जो खरीदार काम की चीज़ें देखता है उसे मनचाहा सामान जल्दी मिलता है, और जिस पाठक को अगला उपयोगी लेख मिलता है वह ज़्यादा देर रुकता है। यही पर्सनलाइज़ेशन का वादा है, लेकिन नतीजे हर साइट पर अलग होते हैं, इसलिए फायदा मान लेने से पहले आज़माएं।
यहां सरल भाषा में बताया गया है कि सुझाव कैसे काम करते हैं, छोटे स्टोर के लिए कौन से प्रकार ठीक हैं और Uttra से कैसे मांगें।
AI सुझाव विज़िटर ने जो देखा, खरीदा या चुना उसके आधार पर प्रोडक्ट या कंटेंट सुझाते हैं। सरल और समझाए जा सकने वाले सुझाव अक्सर जटिल सुझावों से ज़्यादा काम आते हैं, और उन्हें प्राइवेसी और सहमति का सम्मान करना चाहिए।
सुझावों के मुख्य प्रकार
ज़्यादातर साइटें कुछ सरल तरीके इस्तेमाल करती हैं जिन्हें ग्राहक को समझाना आसान होता है।
- मिलते-जुलते प्रोडक्ट: श्रेणी, कीमत या टैग में करीबी।
- अक्सर साथ खरीदे जाने वाले: एक ही कार्ट में बार-बार आने वाली चीज़ें।
- हाल में देखे गए: जो देखा उस तक लौटने का शॉर्टकट।
- अभी लोकप्रिय: नए विज़िटर के लिए अच्छा डिफ़ॉल्ट।
शुरुआती डेटा की कमी
नए विज़िटर का कोई इतिहास नहीं होता और नए प्रोडक्ट के कोई ऑर्डर नहीं होते। पहले लोकप्रिय या सबसे नए प्रोडक्ट दिखाएं, ठीक लगे तो पसंद का एक सरल सवाल पूछें, और डेटा आते ही असली व्यवहार को काम संभालने दें।
प्राइवेसी और भरोसा
पर्सनलाइज़ेशन व्यवहार का डेटा इस्तेमाल करता है, इसलिए विज़िटर को बताएं कि आप क्या जुटाते हैं और क्यों, अपने ऊपर लागू डेटा संरक्षण नियमों का पालन करें और बंद करने का तरीका दें। दखल जैसे लगने वाले सुझावों से बचें, जैसे संवेदनशील निजी हालात का अंदाज़ा लगाना।
परखना और Uttra से मांगना
सुझाव कुछ साफ जगहों पर दिखाएं जैसे प्रोडक्ट पेज और कार्ट, और पहले-बाद के क्लिक और ऑर्डर की तुलना करें। जो काम करे उसे रखें, जो भीड़ बढ़ाए उसे हटा दें।
Uttra को भेजने के लिए उदाहरण: "हर प्रोडक्ट पेज पर श्रेणी और टैग के आधार पर मिलते-जुलते प्रोडक्ट की पंक्ति जोड़ो, और काफ़ी ऑर्डर होने पर साथ खरीदे जाने वाले प्रोडक्ट की पंक्ति भी। होम पेज पर नए विज़िटर को अभी लोकप्रिय और लौटने वाले को हाल में देखे गए दिखाओ।"