale del carrello a una soglia, la probabilità di acquisto sale quando il prodotto suggerito serve proprio questo obiettivo. Occorre però mantenere la soglia realistica: fissare un obiettivo molto al di sopra del totale del carrello scoraggia invece di motivare. Presentare il suggerimento che avvicina alla soglia come un set pronto anziché come un singolo prodotto funziona altrettanto bene; abbiamo approfondito questo approccio nel nostro articolo sul bundling dei prodotti.
Misurazione: come valutare il motore di raccomandazione
Misurare il successo del motore di raccomandazione solo con "quante persone hanno aggiunto al carrello il prodotto suggerito" restituisce un quadro incompleto. Ciò che conta davvero è l'importo aggiuntivo che il suggerimento apporta allo scontrino medio e il tasso di reso dei prodotti consigliati; un tasso di reso elevato significa che la logica di raccomandazione è poco precisa e va rivista. Confrontare periodicamente il motore di raccomandazione con logiche diverse (ad esempio raccomandazioni puramente basate su regole rispetto a quelle basate sui dati degli ordini) chiarisce quale approccio funziona meglio per il proprio brand.
Verifichi il suo motore di raccomandazione
- Nella pagina del carrello vengono suggeriti al massimo 2-3 prodotti?
- I suggerimenti derivano dalla logica "acquistati spesso insieme" o da prodotti complementari definiti?
- Esiste una regola di "cold start" per i prodotti appena aggiunti?
- Il prodotto suggerito può essere aggiunto al carrello con un solo tocco?
- Su mobile i suggerimenti vengono presentati senza affollare il carrello?
- Misura l'importo aggiuntivo che il suggerimento apporta allo scontrino medio?
- Traccia separatamente il tasso di reso dei prodotti consigliati?
Analizzare lo storico degli ordini e suggerire il prodotto giusto al momento giusto, se gestito manualmente, significa scrivere regole separate per ogni singolo prodotto, cosa che diventa insostenibile man mano che il catalogo cresce. L'infrastruttura di raccomandazione prodotti di Şimşek Software estrae automaticamente dai suoi dati degli ordini i prodotti venduti insieme e genera suggerimenti personalizzati nelle pagine di carrello e prodotto; lei deve solo monitorare i risultati e affinare le regole quando serve.