De meeste "vaak samen gekocht"-widgets in Shopify werken op basis van bestelgeschiedenis of categoriematch: koop je oorbellen, dan zie je meer oorbellen. Dat is geen cross-sell, dat is een herhaling van hetzelfde aanbod. Echte cross-sell ontstaat wanneer je een klant een product laat zien dat het eerste product aanvult — een armband bij oorbellen, een sjaal bij een jas, een onderzetter bij een servies. Dat vraagt om begrip van stijl en samenhang, niet alleen van categorie.
Waarom categoriematches tekortschieten
Categoriegebaseerde suggesties zijn eenvoudig te implementeren, maar negeren de belangrijkste vraag die een klant zich stelt bij het bekijken van een product: wat past hierbij? Iemand die een paar gouden oorbellen bekijkt, overweegt niet per se een ander paar oorbellen te kopen — die keuze is vaak al gemaakt. Wat wél relevant is: een bijpassende armband, ketting of ring in dezelfde kleur en stijl. Door alleen binnen dezelfde categorie te zoeken, mist een winkel precies het soort suggestie dat een tweede aankoop in dezelfde bestelling waarschijnlijker maakt.
Hoe AI complementaire producten herkent
In plaats van te filteren op productcategorie, analyseert de AI-engine in pshly.ai de daadwerkelijke visuele en beschrijvende kenmerken van een product: kleurtint, materiaal, vorm en algehele stijl. Op basis daarvan wordt gezocht naar producten elders in de catalogus die deze kenmerken aanvullen in plaats van herhalen. Concreet betekent dit:
- Beeldanalyse: de AI bekijkt de productfoto om kleurtint, materiaal (goud, zilver, leer, katoen) en visuele stijl (minimalistisch, statement, klassiek) te herkennen.
- Tekstuele context: bestaande productomschrijving en attributen worden meegenomen om de stijlcategorie te bevestigen.
- Complementariteitslogica: in plaats van te zoeken naar "hetzelfde", zoekt het systeem naar producten die in dezelfde stijlfamilie vallen maar een ander producttype zijn — bijvoorbeeld een armband bij oorbellen, of een riem bij een broek.
- Kleurharmonie: producten met een matchende of bewust complementaire kleurtoon krijgen voorrang boven producten die qua kleur niet aansluiten.
Instelbaar maximum aantal suggesties
Niet elke winkel wil dezelfde hoeveelheid suggesties tonen. Een sieradenwinkel met een compacte catalogus heeft mogelijk baat bij drie scherp gekozen suggesties, terwijl een grotere modewinkel met een breed assortiment tot acht suggesties kan tonen zonder de klant te overweldigen. In pshly.ai stel je zelf het maximum aantal suggesties per product in, zodat de output past bij de omvang en aard van je catalogus. Minder, scherper gekozen suggesties presteren in de praktijk vaak beter dan een lange lijst met halfrelevante opties.
De review-modal: controle voordat het live gaat
AI-suggesties worden niet automatisch en ongezien doorgevoerd. Voordat gekoppelde producten daadwerkelijk op de productpagina verschijnen, doorloop je een review-modal waarin je per product de voorgestelde matches ziet, inclusief een voorbeeld van beide productfoto's naast elkaar. Dat maakt het makkelijk om in één oogopslag te beoordelen of de match klopt, en om suggesties die niet aansluiten met één klik te verwijderen voordat ze live gaan. Voor catalogi met veel varianten binnen dezelfde stijlfamilie is dit een belangrijke controlestap: de AI kan een goede eerste selectie maken, maar de laatste beoordeling blijft bij jou.
Praktijkvoorbeeld: van herhaling naar aanvulling
Bij een sieradenwinkel toonde de standaard "gerelateerde producten"-widget bij een set gouden creoolringen voornamelijk andere oorbellen — een logische maar weinig activerende suggestie. Na het toepassen van stijlgebaseerde matching werden in plaats daarvan een bijpassende gouden armband en een fijne ketting in dezelfde kleurtint voorgesteld: producten die de klant mogelijk niet actief zocht, maar die wel natuurlijk aansluiten bij de smaak die al uit de eerste keuze bleek. Dit soort suggesties verhoogt de kans op een tweede item in het winkelmandje zonder dat de klant het gevoel heeft iets opgedrongen te krijgen.
Het effect op gemiddelde bestelwaarde
Cross-sell op basis van stijl werkt omdat het aansluit bij hoe mensen daadwerkelijk winkelen: niet in categorieën, maar in een gevoel van samenhang. Een klant die een set sieraden samenstelt, denkt in "past dit bij elkaar", niet in "toon me meer van hetzelfde type". Door suggesties te tonen die deze denkwijze volgen, neemt de kans toe dat een tweede product wordt toegevoegd aan dezelfde bestelling, wat direct bijdraagt aan een hogere gemiddelde orderwaarde zonder dat je extra advertentiebudget nodig hebt.
Waar dit het beste werkt
Stijlgebaseerde cross-sell is met name waardevol voor catalogi waarin visuele samenhang een rol speelt in de aankoopbeslissing: sieraden, mode, interieur, woonaccessoires en beauty. Voor pure functionele producten zonder duidelijke stijlcomponent — bijvoorbeeld technische onderdelen — is een op specificaties gebaseerde match vaak relevanter. Het systeem is ontworpen om beide scenario's te herkennen op basis van de productdata die aanwezig is.
Hoe je dit instelt voor je eigen catalogus
Om stijlgebaseerde suggesties in te schakelen, hoef je geen aparte tags of categorieën aan te maken. De AI werkt met de bestaande productfoto's en omschrijvingen die al in je Shopify-catalogus staan. Wel is het aan te raden om eerst je productbeeld en -teksten op orde te hebben via productverrijking, zodat de AI over voldoende context beschikt om betrouwbare matches te maken.
Aan de slag
Hoe je de kwaliteit van suggesties beoordeelt
Een goede suggestie is complementair, niet vervangend. De vuistregel: bij een paar oorbellen hoort een armband of ketting in dezelfde stijl, niet een tweede paar oorbellen. Loop bij de review drie vragen af per suggestie. Vult het product de aankoop aan in plaats van ermee te concurreren? Sluit de stijl visueel aan qua materiaal, kleurtoon en prijsklasse? En is het voorradig en actief in Shopify? Suggesties die op alle drie ja scoren, verhogen de gemiddelde orderwaarde; de rest kun je met één klik afwijzen zodat het model die combinatie niet opnieuw voorstelt.
Het aantal suggesties afstemmen op je assortiment
Standaard staan er twee suggesties per product, omdat meer blokken onder een productpagina doorgaans de aandacht versnipperen in plaats van de conversie verhogen. Voor brede assortimenten met veel accessoires kan drie of vier logisch zijn; voor een smalle collectie is één sterke suggestie beter dan twee zwakke. Je stelt dit per winkel in via de instelling voor het maximumaantal suggesties in de reviewmodal, zodat de bulk-job daarna consequent binnen die grens blijft.
Wil je zien welke bijpassende producten de AI voor jouw catalogus voorstelt? Start gratis en bekijk de eerste suggesties binnen enkele minuten in de review-modal.