Späť na blog
AI
6 min

Odporúčania produktov na e-shope: ako predať o položku viac

Odporúčania produktov na e-shope ukazujú zákazníkovi, čo sa k jeho výberu hodí. Pozrite sa, ako Ragnetiq Recommender funguje a kde prináša najviac.

odporúčania produktov na e-shopeAI odporúčaniacross-sellpersonalizácia e-shopuRagnetiq Recommender
Odporúčania produktov na e-shope: ako predať o položku viac

Zákazník si o pol jednej v noci prezeral na mobile vysávače Kärcher. Preklikal tri modely, porovnal príkon aj objem nádoby, zavrel stránku a išiel spať. Nepotreboval poradiť, nič nehľadal s preklepom. Jednoducho odišiel bez nákupu a e-shop oň prišiel potichu, bez jedinej otázky v chate.

Odporúčania produktov na e-shope sú bloky s produktmi, ktoré zákazníkovi ukážu, čo sa k prezeranému tovaru hodí alebo čo si kupujú ľudia s podobným vkusom. Ragnetiq Recommender ich skladá z produktového katalógu a anonymného správania návštevníkov, teda zo zobrazení, pridania do košíka a nákupov. Pri vysávači tak ponúkne filter alebo náhradný vak, pri vypredanom modeli podobný kus, ktorý je skladom, a na homepage to, čo si daný človek prezeral naposledy.

Slovenské e-shopy to potrebujú práve teraz. Ako píše eProfit, nové poplatky pri balíkoch z Číny zabrali a Slováci z tamojších e-shopov nakupujú menej. Presun tých nákupov k vám sa však nestane sám. Keď zákazník príde a odíde s jedinou položkou, nič sa nevyriešilo.

Kde zákazník odíde bez nákupu

Predstavte si bežný e-shop s tisíckami produktov. Zákazník príde z Googlu priamo na detail. O produkte sa dozvie všetko, čo potrebuje, ale netuší, či k nemu patrí aj príslušenstvo. Ak mu to nikto nepovie, kúpi len vŕtačku a bity si objedná inde o týždeň, keď zistí, že mu chýbajú. Toto je najčastejší scenár, pri ktorom e-shop stráca druhú a tretiu položku v košíku.

Druhá situácia je horšia. Zákazník napíše do vyhľadávania „Kärcher WD 3“ s preklepom alebo len „vysávač na dielňu“ a dostane nulu. Ocitol sa na stránke bez výsledkov, ktorá mu odkáže, aby skúsil iné slovo. V tej chvíli je o krok od odchodu ku konkurencii, hoci stačí pod prázdny výsledok položiť bestsellery z kategórie a pár podobných produktov. Prečo je prázdna stránka taká drahá, sme rozobrali v článku o AI vyhľadávaní pre e-shop. O dôvodoch, prečo ľudia odchádzajú z e-shopov bez nákupu, zase v článku o AI chatbotovi pre e-shop.

Tretí scenár je vypredaný tovar. Model, ktorý zákazník hľadal, nie je skladom. Bez alternatívy odchádza, s alternatívou si často kúpi niečo o triedu vyššie.

Ako Recommender vyberá, čo sa zobrazí

Recommender pracuje s dvoma zdrojmi. Prvý je katalóg: kategórie, parametre a popisy produktov. Vďaka nim vedia odporúčania fungovať od prvého dňa, aj keď e-shop nemá za sebou roky nákupov. Druhý zdroj je správanie návštevníkov. Z reálnych nákupov sa AI učí, čo k sebe naozaj patrí, takže k vŕtačke nepribalí náhodnú sadu skrutkovačov, ale bity a akumulátory, ktoré si ľudia kupujú spolu.

Logika je pritom rovnaká ako za pultom v predajni. Keď si zákazník vezme šampón, predavač sa spýta, či má doma aj kondicionér z tej istej rady. Keď váha nad drahším modelom, ukáže mu, čím sa líši od lacnejšieho. Recommender robí to isté, len pre každého návštevníka zvlášť a v momente, keď je rozhodnutie najbližšie.

V praxi sa najviac používa päť typov blokov:

  • Často kupované spolu, ktoré k produktu pridajú príslušenstvo a spotrebný materiál.
  • Podobné produkty a lepšie alternatívy, ktoré zachránia návštevu pri vypredanom tovare.
  • Personalizované tipy na homepage podľa histórie prezerania.
  • Bestsellery a novinky v kategóriách, kde zákazník ešte nevie, čo presne chce.
  • Naposledy prezerané produkty, ktoré človeka vrátia k rozrobenému rozhodnutiu.

Zobrazovať sa dajú na detaile produktu, v košíku, v pop-upe po pridaní do košíka, na homepage, v kategóriách aj na spomínanej stránke bez výsledkov. Odporúčacie boxy zladíme s dizajnom e-shopu, takže nepôsobia ako cudzí prvok. Čo všetko Ragnetiq Recommender dokáže, nájdete priamo na stránke produktu.

Nasadenie nie je projekt na mesiace. Recommender sa pripája cez klientsky skript na Shoptet, Upgates či Shopify, potrebujeme produktový feed a prístup k údajom o objednávkach. Skript sa načítava asynchrónne, takže rýchlosť e-shopu ani PageSpeed skóre neutrpia. Kontrolu si nechávate vy: konkrétne produkty, značky alebo kategórie viete pripnúť, uprednostniť alebo naopak vylúčiť, napríklad tovar s vyššou maržou alebo kusy, ktoré sú skladom.

Čo odporúčania produktov na e-shope menia v reálnych e-shopoch

Najzaujímavejšie sú prípady, kde sa sortiment kupuje podľa parametrov a ľudia si kompletnú sadu skladajú postupne.

Akciové náradie z Nitry predáva na Shoptete Premium desaťtisíce produktov od STIHL, Kärcher, Makita či Bosch. Náradie sa vyberá podľa výkonu motora, výdrže batérie alebo obsahu balenia, a práve tieto detaily rozhodujú o tom, či si zákazník pri objednávke pribalí aj akumulátor a nabíjačku. V októbri 2026 e-shop získal 40 092 € tržieb z objednávok, pri ktorých pomohli AI nástroje. Odporúčania boli jedným zo štyroch nástrojov po boku AI nákupného asistenta, SmartBoxu a AI vyhľadávania, takže to číslo netreba čítať ako zásluhu jedného bloku. Ukazuje však, čo sa stane, keď zákazník nemusí nič dohľadávať sám.

Vláskom.sk je iný príklad. Kozmetika sa nekupuje podľa parametrov, ale podľa typu vlasov a problému, ktorý zákazníčka rieši. K šampónu sa preto odporúča správny kondicionér, maska alebo olej z tej istej rady. Zákazníčky si tak poskladajú kompletnú starostlivosť na jeden nákup a podľa skúsenosti e-shopu sa z odporúčaní nakupuje každý deň.

Drahší tovar nie je cieľ. Cieľom je, aby zákazník odišiel s kompletným riešením a nemusel sa vracať o týždeň na iný e-shop.

Kedy odporúčania sklamú

Najčastejšia chyba je jeden univerzálny blok „Mohlo by vás zaujať“ s náhodným mixom produktov, ktorý sa zobrazuje všade rovnako. Zákazník ho po druhej návšteve prestane vnímať, pretože mu nič nehovorí. Odporúčanie musí reagovať na to, čo práve vidí, inak je to len banner.

Druhá chyba je odporúčať tovar, ktorý nie je skladom. Zákazník klikne, zistí, že nič, a odíde s pocitom, že e-shop nefunguje. Rovnako zle pôsobí príliš veľa boxov. Tri dobre nastavené bloky na detaile produktu urobia viac ako sedem, medzi ktorými sa nedá vyznať.

A tretia vec, ktorú e-shopy podceňujú, je meranie. Bez toho, aby ste videli, z ktorého bloku sa naozaj nakupuje, sa rozhodujete podľa dojmu. Odporúčania, ktoré sa nemerajú, sa nedajú ani zlepšovať. Zároveň platí, že pri menšom katalógu nepotrebujete roky dát. Od začiatku sa pracuje s kategóriami a parametrami a presnosť personalizácie rastie s každým nákupom. Pracujeme pritom s anonymnými údajmi o správaní, nie s osobnými údajmi, takže odporúčania fungujú aj bez toho, aby sme vedeli, kto konkrétne nakupuje.

Rýchly test zvládnete za dve minúty. Otvorte si na mobile detail svojho najpredávanejšieho produktu a pozrite sa, čo zákazník vidí pod ním. Ak je tam len náhodný blok bez kontextu, máte čo zlepšovať. Radi vám na vašich produktoch ukážeme, aké odporúčania by dávali zmysel a čo by ste z nich reálne namerali. Dohodnite si nezáväznú konzultáciu k nástroju Ragnetiq Recommender.

Často kladené otázky

Aké typy odporúčaní môžem na e-shope zobraziť?

Najčastejšie ide o často kupované spolu, podobné produkty, alternatívy k vypredanému tovaru, bestsellery, novinky, naposledy prezerané produkty a personalizované tipy na homepage. Kombináciu nastavíme podľa vášho sortimentu. Pri náradí dávajú zmysel iné bloky ako pri kozmetike.

Potrebujem veľa dát, aby odporúčania produktov na e-shope fungovali?

Nie. Od prvého dňa pracujú s obsahom katalógu, teda s kategóriami, parametrami a popismi produktov. S pribúdajúcimi nákupmi sa AI učí zo správania zákazníkov a odporúčania sú čoraz presnejšie.

Spomalí Ragnetiq Recommender môj e-shop?

Nie. Klientsky skript sa načítava asynchrónne a odporúčania sa vracajú za zlomok sekundy. Rýchlosť webu ani PageSpeed skóre by preto nemali utrpieť.

Pracuje Ragnetiq Recommender s osobnými údajmi zákazníkov?

Nie, pracuje s anonymnými údajmi o správaní a s dátami katalógu. Personalizácia tak funguje bez toho, aby sme vedeli, kto konkrétne nakupuje. Aj preto je nasadenie v súlade s GDPR.

Ragnetiq CTA background

Pripravení na transformáciu?