Consigli personalizzati
Offri consigli personalizzati su prodotti e contenuti pertinenti
Fornisci consigli personalizzati su e-mail, Web, dispositivi mobile e altro ancora mentre esegui la tua strategia di personalizzazione per ottimizzare la Customer Experience (CX) e aumentare i ricavi. Oracle Recommendations suggerisce articoli ai clienti che potrebbero desiderare, ma che potrebbero non averli trovati da soli. Questo, a sua volta, aiuta a stimolare il coinvolgimento e aumentare i ricavi.
Configura facilmente i layout e utilizza un unico set di articoli di magazzino su tutti i canali (e-mail, Web, API) insieme a funzionalità come programmi di aggiornamento, attributi di mappa, profilo di magazzino e rilevamento degli errori, che non richiedono competenze di codifica. Oracle Recommendations applica quindi il machine learning per far emergere gli articoli più pertinenti (contenuti o prodotti) a ciascun cliente.
Tipi di raccomandazioni
Personalizza le customer experience utilizzando vari algoritmi dietro le quinte per determinare il prodotto o il contenuto migliore da includere. I suggerimenti basati sugli algoritmi possono includere:
Più venduti
In base agli articoli che sono stati acquistati più di frequente.
Visualizzato, visualizzato
In base agli elementi visualizzati più di frequente insieme all'elemento attualmente visualizzato.
Visto questo, comprato che
In base agli articoli che sono stati acquistati più frequentemente dai visitatori che hanno visualizzato anche l'articolo attualmente visualizzato.
Comprato questo, comprato quello
In base agli articoli che sono stati acquistati più di frequente insieme all'articolo visualizzato.
Più visti
In base agli elementi visualizzati più di frequente.
Ultima vista
In base all'ultimo elemento della visita precedente di qualcuno.
Affinità di visitatori one-to-one
In base agli elementi con cui si prevede che una persona interagisca in base alla cronologia delle interazioni.
Consigli per esperienze Web personalizzate
Personalizza le esperienze dei siti Web attraverso un'integrazione con Oracle Maxymiser Testing and Optimization. Oracle Recommendations migliora le funzioni già disponibili in Oracle Maxymiser, in modo da poter facilmente inserire suggerimenti su prodotti o contenuti per personalizzare e migliorare l'esperienza di ogni cliente.
- Sfrutta widget preconfigurati, algoritmi disponibili e un editor WYSIWYG intuitivo.
- Crea una personalizzazione basata su regole per vari segmenti di pubblico tramite un'interfaccia di trascinamento della selezione.
- Crea light box, sovrapposizioni, banner o notifiche e attivali in base a azioni utente specifiche.
Ad esempio, è possibile scegliere il target in base al tempo, in modo che i visitatori provenienti da climi caldi non vedano contenuti irrilevanti. Utilizzando la geolocalizzazione e il meteo per indirizzare i visitatori, si assicura che le persone dai climi freddi vedano le immagini del clima freddo. Al contrario, i visitatori provenienti da climi caldi vedono le corrispondenti immagini del clima caldo.
Consigli per e-mail personalizzate
Migliora i tassi di clic-through e conversione delle email aggiungendo suggerimenti basati su algoritmo in Gestione delle campagne Responsys. Seleziona un algoritmo dalla nostra libreria e utilizza il supporto e-mail open-time per garantire che i suggerimenti siano pertinenti quando vengono visualizzati.
- Include suggerimenti su prodotti o servizi, in modo nativo, nelle e-mail di Oracle Responsys.
- Migliora i tassi di click-through e conversione delle e-mail di abbandono di sessioni e carrello aggiungendo suggerimenti basati su algoritmi coerenti con quelli sul sito Web.
- Il supporto open-time garantisce che i suggerimenti siano tempestivi e non frustrano il destinatario (ad esempio, facendo una raccomandazione di un articolo esaurito).
Suggerimenti con altre applicazioni
- Utilizza i suggerimenti in qualsiasi sistema rivolto ai clienti, non solo nelle soluzioni Oracle CX.
- Fornire consigli sulle applicazioni mobile e di terze parti.
- Utilizza un servizio API REST in modo che i tuoi sviluppatori possano estendere rapidamente i suggerimenti su dispositivi mobile, IoT e oltre.
Raccomandazioni in uso
Acquirenti anonimi (B2C, B2B2C)
Problema: i retailer e i brand devono fare appello ai clienti nuovi e di ritorno che cercano il "più recente e il più grande" o un articolo specifico in base alle loro preferenze e agli acquisti passati.
Soluzione: individuare gli articoli più popolari, più venduti o di tendenza.
Benefit: aumenta i tassi di conversione e i valori medi degli ordini.
Retargeting (B2C, B2B2C)
Problema: i retailer, i brand e le piattaforme multimediali che vendono direttamente ai consumatori esistenti devono rendere ogni interazione personale e pertinente per aumentare la fidelizzazione e massimizzare la fidelizzazione.
Soluzione: sfrutta insight avanzati sul profilo per fornire consigli personalizzati e contestualizzati.
Vantaggi: aumenta il valore medio degli ordini, la frequenza degli acquisti e il customer lifetime value.
Servizi a ciclo di vendita lungo (B2B, B2C, B2B2C)
Problema: i servizi a lungo termine del ciclo di vendita hanno acquirenti poco frequenti, spesso anonimi, che visitano più volte i siti Web dei brand mentre cercano di confrontare prezzi e soluzioni.
Soluzione: in base ad attributi indipendenti, contesto ridotto e dati limitati, utilizza il modello di raccomandazione basato sull'algoritmo "ultimo visualizzato" per consentire ai visitatori di riprendere da dove avevano interrotto.
Vantaggi: riduci al minimo la frustrazione per percorsi di esplorazione e acquisto complessi per massimizzare le possibilità di una conversione.
Passi successivi
Acquista Oracle Recommendations come soluzione standalone da integrare con altre tue applicazioni martech, Oracle e non Oracle, o acquistala come parte di Oracle Infinity Behavioral Intelligence.
Scopri di più su Oracle Infinity