BotBonnie × AI 個人化商品推薦|企業版加購

AI 個人化商品推薦,讓每位顧客更快找到想買的

網站與 App 上,24 種推薦模型依顧客行為推薦商品;在 LINE、IG 等對話裡,AI 客服 Agent 化身商品顧問,讀懂需求再推薦。兩種推薦,一起把瀏覽變成訂單。

78%
搭配推薦模型的個人化訊息,轉換率比一般訊息高*
24 種
推薦模型,搭配 Autopilot 自動挑選
+91%
保健食品電商:購物車頁看到推薦的顧客轉換率

*資料來源:Appier 2020–2022 年 426 檔行銷活動;實際成效依產業、流量及導入情境而異。

顧客的真實購物現況

顧客不是沒有需求,而是沒找到真的有興趣的商品

從探索、比較到下單,每個環節都可能因為選擇太多、資訊不足或推薦不精準而中斷。

🔍

選擇太多,找不到適合的

搜尋、篩選、來回比較耗費心力,顧客還沒找到答案就先離開。

👥

千人一面的推薦

每個人看到一樣的商品,無法反映個人偏好,推薦也就沒有說服力。

🔀

網站與對話各自為政

網站瀏覽行為、LINE 或 IG 對話內容沒有整合,資料發揮不了價值。

✋

推薦靠人工選品

人工更新推薦清單的速度,常常追不上顧客需求與商品變化。

兩種 AI 推薦

看行為推薦,也聽需求推薦

推薦模型從瀏覽、加入購物車、購買等行為找出關聯;AI 商品顧問從對話裡聽懂顧客要什麼,再從商品資料中挑選。兩者的推薦與點擊,都回到同一份顧客檔案。

🧠

推薦模型|依行為推薦

分析瀏覽、加入購物車與購買事件,理解商品名稱、描述與類別,用 24 種模型或 Autopilot 排序推薦商品。

出現在:網站與 App 版位;推播、Email、簡訊、LINE、Kakao Moment 的動態內容

💬

AI 商品顧問|依需求推薦

AI 客服 Agent 理解顧客說出的用途、預算與偏好,調用 Product Data Feed 讀取商品描述與規格,用品牌語氣附理由推薦。

出現在:LINE、Messenger、Instagram、WebChat 等對話

購買旅程的每一步

從第一次探索到回購,接住每個關鍵時機

切換四個階段,看網站版位該用哪些推薦模型、對話裡的 AI 商品顧問怎麼接手,以及要看哪些指標。

顧客狀態:還沒想好要買什麼
網站與行銷版位|推薦模型

首頁、商品類別頁

👤為您推薦🔥過去 7 天的熱門商品(含近期趨勢)🚀為您推薦(進階)
對話中|AI 商品顧問
問用途、預算與偏好,先推薦幾款入門選擇
要看的指標:推薦點擊率、進入商品頁比例
顧客狀態:正在看某一件商品
網站與行銷版位|推薦模型

商品頁面、搜尋結果

⊞其他人也查看了⊞相似的商品名稱🚀您可能也會喜歡的相關商品
對話中|AI 商品顧問
比較規格與差異,幫顧客縮小到 2–3 款
要看的指標:點擊數、加入購物車率
顧客狀態:準備結帳
網站與行銷版位|推薦模型

購物車頁面、結帳頁面

⊞搭配組合的商品⊞不能錯過的相關商品⊞令人想放入購物車
對話中|AI 商品顧問
推薦搭配品與加購組合,回答運費與庫存
要看的指標:轉換數、轉換價值、客單價
顧客狀態:買過之後
網站與行銷版位|推薦模型

訂單確認頁面、推播、Email、LINE

⊞追加購買👤回購👤近期購買
對話中|AI 商品顧問
依購買標籤推送補貨提醒與新品
要看的指標:回購率、推播點擊與轉換

小美的購物故事

通勤滑手機的 3 分鐘,用對推薦模型也能成交

小美在捷運上看到廣告進站,到站前只有 3 分鐘。商店在商品頁、購物車頁這兩個關鍵版位選對了模型,讓她在有限的時間裡找到想買的、加進購物車;午休時再用 LINE 購物車提醒把她帶回來結帳。

故事與數字為示意。LINE 購物車提醒由用戶旅程發送,訊息中的商品來自「近期加入購物車」模型的動態內容。

24 種推薦模型

每個版位,都有最適合的推薦方式

首頁適合個人化與熱門推薦,商品頁適合相關與相似商品,購物車適合搭配加購。你可以自己指定模型,也可以交給 Autopilot。

✈
Autopilot|不知道選哪個?交給 AI依版位先試幾個模型,定期調整各模型的流量分配,自動留下成效最好的組合。
👤與使用者相關6 種

依每位顧客近期行為推薦,適合首頁等不針對單一商品的版位

為您推薦相似顧客也常看的商品與您近期瀏覽的商品相似LLM提升新品曝光近期查看把逛逛的人變成顧客近期加入購物車挽回放棄購物車近期購買鼓勵再次消費回購LLM推薦常重複購買的商品
⊞與商品相關9 種

依指定商品找出相似或相關的商品,適合商品頁與購物車

相似的商品屬性LLM名稱、類別相近相似的商品名稱適合新品多的目錄其他人也查看了看過的人接著看其他人也購買了買過的人也買不能錯過的相關商品加購物車後接著買高轉換率的相關商品看過後通常會買令人想放入購物車常一起放入購物車追加購買購買後接著買搭配組合的商品常一起購買
🔥熱門商品6 種

展示最受歡迎與正在流行的商品,新訪客也適用

過去 7 天的熱門商品查看次數最多過去 7 天的熱門商品(含近期趨勢)越近期越重要過去 30 天的暢銷商品銷量最好過去 30 天的暢銷商品(含近期趨勢)近期熱賣優先類別中過去 7 天內最熱門的商品類別頁專用類別中過去 30 天內最熱門的商品類別頁專用
🚀進階3 種

同時考量多種因素與每位顧客的個人偏好

為您推薦(進階)依個人偏好深度推薦您可能也會喜歡的相關商品相關商品+個人偏好您可能也會喜歡的類似商品LLM相似商品+個人偏好

LLM標示的模型,會運用大型語言模型理解商品名稱與描述

後台設定與成效

三步驟建立推薦情境,每個版位的成效都看得到

選位置、選模型、設商業規則,推薦情境就能上線。商業規則可以篩選商品、排除近期買過或已在購物車裡的商品,資料不足時套用替代規則,缺貨商品預設不會出現。情境清單直接顯示請求數、曝光、點擊、轉換與轉換價值。

AI 商品顧問的成效,在「數據分析 › AI 助理分析 › 商品顧問的成效」看推薦點擊、轉換次數與轉換價值。畫面數字為示意。

全通路 · 全旅程

從網站到社群對話,推薦跟著顧客走

🖥

網站與 App 版位

首頁、商品頁面、購物車頁面、商品類別頁面、結帳頁面、搜尋結果、訂單確認頁面、404 錯誤頁面。

✉

行銷訊息的動態內容

把推薦商品放進推播、Email、簡訊/多媒體簡訊、LINE 與 Kakao Moment,一般型與觸發型活動都能用。

💬

對話中的商品顧問

AI 客服 Agent 在 LINE、Messenger、Instagram、WebChat 等對話中推薦,顧客點擊推薦商品後自動貼上 AI 標籤。

資料來源:商品目錄(名稱、類別、描述、圖片)、瀏覽、加入購物車與購買事件。各渠道與資料的串接方式,依品牌系統與導入方案評估。

客戶案例

保健食品電商:看到推薦的顧客,轉換率幾乎翻倍

在網站分類頁、商品頁、購物車頁與 App 放上推薦版位,購物車頁保留一組不顯示推薦的控制組,直接比較有沒有看到推薦的差別。

+81–91%

購物車頁轉換率

看到「其他人也購買了」推薦的顧客,轉換率比控制組高 81–91%(連續兩個月)。

65.8 萬

一季增量營收

推薦版位一個季度帶來約新台幣 65.8 萬元增量營收,第三個月比第一個月成長 49%。

3.1 倍

App 推薦增量成長

App 推薦帶來的增量營收三個月成長 3.1 倍,佔整體增量從 18% 升到 38%。

歸因方式:點擊推薦後的轉換;實際成效依產業、流量及導入情境而異。

延伸閱讀

一起了解

FAQ

AI 個人化商品推薦常見問題

個人化推薦和熱門商品推薦有什麼不同?

熱門推薦依整體人氣排序,每個人看到一樣的商品;個人化推薦會考量每位顧客的瀏覽、加入購物車、購買行為與對話內容,為不同顧客推薦不同商品。

新訪客沒有瀏覽紀錄,也能推薦嗎?

可以。可以先用熱門與暢銷模型,或依當次瀏覽的頁面與對話內容推薦,隨著互動累積,逐步提升個人化程度。

推薦模型和 AI 商品顧問有什麼不同?

推薦模型依瀏覽、加入購物車、購買等行為事件找出關聯,放在網站與 App 版位,以及推播、Email 等行銷訊息的動態內容;AI 商品顧問是 AI 客服 Agent 依對話中的需求,讀取 Product Data Feed 的商品描述與規格,在 LINE、IG 等對話中推薦。

AI 在對話中怎麼推薦商品?

AI 客服 Agent 先理解顧客的用途、預算與偏好,必要時追問;再讀取商品資料比對規格,用輪播附上推薦理由與購買連結。顧客點擊後自動貼上 AI 標籤,需要時也能轉給真人。

不知道該選哪個推薦模型怎麼辦?

選 Autopilot。系統會依版位先使用幾個模型,定期調整各模型的流量分配,自動找出成效最好的組合。

推薦會出現在哪裡?

網站與 App 的首頁、商品頁、購物車、類別頁、結帳頁、搜尋結果、訂單確認頁與 404 頁;推播、Email、簡訊、LINE 與 Kakao Moment 的動態內容;以及 LINE、Messenger、Instagram、WebChat 等對話。實際串接方式依品牌系統與導入方案評估。

怎麼知道推薦有沒有效?

推薦情境清單會顯示每個版位與模型的請求數、曝光、點擊、點擊率、轉換、轉換率與轉換價值,並可匯出報表;AI 商品顧問的推薦點擊、轉換次數與轉換價值,可在 AI 助理分析中查看。

揮動魔法棒、星星灑在商品卡上的人物插圖

讓每次互動,都更接近成交

送出表單後,顧問會了解你的商品目錄、網站與社群渠道,建議適合的推薦版位、模型與 AI 商品顧問設定。