MLとAIのeコマース関連アプリケーションの進歩のおかげで、部品やアクセサリーのショッピングエクスペリエンスを近代化する重要な機会があります。この記事では、ML/AIのトレンドとアプリケーションを探り、部品やアクセサリーの購入者が獲得からエンゲージメント、リテンションに至るまでのエクスペリエンスを最適化します。
10年ほど前、フィットメント内の部品やアクセサリーの正確な検索結果をサポートすることは、労働集約的で非常に困難でした。現在、ほとんどのオンライン自動車部品小売業者やマーケットプレイスは、適合ベースの結果とフィルターをサポートしていますが、結果は一般的に各買い物客で同じです。同じ買い物客は2人としていません- たとえ彼らが同じ車両で部品を買っているとしても。主な違いは、車両がどのように操作されるか、どのような条件下で操作されるか、どこで、いつ、車両に対してすでに何が行われたかなど、ほんの数例を挙げるだけです。リアルタイムのアクションに基づいて購入者の意図データを重ねる場合、ML/AIツールはこれらすべての変数を使用して購入者の体験をパーソナライズすることができます。
自動車部品の買い物客は、通常、次のタイプに分類されます。
- 反応：彼らの車の修理
- ルーチン：彼らの車のメンテナンス
- 向上心:彼らの車を強化する
- プロ：他人の車両での作業
各買い物客に個別に対応することが重要です。適合意図に基づいて関連する製品を正確に表示することは、取得の詳細とオンサイトのエンゲージメントを通じて判断できます。 取得/訪問の詳細: 何が彼らをあなたのサイトに連れてきて、どこに着陸したのですか? 購入者は、オーガニック/有料検索、メール、プロモーション、ソーシャルキャンペーンを通じて来ましたか、それとも直接トラフィックでしたか?オンサイト検索をパーソナライズする場合、彼らがあなたのサイトにどのようにアクセスするかによって、購入者の意図に関する重要な情報が得られます。 すぐに関連するエクスペリエンスを提供することは、これらの買い物客にとって重要です。 関連する瞬間的なエクスペリエンスを構築するには、次のものが含まれます。 専用の個別ランディングページ部品タイプと車両(メーカー/モデル/年式+少なくともタイプまたはカテゴリ)の組み合わせごとに、検索とキャンペーンのトラフィックの活性化に役立つと同時に、追加のコンテクストも提供します。これらのページは、買い物客の地域、季節/気候、トレンド、過去のデータ(利用可能な場合)に文脈に応じて適応する必要があります。 以下のCarIDの例では、メーカー+部品タイプの専用ランディングページも、同様のコンテクスト(地域、季節、チャネルなど)で買い物客が購入する可能性が最も高いブレーキのランキングなど、いくつかのコラボレーションおよびコンテクストデータを組み込んで、より多くのエンゲージメントを促進することができます。
オンサイトエンゲージメント: オンサイトエンゲージメントのタッチポイントからインテントを抽出します。
- 彼らはあなたのサイトで何をしましたか?
- 彼らはどこを移動したのか?
- 彼らは何を検索し、特定のフィルターを使用しましたか?
- 彼らは何をクリックしましたか?
パーツショッパーの典型的な旅
では、パーツショッパーの典型的な旅を見ていきましょう。これらの例では、「2008 honda fit front suspension」を検索します。
ググる
While searching on ググる, parts shoppers receive basic experiences —not tailored to the automotive parts industry, nor a specific consumer. The results and experience is generally going to be the same for every shopper.
アマゾン
アマゾン takes this a bit further with a specific automotive parts store supporting the concept of garage/fitment. However, the experience still does not factor in personal attributes.
イーベイ
イーベイ’s “Shop by Diagram” takes a different approach by providing the shopper with a visual schematic of the specific vehicle to identify the correct part.
自動車部品のeコマースサイト
自動車部品が1つのカテゴリーであるマーケットプレイスにとどまらず、自動車部品専門のサイトでは、追加のフィルター、カテゴリー、タイプ特定の結果など、マーケットプレイスの一般的なエクスペリエンスではなく、パーツの買い物客が選択を支援するために何が必要かに沿ったエクスペリエンスに、より深いものを見つけることができます。
カテゴリ特定の結果フィールド (動的結果) は、買い物客が選択を行うために必要な追加の詳細レベルを提供します。
多くの買い物客がオーガニック検索や有料検索で訪れるため、車両装備+パーツカテゴリーの着陸エクスペリエンスにより、買い物客が購入に必要なステップ数を減らすことができます。これは、サイトのナビゲーションの一部として含まれている場合、SEOにも役立ちます。
最後に、タイヤのスタッガードフィットなど、焦点のカテゴリーにさらに奥行き特定ののレイヤーを追加するカテゴリ特定ののサイトがあります。
彼らが単純なDIY車両メンテナンスに取り組んでいる場合でも、より複雑なプロジェクトに取り組んでいる場合でも、互換性のある部品を正確に取得することは戦いの半分にすぎません。
ショッパー調査には、部品が解決する症状、部品のカテゴリと機能、部品の種類、ブランド、OEM/アフターマーケットの好み、または部品の製品番号自体も含まれます。車両の使用方法、場所、条件も重要な要素であり、装備ベースの結果では無視されがちです。ショッピング交換部品は、サイズ、形状、材料、クロスアプリケーションなどにより複雑になる場合があります。
一部の購入者は、専門家の助けを借りずにアプリケーションの正しい部品を受け取ることに自信があるため、交換部品をオンラインで購入することを躊躇するでしょう。個別化プラットフォームでは、互換性のある部品を提示するだけでなく、買い物客の予測されたニーズと意図に基づいて正確な部品を提示するためのすべての要素を考慮に入れることで、この躊躇を解消します。
競合他社に先駆けてシームレスなバイヤーエクスペリエンスを創出
これまで、自動車eコマースサイトには、他のオンライン小売業者のように1対1の個別購入ジャーニーを作成する能力がありませんでした。自動車部品小売業者の複雑な装備製品の提供は、オンライン購入を簡素化し、購入者のニーズを予測することを目的としたテクノロジーに独自の課題を提示しています。ほとんどの従来の検索およびレコメンデーションシステムは、用途、材料、活動、ブランド、保証、原産国など、買い物客の特定の親和性に特定のものではありませんが、適合度に基づいて互換性のある製品結果を返します。 AIシステムが1:1の個別化を実行できることはめったにありません。1:1の個別化を行い、ユーザーのアフィニティの履歴を保持し、年/メーカー/モデルで大規模なハードフィルターを処理できるシステムではさらにまれです。そのためには、膨大な処理能力、効率的なバックエンドアルゴリズム、クリーンで理解しやすいフロントエンドUI、最新のバックエンドアーキテクチャが必要です。Sitecore SearchのAIベースのeコマースエンゲージメントプラットフォームは、まさにそれです。堅牢な装備機能により、自動車部品購入者のエンドツーエンドの購入体験を最適化します。これは、サイトを混乱のカタログから購入者のガレージで最も価値のあるアシスタントに変えるためのチェックリストです。
1. データを整理して充実させる
エース(アフターマーケットカタログ交換基準)とPIES(製品情報スタンダード)は、自動車部品製品および小売業者向けの最上位のデータ整理標準です。 このデータは、ML ベースのセマンティック タグとビジュアル タギング、およびクローリングを使用して、自動的でさらに充実させることができます。クリックストリームは、製品の最適なコンバージョンパスなど、製品との行動やり取りに関する追加のインサイトを提供します。過去の取引は、製品を取り巻く季節性やコンテクストトレンドなどの追加のインサイトを提供します。 さらに、ストアデータ、ソーシャルメディア、その他のサードパーティソースなど、複数のソースからのデータを組み込んで、コンテンツの徹底性を向上させ、エンゲージメントの向上につながります。 適切なエンゲージメントプラットフォームを使用すれば、これらすべてのデータソースを使用して個別の購入体験を作成し、追加の収益を生み出すことができます。
2.SEOの露出とサイト検索体験を最適化する
ほとんどの買い物客は、装備や製品の属性/キーワードのバリエーションを含むロングテールキーワードでGoogleから始めます。 ロングテールキーワードの動的ランディングページを使用してサイトを最適化すると、オーガニックトラフィックが促進されます。 これらのダイナミックフィットメントランディングページは、マーチャントが個々の購入者向けに車両特定のエクスペリエンスを自動的に作成する機会を提供します。 今、あなたはあなたのサイトに買い手を持っている、フィットメントベースのサイト検索が必要です。自動車アフターマーケット業界で販売される製品は複雑であるため、堅牢なサイト検索機能が必要です。サイトは、買い物客が次のようなさまざまな用語で検索できるように準備する必要があります。
- 部品タイプ
- 年
- 作る
- モデル
- エンジンタイプ
- 刈る
- 部品機能
- 部品の症状
- 部品の使用と応用
- ブランド
- 部品/メーカー/競合他社番号
これは非常に難しい注文であり、だからこそ、今日の購入者が検索プロセスを十分に高速に行うためには、AIとMLの技術が必要なのです。 もう 1 つの重要な考慮事項は、プレビュー検索インターフェイスでサイトを有効にすることです。プレビュー検索では、検索バーを最初にクリックした時点から購入者の意図を予測し、購入者のニーズに最も適した商品、カテゴリー、ブランドについて役立つ提案を行うことができます。下の画像は、購入者が2文字を入力するだけで表示される内容を示しています。基本的に、これは、購入者の脳がそれらを認識できるのと同じくらい速く提案が表示されることを意味します。 また、購入者の以前の意図も使用する必要があります。たとえば、買い物客が 1 回の訪問で 2016 年の Mazda CX5 Grand Touring SUV の交換部品を探した場合、その親和性に基づいて、その後の検索でそのメーカーとモデルの部品をプレビューします— 新しいインテントが発見されるまで. オンサイト検索エクスペリエンスをパーソナライズするときは、季節性を考慮に入れることが重要です。レースが好きな人は、決められたシーズン中に特定の種類のタイヤを探します。同じ人が10月または11月に家族の車用のスノータイヤを探しているかもしれません。これは、あなたのサイトがそれらについて「知っている」ことです。
アジャイル プレビューとサイト検索に加えて、サイトにフィルタリングされた全ページ検索があることを確認する必要があります。重要なファセットは次のとおりです。
- 個別の結果
- フィッティングフィルター
- ユニバーサルフィットまたはクロスフィットメント
- フィッティングに関連するファセット
- ファセット URL
3.買い物客に正確な車両で探索させます
カスケードフィルターを生成すると、買い物客が買い物をしている車両を正確に伝えることができます。これらのフィルターは、次のことを行います。
- 商品や在庫がある備品のみを表示する
- Do not require エースor PIES
- 購入者は任意の順序で探索できます
- 追加の装備パラメータに対応できます
この情報により、購入者は必要な車両の動的ランディングページと製品リストページ(PLP)のカテゴリに直接移動します。機械/車両のランディングページ自体は、強力な顧客獲得およびエンゲージメントツールです。商品詳細ページは、各購入者の注意を彼らが望む方法で正確に捉え、最も関連する情報とレコメンデーションを直感的に提示して、購入者の興味を効果的に動かし、「カートに入れる」をクリックする可能性を高める必要があります。 動的に作成された装備ページは、パーソナライズされたページエクスペリエンスを作成するため、買い物客は次のような特定の車両に的を絞ったレコメンデーションを取得できます。
- フィグメントコンテクスト内の製品
- 置換と置換
- クロスフィットメントとユニバーサルフィット
これらはまた、バナー、エディトリアル、ビデオ、ブログなどのコンテンツプッシュをトリガーし、買い物客をより深く引き付けます。
4.装備と互換性のあるレコメンデーションを提供します
推奨事項は、関連する装備とコンテクストを尊重する必要があります。これらは、アップセル、クロスセル、ネクストセルの重要な機会を提供し、追加の収益を促進します。個別のレコメンデーションでは、顧客の装備要件やガレージだけでなく、コンテクストや行動も考慮されます。 AIを使用すると、過去と現在のすべての買い物客の行動を組み込んで、手動の介入なしに最も関連するレコメンデーションを推進することができます。
個別のコラボレーションレコメンデーションには、次のものが含まれます。
- 共同表示/購入/最終的に購入、あなたのような他の人は備品を尊重して購入しました
- 特定の備品で購入したトレンド/トップ、カテゴリー内
- コンテクスト、使用、またはアプリケーションに基づく
- カートの内容と注文履歴に基づく推奨事項
- 備品特定のメンテナンススケジュールに基づく補充
Sitecore Searchのeコマースエンゲージメントプラットフォームでは、レコメンデーションの「レシピ」を選択、構築、テストして収益を最適化できます。
5.購入者がカスタムガレージを作成できるようにする
私のガレージ、私のマシン、私の乗り物—購入者がこの情報を共有するとき、あなたのサイトはそれを聞いて覚えておく必要があります。 購入者に、個別化プラットフォームで管理できる「カスタムガレージ」を作成する能力を提供します。カスタムガレージは、顧客プロファイルと顧客関係管理からの情報を使用して、購入者の時間を節約し、次に車に何かが必要になったときに、サイトから関連する役立つ提案を即座に得ることができます。
6.購入経路の「スピードバンプ」を減らす
購入者のエクスペリエンス全体で、購入者が必要なものを見つけるためのステップをできるだけ少なくしたいと考えています。適合のために構築されたエンゲージメントおよび個別化プラットフォームにより、購入者が購入しようとしている製品の適合と適用に基づいて、すべてのタッチポイントが相互に相互作用することを可能にします。エンゲージメントプラットフォームでは、個々の訪問者のショッピング行動を、サイト訪問、購入、クリック、さらには写真から推定して捉え、その行動を彼らが何を求めているかを詳細に理解することに変換する必要があります。
購入者が必要としているのがBOPISオプションである場合は、リアルタイムの在庫、フルフィルメント、価格データを組み込んで、購入者が希望する場所で入手可能な商品のみを表示するようにする必要があります。
購入者の好みを深く理解することで、検索、レコメンデーション、カテゴリ/ランディングページ、メール、さらには店舗での購入を通じてスムーズに進めることができ、より多くの商品が購入者のカートに直接入ります。
メールを忘れてはなりません。ガレージや特定の車両に基づいて、個別の提案やコンテンツをメールに組み込むことで、メールの開封率とクリック率が大幅に向上します。 Eメールのランディングページは、チャネル間でエクスペリエンスと個別化を継続し、エンゲージメントとコンバージョンをさらに高めます。
7. チャネル全体で適合アナリティクスのインサイトを活用
最後に、1対1の個別化ソリューションは、視聴者が誰であるか、どのチャネルでリーチできるかを正確に示す、アクセスしやすい詳細なアナリティクスを提供する必要があります。フィットメントアナリティクスは、各年/メーカー/モデルの売上に関する詳細な情報を提供し、検索、カテゴリ、および製品アナリティクスは、すべてのタッチポイントで買い物客がサイトとどのようにやり取りしているかを理解するのに役立ちます。また、AIは車両ごとの総購買行動に基づいてメンテナンススケジュールを学習できるため、在庫を補充するタイミングについてのインサイトを得ることができます。
あなたの忠実な顧客は、あなたのサイトがいかにシームレスであるかに感銘を受けるだけでなく、スタッフの応答性にも驚かれるでしょう。メールを通じて、公開されたメーカーの車両のスケジュールに基づいてサービスのリマインダーを提供し、リコールやプロモーションについて知らせることができます。データ収集機能は、問題を迅速に解決しようとするコールセンターの担当者にとっても非常に価値があります。彼らは、電話がかかってくるとすぐに、あなたの買い手と彼らの車についてすべてを知るでしょう。また、プラットフォームもモバイルフレンドリーである必要があります(これは、個々の買い物客とフロアメカニックの両方に役立ちます)また、店内のキオスクやタブレットとの接続を提供します。
自動車部品のアフターマーケットのeコマース業界が急成長している中、個別化に投資しないことは深刻な機会費用をもたらします。今こそ、競合他社がそれを手に入れる前に、費用対効果の高い個別化ソリューションを導入する時です。
今がその時です
でSitecore Search eコマースエンゲージメントプラットフォームでは、堅牢な装備機能を通じて、自動車部品購入者のエンドツーエンドの購入体験を最適化することができます。今こそ、競合他社よりも先にシームレスな購入者エクスペリエンスを作り出す時です。
ソース：