- ข้อความ
- ประวัติศาสตร์
E-Commerce Recommender Applications
E-Commerce Recommender Applications Page 15of 24
Helping New and Infrequent Visitors: Broad Recommendation Lists
One of the key challenges for e-commerce sites is to engage visitors – especially new and infrequent visitors – before they leave to
visit another site. For sites that list thousands to millions of different products, this challenge is particularly acute; they must not
only engage the visitor but also keep him from getting lost and frustrated. Nearly every site visited has some form of broad
recommendation list designed to direct customers towards engaging products. These lists typically allow the targeted customer to use
current navigation to pull non-personalized suggestions. These include overall best sellers, best sellers in a category, editor and
expert recommendations, and other collections of products selected either manually or through simple statistical summarization. In
essence, these recommendation lists replace the tabletop displays, endcaps, and large product displays in physical stores. Whichever
technique is used, the lists help orient users who might otherwise leave before finding compelling products.
Part of what makes broad recommendation lists so prominent is the low level of needed input; no personal information is needed,
except for minimal ephemeral context about the category of interest to the customer. Broad recommendation lists allow marketers to
adjust pricing and inventory to match the recommendations since they can be assured that these recommendations will reach a large
audience. Editors or experts can create text to surround broad recommendations to market the recommended products to customers.
The recommendations themselves can be delivered in several different ways, though most applications either place them on a home
page or "category home" page or advertise them and have users directly select them.
Building Credibility through Community: Customer Comments and Ratings
Retailers in general, and e-retailers in particular, must often overcome an image of low credibility. Customers may feel that the site
is interested only in making a sale, and therefore that it will present any "recommendation" or advertising necessary to induce them
to make a purchase. While principles of one-to-one marketing suggest that it is in the retailer's interest to serve the interests of the
customer, stores must still leap over the credibility hurdle to move towards a one-to-one relationship. One way to do this is to collect
reviews and ratings from members of the community at large. These systems use the targeted customer’ s current navigation to
suggest which non-personalized reviews, ratings, and predictions to display passively. By building a "community center," sites allow
customers to communicate with each other and provide each other with advice and feedback on products.
These "grass roots" recommendations require little site-directed effort, since the customers do all of the evaluation. They also
provide a high degree of credibility since customers often are more likely to believe a set of other customers than the marketer who
makes money on the purchases. As a side benefit, they create a sense of community that can distinguish the site from others and
thereby retain customers. Customer comment applications provide a summary of the ratings, either as an average or another figure
representing the rate of positive and negative recommendations, and give the customer an opportunity to read through the ratings and
form her own opinion.
Inviting Customers Back: Notification Services
Stores that know their customers’ interests can leverage that information by inviting them back to the store when new products of
interest arrive or are discounted. Notification services use keywords provided by the targeted customer and attributes of the items
being recommended to push persistent, personalized suggestions and can thereby build stronger customer relationships. Many emerchants allow customers to describe the products they find interesting and then automatically notify them when such products are
available. These notification services can provide a great service to the customer, who becomes quickly aware of new products of
interest, and can be very effective at bringing customers back to the e-commerce site on a regular basis. The form of the descriptions
can vary from a simple keyword or attribute query to a more complex specification that includes price ranges.
Cross-Selling: Product-Associated Recommendations
Suggestive selling is particularly effective when the seller knows the current interests of the buyer. Retailers arrange products to
enhance cross-selling by placing complementary items in close proximity. On-line retailers are freed from physical layout and can
directly suggest products related to the one a customer is viewing. By using the targeted customer’ s current navigation as an
ephemeral indication of interest, such systems use item-to-item correlation and community purchase history to passively display
suggestions to the targeted customer.
Many different recommender applications use the context of a current product or several current products to recommend other
products using a variety of recommender methods. This popularity is partly due to the variety of inputs that can be used to generate
such recommendations, including anonymous purchase histories, customer purchase histories, ratings, product attributes and expert
opinions. Product-associated recommendations are particularly well suited for passive delivery since they can be integrated into a
product information page.
Building Long-Term Relationships: Deep Personalization
The goal of most retail businesses is to develop long-term relationships with customers that lead to higher lifetime values and greater
competitive barriers. Deep personalization, based on a customer's history of preferences, purchases, or navigation, is the strongest
Helping New and Infrequent Visitors: Broad Recommendation Lists
One of the key challenges for e-commerce sites is to engage visitors – especially new and infrequent visitors – before they leave to
visit another site. For sites that list thousands to millions of different products, this challenge is particularly acute; they must not
only engage the visitor but also keep him from getting lost and frustrated. Nearly every site visited has some form of broad
recommendation list designed to direct customers towards engaging products. These lists typically allow the targeted customer to use
current navigation to pull non-personalized suggestions. These include overall best sellers, best sellers in a category, editor and
expert recommendations, and other collections of products selected either manually or through simple statistical summarization. In
essence, these recommendation lists replace the tabletop displays, endcaps, and large product displays in physical stores. Whichever
technique is used, the lists help orient users who might otherwise leave before finding compelling products.
Part of what makes broad recommendation lists so prominent is the low level of needed input; no personal information is needed,
except for minimal ephemeral context about the category of interest to the customer. Broad recommendation lists allow marketers to
adjust pricing and inventory to match the recommendations since they can be assured that these recommendations will reach a large
audience. Editors or experts can create text to surround broad recommendations to market the recommended products to customers.
The recommendations themselves can be delivered in several different ways, though most applications either place them on a home
page or "category home" page or advertise them and have users directly select them.
Building Credibility through Community: Customer Comments and Ratings
Retailers in general, and e-retailers in particular, must often overcome an image of low credibility. Customers may feel that the site
is interested only in making a sale, and therefore that it will present any "recommendation" or advertising necessary to induce them
to make a purchase. While principles of one-to-one marketing suggest that it is in the retailer's interest to serve the interests of the
customer, stores must still leap over the credibility hurdle to move towards a one-to-one relationship. One way to do this is to collect
reviews and ratings from members of the community at large. These systems use the targeted customer’ s current navigation to
suggest which non-personalized reviews, ratings, and predictions to display passively. By building a "community center," sites allow
customers to communicate with each other and provide each other with advice and feedback on products.
These "grass roots" recommendations require little site-directed effort, since the customers do all of the evaluation. They also
provide a high degree of credibility since customers often are more likely to believe a set of other customers than the marketer who
makes money on the purchases. As a side benefit, they create a sense of community that can distinguish the site from others and
thereby retain customers. Customer comment applications provide a summary of the ratings, either as an average or another figure
representing the rate of positive and negative recommendations, and give the customer an opportunity to read through the ratings and
form her own opinion.
Inviting Customers Back: Notification Services
Stores that know their customers’ interests can leverage that information by inviting them back to the store when new products of
interest arrive or are discounted. Notification services use keywords provided by the targeted customer and attributes of the items
being recommended to push persistent, personalized suggestions and can thereby build stronger customer relationships. Many emerchants allow customers to describe the products they find interesting and then automatically notify them when such products are
available. These notification services can provide a great service to the customer, who becomes quickly aware of new products of
interest, and can be very effective at bringing customers back to the e-commerce site on a regular basis. The form of the descriptions
can vary from a simple keyword or attribute query to a more complex specification that includes price ranges.
Cross-Selling: Product-Associated Recommendations
Suggestive selling is particularly effective when the seller knows the current interests of the buyer. Retailers arrange products to
enhance cross-selling by placing complementary items in close proximity. On-line retailers are freed from physical layout and can
directly suggest products related to the one a customer is viewing. By using the targeted customer’ s current navigation as an
ephemeral indication of interest, such systems use item-to-item correlation and community purchase history to passively display
suggestions to the targeted customer.
Many different recommender applications use the context of a current product or several current products to recommend other
products using a variety of recommender methods. This popularity is partly due to the variety of inputs that can be used to generate
such recommendations, including anonymous purchase histories, customer purchase histories, ratings, product attributes and expert
opinions. Product-associated recommendations are particularly well suited for passive delivery since they can be integrated into a
product information page.
Building Long-Term Relationships: Deep Personalization
The goal of most retail businesses is to develop long-term relationships with customers that lead to higher lifetime values and greater
competitive barriers. Deep personalization, based on a customer's history of preferences, purchases, or navigation, is the strongest
0/5000
E-Commerce Recommender Applications Page 15of 24Helping New and Infrequent Visitors: Broad Recommendation ListsOne of the key challenges for e-commerce sites is to engage visitors – especially new and infrequent visitors – before they leave to visit another site. For sites that list thousands to millions of different products, this challenge is particularly acute; they must not only engage the visitor but also keep him from getting lost and frustrated. Nearly every site visited has some form of broad recommendation list designed to direct customers towards engaging products. These lists typically allow the targeted customer to use current navigation to pull non-personalized suggestions. These include overall best sellers, best sellers in a category, editor and expert recommendations, and other collections of products selected either manually or through simple statistical summarization. In essence, these recommendation lists replace the tabletop displays, endcaps, and large product displays in physical stores. Whichever technique is used, the lists help orient users who might otherwise leave before finding compelling products.Part of what makes broad recommendation lists so prominent is the low level of needed input; no personal information is needed, except for minimal ephemeral context about the category of interest to the customer. Broad recommendation lists allow marketers to adjust pricing and inventory to match the recommendations since they can be assured that these recommendations will reach a large audience. Editors or experts can create text to surround broad recommendations to market the recommended products to customers.The recommendations themselves can be delivered in several different ways, though most applications either place them on a home page or "category home" page or advertise them and have users directly select them.Building Credibility through Community: Customer Comments and RatingsRetailers in general, and e-retailers in particular, must often overcome an image of low credibility. Customers may feel that the site is interested only in making a sale, and therefore that it will present any "recommendation" or advertising necessary to induce them to make a purchase. While principles of one-to-one marketing suggest that it is in the retailer's interest to serve the interests of the customer, stores must still leap over the credibility hurdle to move towards a one-to-one relationship. One way to do this is to collect reviews and ratings from members of the community at large. These systems use the targeted customer’ s current navigation to suggest which non-personalized reviews, ratings, and predictions to display passively. By building a "community center," sites allow customers to communicate with each other and provide each other with advice and feedback on products.These "grass roots" recommendations require little site-directed effort, since the customers do all of the evaluation. They also provide a high degree of credibility since customers often are more likely to believe a set of other customers than the marketer who makes money on the purchases. As a side benefit, they create a sense of community that can distinguish the site from others and thereby retain customers. Customer comment applications provide a summary of the ratings, either as an average or another figure representing the rate of positive and negative recommendations, and give the customer an opportunity to read through the ratings and form her own opinion. Inviting Customers Back: Notification ServicesStores that know their customers’ interests can leverage that information by inviting them back to the store when new products of interest arrive or are discounted. Notification services use keywords provided by the targeted customer and attributes of the items being recommended to push persistent, personalized suggestions and can thereby build stronger customer relationships. Many emerchants allow customers to describe the products they find interesting and then automatically notify them when such products are available. These notification services can provide a great service to the customer, who becomes quickly aware of new products of interest, and can be very effective at bringing customers back to the e-commerce site on a regular basis. The form of the descriptions can vary from a simple keyword or attribute query to a more complex specification that includes price ranges. Cross-Selling: Product-Associated RecommendationsSuggestive selling is particularly effective when the seller knows the current interests of the buyer. Retailers arrange products to enhance cross-selling by placing complementary items in close proximity. On-line retailers are freed from physical layout and can directly suggest products related to the one a customer is viewing. By using the targeted customer’ s current navigation as an ephemeral indication of interest, such systems use item-to-item correlation and community purchase history to passively display suggestions to the targeted customer.Many different recommender applications use the context of a current product or several current products to recommend other products using a variety of recommender methods. This popularity is partly due to the variety of inputs that can be used to generate such recommendations, including anonymous purchase histories, customer purchase histories, ratings, product attributes and expert opinions. Product-associated recommendations are particularly well suited for passive delivery since they can be integrated into a product information page.Building Long-Term Relationships: Deep PersonalizationThe goal of most retail businesses is to develop long-term relationships with customers that lead to higher lifetime values and greater competitive barriers. Deep personalization, based on a customer's history of preferences, purchases, or navigation, is the strongest
การแปล กรุณารอสักครู่..
E-Commerce Recommender Applications Page 15of 24
Helping New and Infrequent Visitors: Broad Recommendation Lists
One of the key challenges for e-commerce sites is to engage visitors – especially new and infrequent visitors – before they leave to
visit another site. For sites that list thousands to millions of different products, this challenge is particularly acute; they must not
only engage the visitor but also keep him from getting lost and frustrated. Nearly every site visited has some form of broad
recommendation list designed to direct customers towards engaging products. These lists typically allow the targeted customer to use
current navigation to pull non-personalized suggestions. These include overall best sellers, best sellers in a category, editor and
expert recommendations, and other collections of products selected either manually or through simple statistical summarization. In
essence, these recommendation lists replace the tabletop displays, endcaps, and large product displays in physical stores. Whichever
technique is used, the lists help orient users who might otherwise leave before finding compelling products.
Part of what makes broad recommendation lists so prominent is the low level of needed input; no personal information is needed,
except for minimal ephemeral context about the category of interest to the customer. Broad recommendation lists allow marketers to
adjust pricing and inventory to match the recommendations since they can be assured that these recommendations will reach a large
audience. Editors or experts can create text to surround broad recommendations to market the recommended products to customers.
The recommendations themselves can be delivered in several different ways, though most applications either place them on a home
page or "category home" page or advertise them and have users directly select them.
Building Credibility through Community: Customer Comments and Ratings
Retailers in general, and e-retailers in particular, must often overcome an image of low credibility. Customers may feel that the site
is interested only in making a sale, and therefore that it will present any "recommendation" or advertising necessary to induce them
to make a purchase. While principles of one-to-one marketing suggest that it is in the retailer's interest to serve the interests of the
customer, stores must still leap over the credibility hurdle to move towards a one-to-one relationship. One way to do this is to collect
reviews and ratings from members of the community at large. These systems use the targeted customer’ s current navigation to
suggest which non-personalized reviews, ratings, and predictions to display passively. By building a "community center," sites allow
customers to communicate with each other and provide each other with advice and feedback on products.
These "grass roots" recommendations require little site-directed effort, since the customers do all of the evaluation. They also
provide a high degree of credibility since customers often are more likely to believe a set of other customers than the marketer who
makes money on the purchases. As a side benefit, they create a sense of community that can distinguish the site from others and
thereby retain customers. Customer comment applications provide a summary of the ratings, either as an average or another figure
representing the rate of positive and negative recommendations, and give the customer an opportunity to read through the ratings and
form her own opinion.
Inviting Customers Back: Notification Services
Stores that know their customers’ interests can leverage that information by inviting them back to the store when new products of
interest arrive or are discounted. Notification services use keywords provided by the targeted customer and attributes of the items
being recommended to push persistent, personalized suggestions and can thereby build stronger customer relationships. Many emerchants allow customers to describe the products they find interesting and then automatically notify them when such products are
available. These notification services can provide a great service to the customer, who becomes quickly aware of new products of
interest, and can be very effective at bringing customers back to the e-commerce site on a regular basis. The form of the descriptions
can vary from a simple keyword or attribute query to a more complex specification that includes price ranges.
Cross-Selling: Product-Associated Recommendations
Suggestive selling is particularly effective when the seller knows the current interests of the buyer. Retailers arrange products to
enhance cross-selling by placing complementary items in close proximity. On-line retailers are freed from physical layout and can
directly suggest products related to the one a customer is viewing. By using the targeted customer’ s current navigation as an
ephemeral indication of interest, such systems use item-to-item correlation and community purchase history to passively display
suggestions to the targeted customer.
Many different recommender applications use the context of a current product or several current products to recommend other
products using a variety of recommender methods. This popularity is partly due to the variety of inputs that can be used to generate
such recommendations, including anonymous purchase histories, customer purchase histories, ratings, product attributes and expert
opinions. Product-associated recommendations are particularly well suited for passive delivery since they can be integrated into a
product information page.
Building Long-Term Relationships: Deep Personalization
The goal of most retail businesses is to develop long-term relationships with customers that lead to higher lifetime values and greater
competitive barriers. Deep personalization, based on a customer's history of preferences, purchases, or navigation, is the strongest
Helping New and Infrequent Visitors: Broad Recommendation Lists
One of the key challenges for e-commerce sites is to engage visitors – especially new and infrequent visitors – before they leave to
visit another site. For sites that list thousands to millions of different products, this challenge is particularly acute; they must not
only engage the visitor but also keep him from getting lost and frustrated. Nearly every site visited has some form of broad
recommendation list designed to direct customers towards engaging products. These lists typically allow the targeted customer to use
current navigation to pull non-personalized suggestions. These include overall best sellers, best sellers in a category, editor and
expert recommendations, and other collections of products selected either manually or through simple statistical summarization. In
essence, these recommendation lists replace the tabletop displays, endcaps, and large product displays in physical stores. Whichever
technique is used, the lists help orient users who might otherwise leave before finding compelling products.
Part of what makes broad recommendation lists so prominent is the low level of needed input; no personal information is needed,
except for minimal ephemeral context about the category of interest to the customer. Broad recommendation lists allow marketers to
adjust pricing and inventory to match the recommendations since they can be assured that these recommendations will reach a large
audience. Editors or experts can create text to surround broad recommendations to market the recommended products to customers.
The recommendations themselves can be delivered in several different ways, though most applications either place them on a home
page or "category home" page or advertise them and have users directly select them.
Building Credibility through Community: Customer Comments and Ratings
Retailers in general, and e-retailers in particular, must often overcome an image of low credibility. Customers may feel that the site
is interested only in making a sale, and therefore that it will present any "recommendation" or advertising necessary to induce them
to make a purchase. While principles of one-to-one marketing suggest that it is in the retailer's interest to serve the interests of the
customer, stores must still leap over the credibility hurdle to move towards a one-to-one relationship. One way to do this is to collect
reviews and ratings from members of the community at large. These systems use the targeted customer’ s current navigation to
suggest which non-personalized reviews, ratings, and predictions to display passively. By building a "community center," sites allow
customers to communicate with each other and provide each other with advice and feedback on products.
These "grass roots" recommendations require little site-directed effort, since the customers do all of the evaluation. They also
provide a high degree of credibility since customers often are more likely to believe a set of other customers than the marketer who
makes money on the purchases. As a side benefit, they create a sense of community that can distinguish the site from others and
thereby retain customers. Customer comment applications provide a summary of the ratings, either as an average or another figure
representing the rate of positive and negative recommendations, and give the customer an opportunity to read through the ratings and
form her own opinion.
Inviting Customers Back: Notification Services
Stores that know their customers’ interests can leverage that information by inviting them back to the store when new products of
interest arrive or are discounted. Notification services use keywords provided by the targeted customer and attributes of the items
being recommended to push persistent, personalized suggestions and can thereby build stronger customer relationships. Many emerchants allow customers to describe the products they find interesting and then automatically notify them when such products are
available. These notification services can provide a great service to the customer, who becomes quickly aware of new products of
interest, and can be very effective at bringing customers back to the e-commerce site on a regular basis. The form of the descriptions
can vary from a simple keyword or attribute query to a more complex specification that includes price ranges.
Cross-Selling: Product-Associated Recommendations
Suggestive selling is particularly effective when the seller knows the current interests of the buyer. Retailers arrange products to
enhance cross-selling by placing complementary items in close proximity. On-line retailers are freed from physical layout and can
directly suggest products related to the one a customer is viewing. By using the targeted customer’ s current navigation as an
ephemeral indication of interest, such systems use item-to-item correlation and community purchase history to passively display
suggestions to the targeted customer.
Many different recommender applications use the context of a current product or several current products to recommend other
products using a variety of recommender methods. This popularity is partly due to the variety of inputs that can be used to generate
such recommendations, including anonymous purchase histories, customer purchase histories, ratings, product attributes and expert
opinions. Product-associated recommendations are particularly well suited for passive delivery since they can be integrated into a
product information page.
Building Long-Term Relationships: Deep Personalization
The goal of most retail businesses is to develop long-term relationships with customers that lead to higher lifetime values and greater
competitive barriers. Deep personalization, based on a customer's history of preferences, purchases, or navigation, is the strongest
การแปล กรุณารอสักครู่..
- แนะนำการใช้งานหน้า 15of 24
ช่วยใหม่และ infrequent เข้าชม : รายการแนะนำกว้าง
หนึ่งในความท้าทายที่สำคัญสำหรับเว็บไซต์อีคอมเมิร์ซคือการ ต่อสู้ ผู้เข้าชมและผู้เข้าชมใหม่และโดยเฉพาะอย่างยิ่ง ไม่บ่อยนัก และก่อนที่พวกเขาจะไป
เยี่ยมชมเว็บไซต์อื่น สำหรับเว็บไซต์ที่รายการพันล้านของผลิตภัณฑ์ที่แตกต่างกัน ความท้าทายนี้เป็นแบบเฉียบพลันโดยเฉพาะอย่างยิ่ง พวกเขาไม่ต้อง
แค่ต่อสู้ผู้เข้าชม แต่ยังให้เขาจากการหลงทาง และผิดหวัง เกือบทุกเว็บไซต์ที่เข้าเยี่ยมชมมีบางรูปแบบของรายการ
แนะนำกว้าง ออกแบบมาเพื่อลูกค้าโดยตรงต่อสินค้าที่เป็นเสน่ห์ รายการเหล่านี้มักจะให้ลูกค้าเป้าหมาย เพื่อใช้นำทาง ปัจจุบัน จะดึงไม่
ข้อเสนอแนะส่วนบุคคล เหล่านี้รวมถึงโดยรวมที่ดีที่สุดผู้ขายผู้ขายที่ดีที่สุดในประเภท , บรรณาธิการและ
คำแนะนำผู้เชี่ยวชาญและคอลเลกชันอื่น ๆของผลิตภัณฑ์ที่เลือกด้วยตนเอง หรือผ่านการสรุปทางสถิติอย่างง่าย ใน
essence เหล่านี้แนะนำรายการแทนที่โต๊ะแสดง endcaps และขนาดใหญ่ผลิตภัณฑ์แสดงในร้านค้าทางกายภาพ เทคนิคใด
ใช้รายการช่วย Orient ผู้ใช้ที่มิฉะนั้นอาจไปก่อน
หาผลิตภัณฑ์ที่น่าสนใจส่วนหนึ่งของสิ่งที่ทำให้รายการแนะนำคร่าว ๆโดดเด่นมากคือระดับต่ำ ต้องการป้อนข้อมูล ; ไม่มีข้อมูลส่วนบุคคลเป็นสิ่งจำเป็น
ยกเว้นบริบทชั่น้อยที่สุดเกี่ยวกับประเภทของความสนใจของลูกค้า รายการแนะนำกว้างช่วยให้นักการตลาด
ปรับราคา และสินค้าคงคลังเพื่อให้ตรงกับคำแนะนำตั้งแต่พวกเขาสามารถมั่นใจได้ว่าคำแนะนำเหล่านี้จะเข้าถึงขนาดใหญ่
ผู้ชม บรรณาธิการหรือผู้เชี่ยวชาญสามารถสร้างข้อความล้อมรอบแนะนำคร่าว ๆที่ตลาด แนะนำผลิตภัณฑ์ให้กับลูกค้า แนะนำตัวเอง
สามารถส่งได้หลายวิธีที่แตกต่างกัน แต่การใช้งานส่วนใหญ่ จะวางไว้บนบ้าน
หน้าหรือ " หมวดสินค้า " หรือ หน้าโฆษณา และมีผู้ใช้โดยตรงเลือก สร้างความน่าเชื่อถือผ่านชุมชน :
ความคิดเห็นของลูกค้าและการจัดอันดับ
ร้านค้าปลีกทั่วไป และ e-retailers โดยเฉพาะมักจะต้องเอาชนะภาพลักษณ์ความน่าเชื่อถือต่ำ ลูกค้าอาจรู้สึกว่าเว็บไซต์
จะสนใจเฉพาะในการขายและดังนั้นจึงจะนำเสนอใด ๆ " แนะนำ " หรือโฆษณาที่จำเป็นเพื่อทำให้พวกเขา
เพื่อให้ซื้อในขณะที่หลักการของการตลาดแบบแนะนำว่ามันอยู่ในความสนใจของผู้ค้าปลีกเพื่อรับใช้ผลประโยชน์ของ
ลูกค้า ร้านค้าต้องกระโดดข้ามเครื่องกีดขวางความน่าเชื่อถือย้ายต่อแบบความสัมพันธ์ ทางหนึ่งที่จะทำนี้คือการรวบรวม
รีวิวและให้คะแนนจากสมาชิกของชุมชนที่มีขนาดใหญ่ ระบบเหล่านี้ใช้ลูกค้าเป้าหมาย ' s
ทางปัจจุบันแนะนำที่ไม่ใช่ส่วนบุคคลคะแนนความคิดเห็นและการคาดการณ์ที่จะแสดง อยู่เฉยๆ โดยการสร้าง " ศูนย์การเรียนรู้ชุมชน " ไซต์อนุญาต
ลูกค้าเพื่อสื่อสารกับแต่ละอื่น ๆและให้แต่ละอื่น ๆที่มีคำแนะนำและความคิดเห็นต่อสินค้า .
" ราก " หญ้าแนะนำต้องใช้ความพยายามเล็ก ๆน้อย ๆเว็บไซต์โดยตรง เนื่องจากลูกค้าที่ทำทั้งหมดของการประเมินผล พวกเขายัง
ให้ระดับสูงของความน่าเชื่อถือเนื่องจากลูกค้ามักจะมีแนวโน้มที่จะเชื่อว่าชุดของลูกค้านอกเหนือจากที่นักการตลาดที่
ทำให้เงินในการซื้อ ด้านประโยชน์ที่พวกเขาสร้างความรู้สึกของชุมชนที่สามารถแยกแยะไซต์จากผู้อื่นและ
เพื่อรักษาลูกค้า การประยุกต์ใช้ความคิดเห็นลูกค้าให้สรุปเรตติ้ง ไม่ว่าจะเป็นค่าเฉลี่ยหรืออีกรูป
แสดงคะแนนของข้อเสนอแนะในเชิงบวกและเชิงลบ และให้ลูกค้ามีโอกาสที่จะอ่านผ่านการจัดอันดับและ
รูปแบบความคิดเห็นของเธอเอง
เชิญลูกค้าหลังบริการแจ้งร้านค้าที่รู้ว่าผลประโยชน์ของลูกค้าของพวกเขาสามารถใช้ประโยชน์จากข้อมูลนั้น โดยการเชิญพวกเขากลับไปที่ร้าน เมื่อผลิตภัณฑ์ใหม่ของ
สนใจมาถึง หรือจะลดบริการแจ้งใช้คำหลักโดยลูกค้าเป้าหมายและคุณลักษณะของสินค้า
ถูกแนะนำให้กดแบบถาวรสำหรับข้อเสนอแนะและดังนั้นจึงสามารถสร้างความสัมพันธ์กับลูกค้าที่แข็งแกร่ง . หลาย emerchants ให้ลูกค้าเพื่ออธิบายผลิตภัณฑ์ที่พวกเขาพบที่น่าสนใจและจากนั้นโดยอัตโนมัติแจ้งให้ทราบเมื่อผลิตภัณฑ์เช่น
พร้อม
ช่วยใหม่และ infrequent เข้าชม : รายการแนะนำกว้าง
หนึ่งในความท้าทายที่สำคัญสำหรับเว็บไซต์อีคอมเมิร์ซคือการ ต่อสู้ ผู้เข้าชมและผู้เข้าชมใหม่และโดยเฉพาะอย่างยิ่ง ไม่บ่อยนัก และก่อนที่พวกเขาจะไป
เยี่ยมชมเว็บไซต์อื่น สำหรับเว็บไซต์ที่รายการพันล้านของผลิตภัณฑ์ที่แตกต่างกัน ความท้าทายนี้เป็นแบบเฉียบพลันโดยเฉพาะอย่างยิ่ง พวกเขาไม่ต้อง
แค่ต่อสู้ผู้เข้าชม แต่ยังให้เขาจากการหลงทาง และผิดหวัง เกือบทุกเว็บไซต์ที่เข้าเยี่ยมชมมีบางรูปแบบของรายการ
แนะนำกว้าง ออกแบบมาเพื่อลูกค้าโดยตรงต่อสินค้าที่เป็นเสน่ห์ รายการเหล่านี้มักจะให้ลูกค้าเป้าหมาย เพื่อใช้นำทาง ปัจจุบัน จะดึงไม่
ข้อเสนอแนะส่วนบุคคล เหล่านี้รวมถึงโดยรวมที่ดีที่สุดผู้ขายผู้ขายที่ดีที่สุดในประเภท , บรรณาธิการและ
คำแนะนำผู้เชี่ยวชาญและคอลเลกชันอื่น ๆของผลิตภัณฑ์ที่เลือกด้วยตนเอง หรือผ่านการสรุปทางสถิติอย่างง่าย ใน
essence เหล่านี้แนะนำรายการแทนที่โต๊ะแสดง endcaps และขนาดใหญ่ผลิตภัณฑ์แสดงในร้านค้าทางกายภาพ เทคนิคใด
ใช้รายการช่วย Orient ผู้ใช้ที่มิฉะนั้นอาจไปก่อน
หาผลิตภัณฑ์ที่น่าสนใจส่วนหนึ่งของสิ่งที่ทำให้รายการแนะนำคร่าว ๆโดดเด่นมากคือระดับต่ำ ต้องการป้อนข้อมูล ; ไม่มีข้อมูลส่วนบุคคลเป็นสิ่งจำเป็น
ยกเว้นบริบทชั่น้อยที่สุดเกี่ยวกับประเภทของความสนใจของลูกค้า รายการแนะนำกว้างช่วยให้นักการตลาด
ปรับราคา และสินค้าคงคลังเพื่อให้ตรงกับคำแนะนำตั้งแต่พวกเขาสามารถมั่นใจได้ว่าคำแนะนำเหล่านี้จะเข้าถึงขนาดใหญ่
ผู้ชม บรรณาธิการหรือผู้เชี่ยวชาญสามารถสร้างข้อความล้อมรอบแนะนำคร่าว ๆที่ตลาด แนะนำผลิตภัณฑ์ให้กับลูกค้า แนะนำตัวเอง
สามารถส่งได้หลายวิธีที่แตกต่างกัน แต่การใช้งานส่วนใหญ่ จะวางไว้บนบ้าน
หน้าหรือ " หมวดสินค้า " หรือ หน้าโฆษณา และมีผู้ใช้โดยตรงเลือก สร้างความน่าเชื่อถือผ่านชุมชน :
ความคิดเห็นของลูกค้าและการจัดอันดับ
ร้านค้าปลีกทั่วไป และ e-retailers โดยเฉพาะมักจะต้องเอาชนะภาพลักษณ์ความน่าเชื่อถือต่ำ ลูกค้าอาจรู้สึกว่าเว็บไซต์
จะสนใจเฉพาะในการขายและดังนั้นจึงจะนำเสนอใด ๆ " แนะนำ " หรือโฆษณาที่จำเป็นเพื่อทำให้พวกเขา
เพื่อให้ซื้อในขณะที่หลักการของการตลาดแบบแนะนำว่ามันอยู่ในความสนใจของผู้ค้าปลีกเพื่อรับใช้ผลประโยชน์ของ
ลูกค้า ร้านค้าต้องกระโดดข้ามเครื่องกีดขวางความน่าเชื่อถือย้ายต่อแบบความสัมพันธ์ ทางหนึ่งที่จะทำนี้คือการรวบรวม
รีวิวและให้คะแนนจากสมาชิกของชุมชนที่มีขนาดใหญ่ ระบบเหล่านี้ใช้ลูกค้าเป้าหมาย ' s
ทางปัจจุบันแนะนำที่ไม่ใช่ส่วนบุคคลคะแนนความคิดเห็นและการคาดการณ์ที่จะแสดง อยู่เฉยๆ โดยการสร้าง " ศูนย์การเรียนรู้ชุมชน " ไซต์อนุญาต
ลูกค้าเพื่อสื่อสารกับแต่ละอื่น ๆและให้แต่ละอื่น ๆที่มีคำแนะนำและความคิดเห็นต่อสินค้า .
" ราก " หญ้าแนะนำต้องใช้ความพยายามเล็ก ๆน้อย ๆเว็บไซต์โดยตรง เนื่องจากลูกค้าที่ทำทั้งหมดของการประเมินผล พวกเขายัง
ให้ระดับสูงของความน่าเชื่อถือเนื่องจากลูกค้ามักจะมีแนวโน้มที่จะเชื่อว่าชุดของลูกค้านอกเหนือจากที่นักการตลาดที่
ทำให้เงินในการซื้อ ด้านประโยชน์ที่พวกเขาสร้างความรู้สึกของชุมชนที่สามารถแยกแยะไซต์จากผู้อื่นและ
เพื่อรักษาลูกค้า การประยุกต์ใช้ความคิดเห็นลูกค้าให้สรุปเรตติ้ง ไม่ว่าจะเป็นค่าเฉลี่ยหรืออีกรูป
แสดงคะแนนของข้อเสนอแนะในเชิงบวกและเชิงลบ และให้ลูกค้ามีโอกาสที่จะอ่านผ่านการจัดอันดับและ
รูปแบบความคิดเห็นของเธอเอง
เชิญลูกค้าหลังบริการแจ้งร้านค้าที่รู้ว่าผลประโยชน์ของลูกค้าของพวกเขาสามารถใช้ประโยชน์จากข้อมูลนั้น โดยการเชิญพวกเขากลับไปที่ร้าน เมื่อผลิตภัณฑ์ใหม่ของ
สนใจมาถึง หรือจะลดบริการแจ้งใช้คำหลักโดยลูกค้าเป้าหมายและคุณลักษณะของสินค้า
ถูกแนะนำให้กดแบบถาวรสำหรับข้อเสนอแนะและดังนั้นจึงสามารถสร้างความสัมพันธ์กับลูกค้าที่แข็งแกร่ง . หลาย emerchants ให้ลูกค้าเพื่ออธิบายผลิตภัณฑ์ที่พวกเขาพบที่น่าสนใจและจากนั้นโดยอัตโนมัติแจ้งให้ทราบเมื่อผลิตภัณฑ์เช่น
พร้อม
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- แปลบทสนทนาOh dear ! You poor thing!
- Today we have payment to you of Invoice
- The recycled liner comes in a natural br
- help you prepare the goods ?
- The disadvantage of such a transmission
- แปลบทสนทนาOh dear ! You poor thing!
- ensure
- พวกเขาวางแผนจะไปเที่ยวเชียงใหม่
- เกิดโรคแทรกซ้อน ทั้งโรคหัวใจ เท้าเน่า ไต
- ในเวลาที่เหมาะสม
- References in Text: Footnotes and Endnot
- HBD all every thing the best of you.
- Ten chicks.
- ทำอะไรอยุ่
- References in Text: Footnotes and Endnot
- Clamoring despite having no desire
- นอกจากเครื่องแกงแล้วความอร่อยส่วนหนึ่งขอ
- เหมือนตัวร้อน
- ถ้าไม่เข้าใจอีกจะให้ฉันอธิบายเพิ่มก็ได้น
- ensure
- วิธีการตรวจสอบข้อมูลคุณต้องการข้อมูลอะไร
- services processes
- ซึ่งเป็นสถานที่ที่คนส่วนใหญ่นับถือและเคา
- ไม่ใช่พี่สาวจริงๆ
