许可软件市场的显著特征是大型分销商目录包含海量SKU。如今，管理庞大且多类别的目录离不开现代智能陈列与个性化技术，这些技术能基于消费者体验数据构建精准的商品推荐列表。
确定Allsoft.ru在线商店商品推荐的有效性
Allsoft.ru 通过集成外部平台并开展A/B测试来评估效果。网站受众被实时随机划分为相等的细分群体：一组展示Retail Rocket系统的商品推荐，另一组展示在线商店自身的推荐。每个访客细分群体的标识符均传输至Google Analytics系统。
后测分析结果
根据Google Analytics数据，在2015年10月1日至11月30日期间，约有210,000名用户参与了测试。后测分析重点研究了推荐系统对网站桌面版（占在线商店100%流量）有效性的影响。
数据显示，推荐系统使平均客单价增长13.3%，转化率绝对数值增长3.2%，收入增长17%。从长远看，除收入增加外，企业还能获取更多新客户并进行重复购买，从而带来更大的销售增长。
推荐场景
测试期间，ALLSOFT.RU在线商店使用了平台18个可用推荐场景中的3个：
主页
主页启用了“个性化推荐”机制，通过专门的兴趣和用户行为分析算法，向浏览者展示最符合其个人偏好的商品。
商品详情页
商品详情页启用了“有货的相似商品”机制。该模块位于页面底部，向用户推荐当前可购买的替代商品，帮助用户找到更可能感兴趣的优惠方案。
站内搜索结果
站内搜索结果启用了“搜索推荐”机制。推荐模块包含与用户输入的关键短语最匹配的商品。当搜索无结果时，此功能尤为相关。例如，针对因未切换键盘布局导致的拼写错误查询（rfcgthcrbq = касперский），系统仍能展示正确推荐：
ALLSOFT.RU评论：
“我们与Retail Rocket的合作始于2014年6月，当时在网站安装了推荐模块。标准推荐引擎提供的建议令人印象深刻，而在几个关键展示位置，此前我们甚至未使用过推荐模块。
结果，我们不仅提高了访问转化率和订单中的商品数量，还发现了网站未被充分利用的潜力，优化了所收集统计数据的准确性，并提升了进行A/B测试的能力。
我建议尝试这项服务，您可以深入了解自己网站的订单和用户情况，并与行业专业人士建立良好关系。”
伊利亚·克列斯托夫，
ALLSOFT.RU 互联网营销专家