很多 Shopify 商品页只讲主商品：用户选完规格、点加购、走人。订单里永远只有一件东西，客单价（AOV）靠打折撑不住。关联加购（Cross-sell / Frequently Bought Together）要解决的问题很具体：在用户还在看商品、购买意愿最高的时刻，给他一个“顺手一起买”的理由。手机壳配贴膜、咖啡机配滤纸、精华配面霜——推荐对了，加购率和 AOV 同时受益。
这篇给关联加购一套可执行的做法：先知道自己该对照什么水平，再按两轮测试推进。适合客单价承压、毛利空间需要靠连带率改善的 Shopify 团队。
先统一推荐位的衡量口径
推荐位不能只看“带来了多少加购”，要先统一三项口径：
- 加购转化率 = 被推荐商品被加购次数 ÷ 推荐展示次数。 它衡量推荐位自身的表现，不是全站转化率。
- 连带率 = 含被推荐商品的订单数 ÷ 总订单数。 它回答推荐商品是否真正进入订单。
- 增量 AOV = 上线推荐位后的客单价变化。 如果加购率上涨但 AOV 没变，用户可能只是在主商品和推荐商品之间替换。
给推荐位装上展示、加购和订单计数，至少跑满一个完整购买周期，再判断是否需要换选品、换位置或换推荐逻辑。不要直接拿外部行业数字当自己的目标线。
推荐位低效的两个结构性原因
- 推荐商品和主商品没有关联逻辑。 算法兜底或随手配置的“热销推荐”，与当前浏览场景无关，用户自然无视。合格的关联是互补品（配件、耗材、同场景搭配），而不是同类竞品——给正在看 A 咖啡机的人推 B 咖啡机，只是在给他比价。
- 位置打断了对主商品的决策。 推荐块插在卖点之前或首屏中间，用户还没被说服就先被分流，主商品加购率反而掉。默认原则：推荐放在主商品购买按钮以下、用户完成主决策之后的路径上。
选品：3–4 个互补品开始
第一轮不要铺满。给每个主商品挑 3–4 个满足任一条件的商品：
- 耗材型： 买一次主商品会持续消耗（滤纸、替换装、清洁用品）
- 配件型： 提升主商品使用体验（保护壳、支架、工具）
- 场景型： 同一使用场景里的天然搭配（帐篷 + 防潮垫）
价格带参考：被推荐商品的定价显著低于主商品时接受度更高，常见做法是控制在主商品价格的 10%–40%。
两轮测试：每轮只动一个变量
第一轮：折扣 vs 无折扣
- A 组：关联推荐显示“一起买省 10%”（或免邮门槛替代）
- B 组：同样商品，无折扣，只讲搭配理由
- 记录：推荐展示次数、被推荐商品加购率、连带订单数、AOV
- 判断标准：如果 A 组的提升盖不过 10% 的让利，无折扣组胜出——折扣不是关联加购的必要条件，很多品类的“搭配理由”本身就足够
第二轮：AI 推荐 vs 人工配置
- A 组：插件按行为自动匹配
- B 组：人工配置的固定互补组合
- 判断标准：AI 组加购率和增量 AOV 均高于人工组，且抽查推荐结果合理，才切 AI；如果自动匹配经常出现无关商品，人工组的稳定性更值钱
两轮之间不要叠加改动。样本量的通用要求见《CRO 单变量实验：从假设到样本量》。
护栏指标：别让推荐稀释主商品
关联加购的唯一目的是做厚订单，不是摊薄转化。每次改版同时盯三个护栏：
| 指标 | 通过标准 | 不通过说明什么 |
|---|---|---|
| 主商品加购率 | 不低于改版前 | 推荐位抢了主决策的戏 |
| 整体 CVR | 持平或上升 | 搭配不当增加犹豫 |
| AOV | 上升 | 关联加了、单量没变厚等于白做 |
常见误区
- 把关联位当清货位。 推滞销品不是它的职责，转化差会拖累整个模块的信任
- 一次上二十个推荐。 选择过载等于没有推荐，3–4 个足够
- 只看推荐位加购，不看连带 AOV。 推荐加购了但用户随后删掉主商品，净收益是负的
- 在结账页塞硬推荐。 结账阶段任何额外决策都会增加弃购风险，该位置只适合极轻的提示（如免邮差距提醒）
下一步
- 给销量 Top 10 的商品页配 3–4 个互补推荐，记录两周基准数据
- 跑第一轮折扣对比，两周后按判断标准定档
- 把胜出结构复制到长尾商品，再考虑购物车页的第二推荐位
- PDP 整体信息结构没理顺的，先读《产品详情页高转化信息结构》，再谈关联加购
参考资料
- Shopify：Product Recommendations 使用说明
- Shopify：Average Order Value 提升指南
不同插件与品类的分布会有差异，执行时以自己店铺数据为准。