Direktang ordering at kita
Palakihin ang karaniwang halaga ng order gamit ang neural recommendation engine. Ipakita ang mga dagdag at pares ng produkto na malamang bilhin, batay sa real-time na history ng order mo.
Menuella
Predictive neural upsell
Palakihin ang karaniwang halaga ng order gamit ang neural recommendation engine. Ipakita ang mga dagdag at pares ng produkto na malamang bilhin, batay sa real-time na history ng order mo.
May kaugnayan dahil hinango sa mga live na basket sa venue mo — hindi generic na promo banner sa buong site.
Nilagang Baka
€17.60
Nakabatay ang ranggo sa mga kombinasyong binibili na ng mga bisita — hindi sa iisang script ng cross-sell para sa lahat.
Palakihin ang halaga ng ticket nang walang dagdag na tap — parang shortcut ang pinakamahusay na upsell.
Ikaw ang kumokontrol sa bundle, limitadong alok (LTO), at minimum na margin habang modelo ang nag-aayos ng ranggo.
Hindi isinasaalang-alang ng generic na “magdagdag ng fries?” ang aktuwal na ino-order ng bisitang ito. Natututo ang smart upsell ng Menuella mula sa totoong pattern ng order — ano ang ipinares kanino — kaya ang mungkahi sa checkout ay malamang talagang idagdag ng bisita, hindi balitang lalampasan lang niya. Mas mataas na karaniwang halaga ng order sa sarili mong channel, nang walang dagdag na trabaho sa kusina o counter.
Pareho ito ng panel ng mga pares na nakikita ng bisita sa bawat produkto — niraranggo batay sa totoong basket, hindi generic na promo.
Kamatis, mozzarella, at sariwang basil — halimbawang putahe ito na maaaring buksan ng bisita bago makita ang mga pares.
€12.90
Nag-a-update ang score habang dumarating ang mga order. Kapag kulang pa ang datos, nananatiling nakatago ang bloke para sa produktong iyon — gaya rin ng sa venue mo.
Lohika ng trigger
Nilagang Baka
€17.60
Telepono ng bisita
Iminungkahing dagdag
Kumpletuhin ang pagkain mo: ipinapares ang garlic bread sa 62% ng mga order na katulad ng sa iyo. Idagdag sa halagang €4.50.
Nagmumula ang mga pares sa mga produktong sabay na binili sa mga nakumpletong order mo — kahawig ng collaborative filtering — kaya ipinapakita ng mga mungkahi ang talagang pinagsasama ng mga bisita sa venue mo.
Maaari kang magtakda ng hangganan para sa bundle, LTO, at minimum na margin habang modelo ang nag-aayos ng ranggo — nasa tao pa rin ang estratehiya at mabilis ang pagpapatupad.
Maaaring sumunod ang mga trigger sa halaga ng cart, uri ng serbisyo, at oras para lumabas ang mga alok kapag makatutulong ang mga ito — hindi kapag pababagalin ang checkout.
Kung kulang pa ang datos ng order para sa isang putahe, maaaring manatiling nakatago ang bloke para sa produktong iyon — para maiwasan ang maingay o random na mungkahi.
Gumagana ang upsell sa direktang ordering channel mo gamit ang parehong profile ng bisita at menu — walang marketplace sa gitna na kumukuha ng bahagi sa dagdag na benta.
