OnVoard Product Recommender

por OnVoard
Plan gratuito disponible

5.0 (1)

por OnVoard
5.0 (1)
en
Plan gratuito disponible

Muestra recomendaciones de productos personalizadas con pruebas sociales convincentes como "El 25 % compró esto juntos". Hospedado en la UE para cumplir con el RGPD, con estilos personalizables, filtros y seguimiento de ingresos para optimizar el rendimiento de tu tienda.

Instalar desde la tienda de aplicaciones de Shopify

Reclamar app

Verifica tu perfil de desarrollador para obtener una insignia y generar confianza en tus apps

Acerca de OnVoard Product Recommender

El Recomendador de Productos OnVoard adopta un enfoque único para las recomendaciones de productos al incorporar elementos de prueba social. Cuando los clientes naveguen por su tienda, verán información útil como "El 25% de los clientes compraron esto juntos", lo que hace que las recomendaciones sean más persuasivas y significativas. La aplicación le permite personalizar la apariencia de las recomendaciones con el Editor de Estilo, filtrar productos según calificaciones, cantidad y etiquetas, y realizar un seguimiento de los ingresos generados por las recomendaciones. Gracias al alojamiento de datos en la UE para el cumplimiento del RGPD, puede supervisar el rendimiento mediante análisis detallados para ver qué recomendaciones generan más ventas. La combinación de sugerencias inteligentes de productos y prueba social ayuda a convencer a los compradores de por qué artículos específicos deben estar en su carrito, lo que distingue a esta solución de las aplicaciones de recomendación estándar.

Lanzada: March 9, 2021

Características principales

Editor de estilo: personaliza las recomendaciones de productos según el diseño de tu tienda
Etiquetas meta: utiliza pruebas sociales para mejorar las recomendaciones de productos
Filtrado: utiliza filtros para excluir productos según calificación, cantidad, etiquetas, etc.
Seguimiento de ingresos: identifica los ingresos asistidos generados por las recomendaciones
Análisis: consulta análisis para identificar las recomendaciones de mejor rendimiento