cross-sell-upsell-engine

交叉销售与追加销售引擎

概述

交叉销售和追加销售能够带来 10–30% 的增量收入，同时只需极少的客户获取成本。每个主要电商平台都有无需自定义代码即可处理推荐逻辑的应用。关键决策包括：从哪个展示位置开始（PDP、购物车或购买后）、采用哪种推荐逻辑（手动组合还是基于算法），以及如何避免增加结账阻力。从一个展示位置开始，在扩展前先衡量效果。

何时使用此技能

• 当平均订单金额（AOV）低于行业基准，且你希望在不投放付费流量的情况下提升它时
• 当要在 PDP、购物车或结账页面推出新的推荐小组件时
• 当要用基于关联度的个性化推荐取代通用的“你可能还喜欢”轮播组件时
• 当要构建组合商品生成器或“搭配完整造型”功能时
• 当希望对推荐展示位置进行 A/B 测试时

核心说明

第 1 步：为你的平台选择合适的工具

平台	推荐工具	原因
Shopify	Rebuy（功能最强）或 Frequently Bought Together	Rebuy 使用基于 AI 的推荐，并支持多种展示位置；FBT 更简单、更便宜，适合基础的“其他人也买了”推荐
Shopify (Plus)	Rebuy + Shopify Functions	Shopify Functions 支持自定义购物车转换，以提供组合商品折扣
WooCommerce	WooCommerce 内置交叉销售/追加销售 + YITH WooCommerce Frequently Bought Together	WooCommerce 为每个商品都提供原生的追加销售和交叉销售字段；YITH 可添加“FBT”小组件
BigCommerce	Also Bought 或 Boost Commerce（App Marketplace）	两者都可与 BigCommerce 商品目录原生集成
自定义 / 无头架构	Rebuy API 或 Recombee	两者都提供推荐 API；Rebuy 可直接与 Shopify/BigCommerce 后端集成

第 2 步：决定展示位置——从一个开始

展示位置	预期 AOV 提升	转化风险	从这里开始？
商品页面（添加到购物车按钮下方）	中等	低	是——最佳起点
购物车页面（侧边栏或底部）	高	低	是——购买意愿强，阻力小
购买后页面	高	无（订单已下单）	是——对转化率零风险
结账页面	高	中到高	否——最后测试；可能损害 CVR

建议：从商品页面 + 购物车页面开始。衡量结果后再添加购买后推荐。只有在有数据证明结账推荐能提升收入且不会损害 CVR 时，才添加该推荐。

第 3 步：在你的平台上设置推荐

---

Shopify

使用 Rebuy（推荐用于功能齐全的设置）：

1. 从 Shopify App Store 安装 Rebuy
2. 前往 Rebuy → Smart Cart，启用 AI 驱动的购物车推荐——设置要显示的商品数量（2–3 件）和展示位置（购物车抽屉或购物车页面）
3. 前往 Rebuy → Product Page Widgets，在“添加到购物车”按钮下方添加“Frequently Bought Together”小组件
4. 前往 Rebuy → Post-Purchase Offers，在订单确认页面添加单击追加销售
5. Rebuy 会使用 Shopify 的订单历史记录自动计算共同购买关联度——无需手动配置
6. 若要创建手动组合商品：前往 Rebuy → Data Sources → Manual Recommendations，为特定商品配对

使用 Frequently Bought Together（更简单、更便宜）：

1. 从 Shopify App Store 安装
2. 应用会自动分析订单历史记录，推荐商品组合
3. 在 FBT → Bundles 中检查自动生成的组合，并移除不相关的组合
4. 配置小组件外观，使其与你的主题匹配
5. 设置组合折扣（可选）——两件商品一同添加时优惠 5–10%

在 Shopify 上进行购买后追加销售：

• 使用 ReConvert 或 CartHook 创建购买后的单击追加销售页面
• 这些页面会在完成结账后、显示感谢页面前立即展示

---

WooCommerce

使用 WooCommerce 原生的交叉销售和追加销售功能：

1. 前往 WooCommerce → 产品 → [编辑任意产品]
2. 在 关联产品 标签页中添加：
   • 追加销售：在产品页面上以“您可能也喜欢”的形式展示的产品（价格更高的替代品）
   • 交叉销售：在购物车侧边栏中展示的产品
3. WooCommerce 会自动在购物车中显示交叉销售，无需安装其他插件

使用 YITH WooCommerce Frequently Bought Together（提供免费版本）：

1. 从 WordPress 插件目录安装
2. 前往 YITH → Frequently Bought Together → General Settings，配置小组件标题和折扣金额
3. 在每个产品的编辑页面中，前往 FBT 标签页，手动选择搭配产品，或启用自动推荐
4. 小组件会自动显示在“加入购物车”按钮下方

在 WooCommerce 上设置购买后的追加销售：

• 使用 CartFlows + AutomateWoo 创建购买后漏斗页面
• 或使用包含购买后追加销售流程的 WooFunnels / FunnelKit

---

BigCommerce

1. 从 BigCommerce App Marketplace 安装 Also Bought
2. 该应用会分析订单历史记录，并自动生成“购买此商品的客户还购买了”推荐
3. 在应用设置中配置展示位置（产品页面、购物车页面）和展示的产品数量
4. 如需手动控制：前往 BigCommerce Admin 中的产品编辑器，使用 Related Products 功能手动指定关联商品

---

自定义 / 无头架构

对于无头店面，请使用 Rebuy API 或 Recombee：

Rebuy API（如果你的后端是 Shopify/BigCommerce）：

// Fetch recommendations from Rebuy for a given product
const response = await fetch(
  `https://rebuyengine.com/api/v1/products/recommended?key=${REBUY_API_KEY}&shopify_product_ids=${productId}&limit=4`
);
const { data } = await response.json();

根据订单数据构建共同购买推荐（仅在没有第三方工具时使用）：

// Compute product affinity from co-purchase frequency
// Run nightly — minimum 1,000 orders for meaningful signal
async function computeProductAffinity() {
  const orders = await db.orders.findAll({ where: { status: 'completed' }, include: ['lineItems'] });

  const coMatrix: Record<string, Record<string, number>> = {};
  for (const order of orders) {
    const productIds = [...new Set(order.lineItems.map((li: any) => li.productId))];
    for (let i = 0; i < productIds.length; i++) {
      for (let j = i + 1; j < productIds.length; j++) {
        const [a, b] = [productIds[i], productIds[j]].sort();
        coMatrix[a] = coMatrix[a] ?? {};
        coMatrix[a][b] = (coMatrix[a][b] ?? 0) + 1;
      }
    }
  }
  // Store results and filter to pairs with at least 3 co-purchases
  // Serve from a cached API endpoint with 1-hour TTL
}

步骤 4：配置定价和折扣策略

• 捆绑折扣：同时添加两件产品时优惠 5–10%——足以激励购买，又不会过度侵蚀利润
• 追加销售价格范围：展示价格比当前产品高 10–50% 的追加销售产品；价格高于原产品 2 倍的追加销售产品很少能转化
• 结账推荐：限制为 1–2 件低价附加商品（低于 $30）——结账时展示多项推荐会增加弃单率
• 购买后优惠：由于客户已经处于购买意愿较强的状态，这类优惠可以定价更高

步骤 5：衡量结果

每周在推荐应用的分析工具中跟踪以下指标：

指标	目标	查看位置
推荐点击率	8–15%（PDP），15–25%（购物车）	Rebuy → Analytics，FBT → Reports
添加了推荐商品的订单	占所有订单的 5–15%	应用仪表板 → 附加率
推荐带来的 AOV 提升	根据商品目录而定，为 $5–$20	比较有／无推荐点击的订单 AOV

最佳实践

• 始终从推荐中排除缺货商品——没有什么比点击无法购买的推荐商品更令人沮丧（Rebuy 和大多数应用会自动处理）
• 最多从 3–4 条推荐开始——展示更多商品会造成决策困难，并降低点击率
• 为新产品手动覆盖设置——新 SKU 没有购买历史；在最初 30 天内，手动将其配置为与畅销商品一起推荐（所有主流应用都支持手动覆盖）
• 季节性变化后刷新自动推荐——购买模式会发生变化；每季度检查一次推荐
• 单独跟踪推荐归因——为添加了推荐商品的订单添加标签，以便衡量实际带来的增量 AOV

常见问题

问题	解决方案
结账推荐导致购物车弃购率上升	启用前进行 A/B 测试；将推荐限制为 1 件低价商品，价格低于 30 美元；如果测试结果显示负面影响，则移除
推荐中出现正在浏览的同一件商品	在推荐中排除当前商品（大多数应用会自动处理；请在设置中确认）
冷启动——新商品没有推荐	在应用的管理面板中添加手动推荐；将新商品与畅销商品搭配
推荐不相关（例如，为 T 恤推荐手机壳）	检查自动生成的推荐，并使用应用中的“屏蔽”功能排除不相关的商品组合
套装折扣码被公开分享	使用应用内置的自动应用折扣功能（无需分享代码），而不是优惠券代码

相关技能

• @predictive-personalization
• @customer-retention-engine
• @conversion-rate-optimization
• @loyalty-program-optimization
• @email-marketing-automation