Realizacja koszyka: jak Retail Media pomaga shopperom doprowadzić zakupy do końca

Shoppers dodają makaron i sos pomidorowy do koszyka w sklepie internetowym. Dobrze działający system uzupełniania koszyka może zaproponować parmezan, warzywa lub napój. Słaby system może wyświetlić inny rodzaj makaronu, produkt niedostępny lub reklamowany artykuł, który nie pasuje do dania.

Uzupełnianie koszyka to proces decyzyjny leżący u podstaw tej różnicy. Wykorzystuje on częściowo zapełniony koszyk i aktualny kontekst, aby określić, co mogłoby sprawić, że zakupy będą bardziej kompletne. W przypadku Retail Media tworzy to miejsce reklamowe o wysokim poziomie intencji zakupowych w pobliżu transakcji. Stwarza to również ryzyko utraty zaufania, jeśli presja komercyjna przeważy nad trafnością.

Celem nie jest powiększanie każdego koszyka. Chodzi o to, by pomóc shopperom zakończyć zadanie, zapewniając jednocześnie detalistom i markom mierzalny, jasno oznaczony sposób wywierania wpływu na otwartą decyzję.

Co oznacza „uzupełnienie koszyka”

Dopełnienie koszyka rozpoczyna się od niepustego koszyka podczas aktywnej wizyty lub sesji. System wnioskuje o jednym lub kilku prawdopodobnych zamiarach, generuje propozycje dodatkowych produktów, usuwa produkty niekwalifikujące się, ocenia pozostałe opcje i przedstawia niewielki zestaw w odpowiednim momencie.

W badaniach rekomendacje w ramach koszyka opisuje się jako uzupełnienie niepustego koszyka podczas sesji zakupowej.[6] W tych samych pracach zauważono, że rzeczywiste koszyki mogą zawierać kilka intencji, a shoppers mogą przechodzić między nimi. Klient kupujący produkty śniadaniowe może również kupować środki czystości. Traktowanie całego koszyka jako jednej misji może skutkować nieistotnymi rekomendacjami.

Analiza zakończonego koszyka wyjaśnia, co zawierały transakcje. Uzupełnienie koszyka wiąże się z inną decyzją: co, jeśli w ogóle, polecić, gdy niepusty koszyk jest nadal otwarty.

Zacznij od aktywnej misji, a nie od stanu zapasów

System uzupełniający powinien zapytać, która część koszyka pozostaje nadal nierozwiązana.

Sygnały mogą obejmować:

• produkty już dodane i ich kategorie;
• kolejność i czas dodawania produktów;
• kontekst wyszukiwania i przeglądania;
• sklep, kanał i sposób realizacji zamówienia;
• znane zasady dotyczące dostępności i zamienników;
• kontekst przepisu, okazji lub listy podany przez kupującego;
• powtarzające się wzorce zakupowe, o ile są one legalnie dostępne.

Zadanie zakupowe powinno pozostać modyfikowalne. Klient może usunąć produkt, zmienić ilość lub rozpocząć drugie zadanie. Planowanie misji zakupowej zapewnia kontekst; proces uzupełniania koszyka zajmuje się decyzją dotyczącą kolejnego produktu lub zestawu.

Należy unikać wnioskowania o charakterze wrażliwym lub spekulatywnym. Fakt, że produkty pojawiały się razem w przeszłości, nie uprawnia systemu do wyciągania wniosków dotyczących zdrowia, rodziny lub innych spraw prywatnych. Należy wykorzystywać minimalną ilość danych niezbędnych do realizacji zdefiniowanego zadania zakupowego.

Generowanie kandydatów: znajdowanie prawdopodobnych brakujących produktów

Generowanie kandydatów polega na utworzeniu szerokiego zestawu przed sporządzeniem rankingu. Źródłami mogą być:

• związki między produktami często kupowanymi razem;
• wyselekcjonowane reguły dotyczące kategorii lub przepisów;
• mapowania kompatybilnych akcesoriów;
• historia uzupełnień zapasów przez shoppers;
• produkty przeglądane podczas bieżącej sesji;
• produkty sponsorowane kwalifikujące się do kampanii.

Google Cloud opisuje „Często kupowane razem” jako model rozszerzenia koszyka i odróżnia go od modeli produktów powiązanych oraz substytutów.[4] To rozróżnienie ma znaczenie. Substytut może pomóc, gdy dany produkt jest niedostępny, ale nie uzupełnia koszyka w taki sam sposób jak produkt uzupełniający.

Wspólny zakup to tylko sygnał startowy. Badania oparte na sesjach koszykowych i przeglądania pokazują, że relacje uzupełniające można wywnioskować nie tylko na podstawie par transakcji.[8] W najnowszym preprincie serwisu Allegro argumentuje się, że surowe dane dotyczące wspólnych zakupów są obciążone szumem, a ograniczenia kategoryczne oraz weryfikacja przez ludzi pomagają zapobiegać nieoczekiwanym połączeniom.[9]

Zbiór potencjalnych produktów powinien następnie spełniać rygorystyczne kryteria kwalifikacyjne:

• produkt musi być dostępny w magazynie i możliwy do wysyłki wybraną metodą;
• kompatybilność z wybranym produktem lub zadaniem;
• dozwolone w kontekście rynku i konta kupującego;
• nie występują już w równoważnej formie;
• mieć terminy i budżet zgodne z zasadami kampanii;
• nie jest blokowana przez ograniczenia dotyczące częstotliwości, kategorii lub zasad.

Media nie mogą uratować niekwalifikującej się rekomendacji.

Jeden produkt lub spójny zestaw

Niektóre zadania realizuje się za pomocą jednego produktu. Inne wymagają zestawu. Klient kupujący składniki na posiłek może potrzebować kilku elementów. Zakup urządzenia może wymagać kompatybilnego etui i akcesoriów zasilających.

Badania dotyczące uzupełniania koszyka metodą „zestaw-zestaw” przedstawiają to jako rekomendowanie spójnego zestawu, a nie przewidywanie kolejnego produktu.[7] W praktyce oznacza to, że system powinien uwzględniać interakcje między rekomendowanymi produktami. Trzy produkty, które osobno wydają się sensowne, mogą tworzyć zestaw powtarzalny, kosztowny lub sprzeczny.

Stosuj ograniczenia na poziomie zestawu:

• unikaj rekomendowania wielu zamienników pełniących tę samą funkcję;
• ogranicz liczbę i łączną wartość dodawanych produktów;
• zachowaj kompatybilność w obrębie zestawu;
• stosuj jasno określone filtry, zadeklarowane preferencje i ograniczenia wynikające z aktualnego koszyka lub listy dostarczonej przez shoppers;
• działaj na zasadzie różnorodności tylko wtedy, gdy różnorodność poprawia realizację misji;
• wyjaśnij tę zależność prostym językiem.

Gdzie mogą wkroczyć Retail Media

Retail Media mogą wspierać finalizację koszyka na kilka sposobów.

Uzupełnienie sponsorowane

Płatny produkt może znaleźć się w zestawie kandydatów dopiero po przejściu rygorystycznej weryfikacji pod kątem kwalifikowalności, bezpieczeństwa, dostępności i zgodności z polityką. To trafność i zgodność z potrzebami kupujących decydują o tym, które kwalifikujące się produkty zasługują na uwagę. Oferta komercyjna lub wynik oceny sponsorowania mogą klasyfikować produkty wyłącznie w ramach tego zakwalifikowanego zestawu; nie mogą one promować produktów nieistotnych lub niezgodnych. Należy wyraźnie oznaczyć płatne umieszczenie i rejestrować naturalną pozycję produktu w wynikach wyszukiwania, aby analitycy mogli zweryfikować efekt wyparcia i inkrementalność.

Pakiet sponsorowany

Marka lub partner może sfinansować spójny zestaw na określoną okazję. Sprzedawca nadal musi zweryfikować dostępność, logikę cenową oraz przydatność każdego elementu.

Przypomnienie kontekstowe

Komunikat wyświetlany onsite lub in-store może przypomnieć shopperowi o brakującym elemencie, nie wymieniając konkretnego produktu. Może to być przydatne, gdy kwalifikuje się kilka marek lub gdy ostateczny wybór powinien pozostać otwarty.

Przygotowanie offsite

Media offsite mogą kształtować planowaną listę zakupów, zanim koszyk zostanie utworzony. Gdy koszyk jest już aktywny, kanały onsite i in-store zazwyczaj mają silniejszy kontekst.

Porównaj to z rekomendacjami opartymi na sztucznej inteligencji, które obejmują szerszy system rekomendacji. Uzupełnienie koszyka jest węższym przypadkiem użycia dotyczącym częściowego koszyka.

Przykład z praktyki

Shoppers dodają kotlety burgerowe i bułki. Dane historyczne łączą te produkty z serem, sosami, sałatką i napojami.

Słaby system tworzy ranking na podstawie ogólnych współzakupów i pokazuje najpopularniejsze produkty. Lepszy system oddziela składniki posiłku od niepowiązanych produktów kupowanych na zapas, sprawdza, co już się znajduje w koszyku, i usuwa niedostępne produkty. Może on proponować opcję wegetariańską tylko wtedy, gdy shopper wybrał produkty wegetariańskie, filtry lub zamienniki w bieżącej sesji; nie powinien wnioskować o diecie na podstawie niepowiązanej historii.

Ser sponsorowany może kwalifikować się, jeśli pasuje do koszyka, jest dostępny i ma odpowiednią etykietę. Plan pomiarowy powinien porównywać kwalifikujące się sesje z zastosowaniem działania sponsorowanego i bez niego. Powinien śledzić dodawanie sera do koszyka, całkowite skompletowanie posiłku, zamianę na inny ser, wartość koszyka, porzucenie koszyka i zwroty.

Jeśli dodawanie sera do koszyka wzrasta, ale wzrasta również odsetek porzuconych koszyków, ponieważ moduł przerywa proces realizacji transakcji, taktyka ta nie jest automatycznie skuteczna. W zestawie wyników należy uwzględnić korzyść dla kupującego.

Mierz użyteczne uzupełnienie koszyka, a nie tylko kliknięcia

Google Cloud zaleca stosowanie zdarzeń „zakończony zakup” z polami przychodów i ilości dla wskaźników przychodów i zamówień, a jego tokeny atrybucji identyfikują interakcje obsługiwane przez system rekomendacji.[5] Google Analytics obsługuje również zdarzenia związane z koszykiem, realizacją transakcji, zakupem i zwrotem na poziomie poszczególnych pozycji.[3]

Przed uruchomieniem należy z góry określić jeden główny wynik. Przydatnym domyślnym wskaźnikiem jest inkrementalne dodanie kwalifikującego się produktu pełniącego brakującą rolę na kwalifikującą się sesję, przy czym zestaw ról i reguły kwalifikacji są ustalane z góry. Następnie należy sporządzić raport dotyczący:

• kwalifikujące się koszyki i wyświetlone moduły;
• dodanie do koszyka produktu lub produktu pełniącego brakującą rolę;
• zrealizowanie z góry zdefiniowanego zestawu zadań;
• przyrostowe jednostki, kategorie i wartość;
• zastąpienie lub kanibalizacja;
• postęp procesu realizacji transakcji, porzucenie koszyka i usunięcie produktów;
• brak dostępności i ukryte rekomendacje;
• powtarzanie sygnałów zadowolenia w odpowiednich przypadkach.

Traktuj wartość koszyka, porzucenie koszyka, substytucję, usunięcie produktów i zwroty jako wyniki drugorzędne lub zabezpieczenia, chyba że jeden z nich zostanie wyraźnie wybrany jako główny estymand. Nie twórz złożonego wskaźnika realizacji misji po sprawdzeniu, które elementy uległy poprawie.

Wytyczne IAB/MRC wymagają przejrzystych definicji wyników i metod atrybucji.[1] Należy wyraźnie oddzielić rekomendacje organiczne, rekomendacje sponsorowane oraz inne ekspozycje kampanii.

Atrybucja nadal nie dowodzi wpływu. IAB i IAB Europe wzywają do stosowania wiarygodnego scenariusza kontrfaktycznego przy szacowaniu inkrementalności.[2] W miarę możliwości należy losowo przydzielać uprawnienia do rekomendacji lub rankingi. Należy unikać porównywania osób, które kliknęły rekomendację, z osobami, które ją zignorowały, ponieważ grupy te różnią się pod względem intencji.

Sposoby awarii i zabezpieczenia

Załamanie misji. System traktuje każdą pozycję w koszyku jako jedno zadanie. Należy wykorzystywać klastry, sekwencje i kontekst dostarczony przez shoppers.

Substytut wyświetlany jako uzupełnienie. Należy zachować typy relacji i zasady kompatybilności.

Błąd popularności. Globalne bestsellery wypierają produkty bardziej trafne lub lokalne. Należy uwzględnić popyt bazowy i ograniczenia asortymentowe.

Nadrzędność celów komercyjnych. Sponsor promuje produkt, który nie spełnia wymagań kupujących. Trafność i kwalifikowalność muszą być ścisłymi kryteriami.

Rekomendacje produktów niedostępnych w magazynie. Należy korzystać z aktualnych danych dotyczących dostępności i realizacji zamówień.

Powtarzalność. Ta sama sugestia towarzyszy klientowi w koszyku i podczas finalizacji zamówienia. Stosuj kontrolę częstotliwości uwzględniającą etap procesu.

Zwiększanie wartości koszyka jako jedyny cel. Śledź porzucone koszyki, zwroty, usunięcia produktów i wartość shopperów, a także przychody.

Zawyżanie związku przyczynowego. Należy stosować grupy kontrolne i podawać kwalifikujący się mianownik.

Lista kontrolna dla nabywców

Przed zatwierdzeniem umieszczenia rekomendacji uzupełniającej koszyk zadaj sobie pytanie:

• Jaki stan częściowo wypełnionego koszyka uruchamia system?
• W jaki sposób rozróżniane są różne zadania?
• Jakie typy relacji generują kandydatów?
• Których reguł kwalifikacyjnych nie można pominąć poprzez sponsorowanie?
• Jak aktualne są dane dotyczące zapasów i cen?
• Czy rekomendacja dotyczy jednego produktu czy spójnego zestawu?
• W jaki sposób ujawniane są płatne działania wpływające na wyniki?
• Jaki jest główny wynik realizacji?
• Jakie wskaźniki dotyczące trudności zakupowych i substytucji są monitorowane?
• Jakie scenariusze alternatywne potwierdzają twierdzenie o inkrementalności?

Często zadawane pytania

Czy realizacja koszyka to to samo, co „często kupowane razem”?

Nie. Produkty często kupowane razem stanowią jedno z potencjalnych źródeł. Realizacja koszyka wymaga również wnioskowania o celu zakupu, kwalifikowalności, kompatybilności, rankingu, umiejscowienia i pomiaru.

Czy do każdego koszyka należy dołączyć rekomendację?

Nie. Niektóre koszyki są kompletne, niektóre intencje są niejasne, a w niektórych kontekstach kolejna sugestia mogłaby być uciążliwa.

Czy mogą pojawiać się produkty sponsorowane?

Tak, o ile płatna reklama jest wyraźnie oznaczona, a produkt spełnia te same kryteria dotyczące trafności dla shopperów, kompatybilności i dostępności.

Jaki jest najlepszy wskaźnik?

Należy wykorzystać wynik powiązany z zadaniem, taki jak przyrostowe uzupełnienie brakującej roli, a także wartość koszyka, wskaźniki substytucji i tarcia. Sam współczynnik klikalności jest słabym dowodem.

Podsumowanie

Realizacja koszyka to system decyzyjny, a nie lista popularnych zestawów. Należy określić aktualną potrzebę, wygenerować prawdopodobne propozycje, sprawdzić, czy spełniają kryteria, odróżnić produkty uzupełniające od zamienników oraz zmierzyć przydatne dodatkowe zakupy. Najlepsze rozmieszczenie produktów w koszyku przede wszystkim pomaga kupującemu, a zyski z tej pomocy są generowane w sposób przejrzysty.

Źródła

[1] Interactive Advertising Bureau i Media Rating Council, Wytyczne IAB/MRC dotyczące pomiaru Retail Media, 2024.

[2] IAB i IAB Europe, Guidelines for Incremental Measurement in Commerce Media, 2025.

[3] Google Analytics, Pomiar e-commerce.

[4] Google Cloud, O modelach rekomendacyjnych.

[5] Google Cloud, Analiza widoków.

[6] arXiv, Rekomendacje w ramach koszyka za pomocą Neural Pattern Associator, 2024.

[7] arXiv, *S2SRec2: Rekomendacje typu „zestaw do zestawu” w celu uzupełnienia koszyka z wykorzystaniem przepisów kulinarnych*, 2025.

[8] arXiv, Wywodzenie produktów uzupełniających na podstawie koszyków i sesji przeglądania, 2018.

[9] Autorzy z Allegro Research, *Poza relacją współzakupu: Ewolucja rekomendacji produktów uzupełniających w serwisie Allegro*, preprint z września 2026 r.

Chcesz zobaczyć, jak to działa w praktyce?

Footprints AI pomaga markom i detalistom mierzyć to, co naprawdę ma znaczenie. Zobacz nasze historie sukcesu klientów lub skontaktuj się z nami, aby porozmawiać o strategii Retail Media.