Recomendação de produtos para clientes em Python

Up-selling e cross-selling

X acabou de comprar um notebook online. Mas vamos pensar. Um notebook é o único item em uma lista de compras? Ele pode precisar de estações de recarga, monitores e garantias. Ele também pode estar fazendo compras para seu filho do ensino médio e precisa de outros laptops e eletrônicos. O conhecimento dos desejos e situações do cliente e o acréscimo de itens adicionais de venda cruzada é um dinheiro fácil para qualquer negócio.

Se pudermos prever a lista de compras do X, podemos vender muito mais, para ELE. Mais vendas significa mais lucro. Você pode ter ouvido a linguagem de vendas de up-sells e cross-sells.

Up-sell significa vender itens adicionais que complementam os itens comprados.

Então, se X compra um notebook, um up-sell seria cabos, uma bolsa ou uma garantia.

Cross-sell significa vender itens em outras categorias independentes que o cliente possa estar interessado.

Uma pessoa que compra um laptop de alta qualidade é provavelmente uma pessoa técnica, e ele pode estar interessado em livros relacionados à tecnologia ou em outros itens, como telefones celulares.

Agora, você pode estar se perguntando, qual é o processo de venda cruzada de upsell?

Como identificamos em que mais o cliente está interessado? Bem, existem alguns fatores que podemos querer considerar.

Primeiro, dê uma olhada no item comprado. Itens relacionados aos itens comprados são up-sells fáceis, como cabos, bolsas e garantia para um laptop. Também podemos pensar nos dados demográficos do cliente. Normalmente, clientes da mesma demografia desejam o mesmo tipo de coisa.

Clientes como o Mr.X podem estar interessados em laptops, desktops e monitores.

Clientes como a Sra. Y, que está cursando uma faculdade, podem se interessar por material escolar e capas extravagantes de celular. Tente também considerar o gênero. X pode estar interessado em software e acessórios de jogos.

Você pode estar interessado em moda. Claro, esses que eu apresento são estereotipados, mas se alinham à pesquisa de mercado. Os próximos eventos da vida, como aniversários, formatura, faculdade, parto, etc., provocam um comportamento de compra significativo.

Se uma empresa pode conhecer ou prever tais eventos futuros, ela pode oferecer proativamente produtos e serviços relevantes para seus clientes existentes.

Se X comprou produtos de maternidade nos últimos dois meses, isso nos diria que ele tem um bebê a caminho. É hora de oferecer produtos e pacotes para bebês. Em seguida, temporadas e eventos anuais também provocam compras significativas. Dia dos Namorados, Ação de Graças e Natal são dias quentes de vendas por um motivo.

Da mesma forma, os cronogramas da escola também provocam novas compras. Se o semestre de Y começar em junho próximo, ela precisará de novos materiais. É o momento certo para oferecer seus pacotes de volta às aulas.

As preferências de preço e marca também são considerações importantes. Alguns clientes sempre procuram o produto de acordo com o preço mais baixo. Outros vão para nomes de marcas. Conhecer esse padrão ajudaria você a oferecer o produto certo dentro da categoria. O processo de venda cruzada e venda cruzada exige que você entenda o comportamento de compra do cliente e ofereça os produtos e serviços adequados que o atraiam.

Precisamos coletar dados relevantes para esses fatores para criar modelos e, em seguida, usar os modelos certos para prever as necessidades dos clientes. Desta forma, podemos ajudar o nosso negócio a ganhar dinheiro fácil.

Encontre itens comprados juntos

Vamos colocar em prática o nosso conhecimento de up-sell e cross-sell. Imagine o seguinte cenário:

O Sr. X entra em sua loja favorita de departamentos e fica chocado ao descobrir que as prateleiras foram rearranjadas. Os produtos não estão onde normalmente estão. X perguntou, por que eles fizeram isso? 

A resposta é algo que vamos ver neste caso de uso. A loja de departamentos analisou os padrões de compra dos compradores e organizou os produtos de forma que os produtos comprados juntos sejam estocados e exibidos próximos uns dos outros.

Esta é a razão pela qual você vê leite e pão juntos, ou cerveja e batatas fritas juntos, mesmo que um precise de refrigeração e o outro não. O objetivo deste caso de uso é encontrar itens frequentemente comprados juntos. Estamos concentrados aqui naqueles que são comprados em uma única transação, não em itens comprados pelo mesmo cliente ao longo do tempo. 

O cliente é imaterial aqui. Ao encontrar esses itens, é possível armazená-los em conjunto, criar pacotes de produtos ou oferecê-los, pois esse item geralmente é comprado em conjunto com o nosso site.

Os dados para esse caso de uso serão transações de venda. Cada venda é um registro com uma lista de itens comprados na transação. O algoritmo que usamos aqui é o algoritmo de mineração de regras de associação, ou mais apropriadamente chamado, análise de cesta marcada. Mineração de regras de associação são colocadas regras que especificam a dependência de um item para outro. Seria como se você comprasse um laptop, então as caixas de transporte são compradas juntas em 60% das vezes.

Usaremos dados de transação de venda para executar esse algoritmo e gerar regras que mostrem a porcentagem de vezes que as coisas são feitas juntas. Como você percebera, essa ação não é específica do cliente, portanto não requer ação em tempo real com base no cliente. Usando este caso de uso, decidimos quais itens armazenar juntos, quais produtos agrupar em um catálogo ou quais produtos exibir no site para qualquer produto principal em nosso site.

Em nosso cenário de loja de computadores on-line, como você acha que isso será traduzido? Você agruparia itens semelhantes nas mesmas categorias ou os forneceria como recomendações da barra lateral?

Você pode fazer as duas coisas, com base em como o pessoal de marketing pensa. A chave é identificar itens relacionados e esse caso de uso ajuda você a fazer isso.

No continuação do artigo criaremos preferências de grupo de clientes, fique ligado!!!