Magento 2商品推荐怎么配才能提客单？相关产品、向上与交叉销售运营实战

摘要：商品详情页底部那一排“搭配购买”、购物车里那块“别人还买了”，是Magento里最被低估的增收旋钮——不花一分广告费，靠的是把对的商品摆在对的位置，顺手把客单价抬上去。

可保哥见过的店，要么把这几个位置干脆空着白白浪费，要么手动塞一堆毫不相关的货，反而拖慢页面、稀释转化。Magento把商品之间的关系拆成相关产品、向上销售、交叉销售三类，各有各的摆放位置和销售目的；Adobe Commerce还多给了按规则自动出商品的关联规则，以及AI驱动的智能推荐。旋钮不少，用对了是白捡的增量，用错了是负担。

这篇不讲怎么装Magento，只从运营角度把三类关系的区别、手动配与规则配与AI推荐怎么选、推荐位摆在哪放几个、缺货怎么兜底、对SEO内链的影响、效果怎么衡量，一段段拆开，最后给一份落地顺序和最容易踩的坑。

为什么说商品推荐位是Magento里最被低估的增收旋钮？

保哥每接一个Magento站的运营诊断，几乎都会先翻一遍它的商品详情页和购物车页。结果惊人地一致：大多数店在“搭配购买”、“你可能还喜欢”这些位置上，要么干脆空着，要么随便塞了几个八竿子打不着的商品。这些位置不花一分广告费，却是把已经进店、已经在看货的人多带走一两件的最佳时机，白白浪费实在可惜。

商品推荐的本质，是用户已经在你店里、已经对某个东西动了心，这时候你顺势把相关、更好、或顺手能加的商品摆到他眼前。比起从站外重新买流量，这部分增量的成本几乎为零，却能实打实地抬高连带率和客单价。一家店把推荐位认真做好，整体客单价提升一两成是很常见的事。

问题在于，Magento的商品推荐能力其实不止“配几个相关商品”这么简单。它把商品之间的关系拆成了相关产品、向上销售、交叉销售三类，各自有不同的摆放位置和销售意图；Adobe Commerce商业版还提供了按条件自动出货的关联规则，以及基于全站行为数据的AI智能推荐。旋钮多，用对了是白捡的增量，用错了反而拖慢页面、干扰转化。

这篇文章只聚焦一件事：Magento 2的商品推荐，怎么从“随便摆摆”配到“摆得准、提得动客单、还不拖后腿”。保哥不讲安装部署，只从运营角度，把三类商品关系、手动与规则与AI三条路线的取舍、推荐位的摆放与数量、缺货兜底、对SEO的影响、效果衡量这几件事一段段拆开，最后给落地顺序和踩坑清单。

相关产品、向上销售、交叉销售到底有什么区别，分别摆在哪？

先把三个最容易混的概念分清楚，这是后面一切配置的地基。三者的区别，记住三个动作就行：搭配、升级、顺手。

相关产品（Related Products）是搭配。它推的是和当前商品一起用、互补的东西——买相机推存储卡和相机包、买衬衫推领带和袖扣、买帐篷推地钉和防潮垫。它出现在商品详情页，目的是让客户在买主商品的同时，把配套的小件也一起拿走。Adobe的设计里，相关产品旁边还能带勾选框，客户点一下就直接加进购物车，连带购买的摩擦做得很低。

向上销售（Up-Sells）是升级。它推的是比当前商品更高端、更贵、利润更好或更受欢迎的同类替代品——你在看入门款扫地机，它推你看带自动集尘的旗舰款；你在看128G的手机，它推你看256G的版本。它同样出现在商品详情页，目的不是让你多买一样，而是引导你买一个更好（也更贵）的，把客单价往上抬。

交叉销售（Cross-Sells）是顺手。它的定位类似超市收银台旁边的口香糖和电池，出现在购物车页面、客户即将点击结账之前，推的是低价、高冲动、顺手就能加的小件。客户东西都挑好了正准备付钱，这时候推个手机壳、推包电池、推个小赠品，加购的心理门槛极低。

所以一句话区分：相关产品在商品页让你买配套的，向上销售在商品页让你买更好的，交叉销售在购物车让你结账前顺手再添点。三者的页面位置和销售意图都不同，配置时别张冠李戴——把高价的旗舰款配成交叉销售放进购物车，客户结账前看到一个比购物车里东西还贵的玩意，只会犹豫不会加购。

Adobe官方对这三类关系的定义、展示位置和加购方式有清晰说明Adobe Commerce官方文档 — Related Products, Up-Sells, and Cross-Sells（相关产品、向上销售与交叉销售），配之前先把这套分工通读一遍能少绕很多弯路。

手动指定推荐怎么配，什么时候才值得手动维护？

最基础的配法是手动指定——在每个商品的编辑页里，有专门的相关产品、向上销售、交叉销售三块设置区，逐个把要关联的商品挑进去。这个能力开源版和商业版都有，是商品推荐的起点。

手动配的最大好处是可控、精准。你最清楚自己这盘货里哪些是天生一对、哪些是互补刚需、哪个高端款最该被主推。给一个爆款相机手动配上原厂存储卡、备用电池、相机包，这种搭配的相关性是任何算法一开始都猜不到的，因为它依赖你对商品和客户的理解。对头部爆款、对那些连带逻辑很明确的商品，手动配出来的推荐质量往往最高。

但手动配的死穴是不可扩展。目录里有几千上万个SKU，你不可能给每个都手动维护推荐关系；就算配好了，商品一缺货、一停售、一改价，手动配的关系就开始腐烂——推荐位推着早就下架的货，或者长期空着。维护成本随目录规模线性上涨，很快就变成没人愿意碰的脏活。

所以保哥的判断标准很简单：手动配只用在那些值得你花时间精雕细琢的地方。头部爆款、利润担当、有明确搭配逻辑的核心商品，手动配；占销售额八成的那两成关键商品，手动配。剩下的长尾，交给后面要讲的自动化规则或AI推荐去铺。一家做精品厨具的店，SKU不过几百个，主力就是那二三十口锅和配套刀具，这种规模手动把核心商品的搭配配扎实，比上一套自动化推荐系统还实在。判断要不要手动，先看你的目录规模和有没有精力维护，别一上来就追求全自动。

自动化关联规则（Related Product Rules）按什么逻辑出商品？

当目录大到手动配不过来，Adobe Commerce商业版提供了关联商品规则（Related Product Rules）——这是商业版独有的功能，开源版没有。它的核心价值，是让你用条件来批量、动态地决定推荐位出什么货，而不用一个个商品去手动指定。

规则的工作方式是这样：你定义一组规则，每条规则规定“当客户在看符合某些条件的商品时（比如属于某个分类、某个品牌、某个价格区间），就在它的相关产品/向上销售/交叉销售位置，展示另一批符合某些条件的商品”。比如一条规则可以是：当客户看任何一款“跑鞋”时，向上销售位展示同分类里价格更高的款式。商品一旦满足条件就自动进出推荐池，缺货停售的自然被排除，完全不用手动维护。

关联规则还有两个运营上很有用的能力。一是可以绑定客户分群，给不同客户群体展示不同的推荐，做到千人千面的精准营销——给新客推爆款引流品，给老客推高端新品。

二是多条规则可设优先级，因为同一个商品可能同时命中好几条规则，优先级决定哪条先生效、推荐位最终出谁，还能限制每个位置展示的商品数量。Adobe官方对关联规则的条件设置、客户分群、优先级和数量限制有专门一页讲得很细Adobe Commerce官方文档 — Related product rules（自动化关联商品规则），配规则前务必照它把这几个旋钮理顺。

规则推荐相比手动的好处显而易见：一次配好规则，覆盖成千上万个商品，且随库存实时调整。但它也不是万能——规则是你定的条件，本质还是“规定动作”，它不知道哪两个商品实际上经常被一起买，只能按你设的分类、价格、属性这些维度硬匹配。要让推荐真正贴近用户的真实行为，就要请出下一节的AI推荐。

Adobe的AI商品推荐（Product Recommendations）值不值得上？

Adobe Commerce还提供一套基于Adobe Sensei（Adobe的AI引擎）的商品推荐服务（Product Recommendations）。它和手动、规则最本质的区别在于：它不靠人去定规则，而是从全站真实的浏览、加购、购买行为里学习商品之间的关联，自动出货。

它能提供多种推荐类型，覆盖不同的场景：看了这个的人还看了什么、买了这个的人还买了什么、当下热销、正在走高的趋势商品、看了又看、视觉上相似的商品等等。这些推荐基于群体行为数据自动生成，能挖出很多人工根本想不到的关联——比如某款户外水壶和某款防晒霜经常被一起买，这种跨品类的隐藏关联，靠人定规则几乎不可能发现，但AI从购买数据里一眼就能看出来。

那它到底值不值得上？保哥的判断是看三点。第一看目录和流量规模：AI推荐吃数据，目录大、流量大、行为数据丰富，它才学得准、效果才明显；小站数据稀疏，AI反而不如手动配的几个精准搭配。第二看你愿不愿意为商业版和这套服务付费，它是Adobe Commerce体系下的能力，有对应的成本。第三看有没有人能盯着调，AI不是上线就一劳永逸，仍需要观察各推荐类型在不同位置的表现、动态调整。

Adobe官方对这套AI推荐的能力、推荐类型和适用场景有完整介绍Adobe Commerce官方文档 — What Are Product Recommendations?（Adobe Sensei AI商品推荐概览），评估前值得先通读判断是否匹配自己的体量。

最务实的用法不是AI全包，而是AI与规则配合：让AI做大面积的自动铺底、覆盖长尾，再用关联规则在关键位置做人工干预——要清库存、要主推新品、要给特定人群推特定货时，用规则强制指定。AI管规模和长尾，规则管重点和意图，这才是大站的标准打法。

推荐位放在哪、放几个，才既提客单又不拖慢页面？

配出了好推荐，还得摆对位置、控好数量，否则白瞎。这一节讲的是商品推荐的“陈列”问题，它直接影响转化和页面性能两头。

先说位置。商品详情页的相关产品和向上销售，默认通常在商品信息下方——这个位置的逻辑是：客户先看主商品的详情、图片、参数，看得差不多了再往下滑，正好撞见推荐。这个默认位置大体合理，但要注意别让推荐位埋得太深，客户根本滑不到的位置等于不存在。购物车的交叉销售位置则在购物车列表附近、结账按钮之前，抓的是结账前最后一刻的冲动加购。

再说数量，这是最多人踩的坑——以为推得越多越好，结果适得其反。每多展示一件推荐商品，页面就多加载一份图片和数据，移动端尤其敏感，推荐位塞太满会明显拖慢加载，而页面一慢，转化和搜索排名两头都受损。更要命的是选择过载：推荐栏里堆二三十件，客户反而无从选择，干脆谁都不点。

保哥的经验值：商品详情页的相关产品、向上销售，各控制在一两行能展示完的数量，视觉上通常4到8件比较舒服；购物车的交叉销售更要克制，两三件足矣，毕竟客户已经准备付钱，别用一堆选项把他从结账流程里拽出来。质量永远压倒数量——与其推十件勉强相关的，不如推三件高度相关、客户大概率会加购的。把宝贵的页面位置和加载预算，留给真正能促成连带的商品。

性能这块还要多说一句。推荐模块如果是动态实时计算的（尤其AI推荐和复杂规则），要确认它的数据有缓存、不会每次都重算拖慢首屏。推荐位的图片要走和商品图一样的优化和懒加载策略，别让它成为拖慢核心网页指标的暗桩。这部分和Magento整体的性能、缓存策略是连在一起的，配推荐位时顺手把性能影响一起评估了。

推荐的商品缺货或停售了会怎样，怎么兜底？

这是商品推荐运营里最隐蔽、也最高频的坑，尤其折磨手动配推荐的店。

设想一个常见场景：你给爆款A手动配了B、C、D三个相关品，配的时候它们都在卖得好好的。过了两个月，B停售下架了、C长期缺货、D改了URL，于是A的推荐位要么空着一块、要么把缺货停售的死货推给客户，客户兴冲冲点进去发现买不了，体验直接崩。更糟的是，如果停售商品的页面已经下线，推荐位的链接还指过去，就会制造一堆404或软404。

兜底有两层。第一层是数据层的巡检。如果你大量用手动配，就得定期巡检推荐关系，把缺货、停售、改了URL的从各个商品的推荐位里清出去替换掉。目录小可以人工，目录大就写脚本批量扫——比对推荐关系表和当前在售有货的商品池，把失效的揪出来。这是手动配绕不过的维护成本。

第二层是机制层的规避。更省心的办法是优先用关联规则或AI推荐，它们从“当前符合条件且有货”的商品池里实时挑货，天然就绕开了缺货停售品，根本不需要手动维护。这也是大目录店该往自动化迁移的一个重要理由——不只是省配置的力气，更是省掉了推荐关系腐烂这个持续的隐患。

另外别忘了前端的兜底逻辑。推荐模块在某个商品上凑不齐足够的有货推荐时，正确的做法是少展示几个、或者整块优雅隐藏，而不是硬凑、把缺货品也摆出来。展示规则里把“仅展示有货且可购买”设成硬条件，缺货状态怎么显示要和商品页本身的缺货策略保持一致。缺货商品本身的SEO收尾——该301还是410、怎么避免软404——保哥在Magento缺货停售商品SEO处理那块讲过完整决策，这里推荐位的兜底要和那套策略对齐，别一边商品页处理得很干净、一边推荐位还在往死页面引流。

商品推荐对SEO和站内链接有什么影响？

很多人以为商品推荐纯粹是转化层的事，跟SEO没关系。其实不然——推荐位本质上是一种站内链接，它对抓取和权重分布有实实在在的影响，做好了是加分项。

第一个影响是内链结构。每个推荐位都是从当前商品页指向其他商品页的链接，这意味着商品推荐天然在你的商品之间织了一张内链网。配置得当时，它能把权重从流量大的爆款页，自然导流到那些没什么外链、容易被埋没的长尾商品页，帮搜索引擎更充分地发现和抓取深层商品。这是商品推荐顺手送的SEO红利，前提是推荐的链接是真实可抓的、指向有效页面的。

第二个影响是抓取预算和死链。前一节说的缺货停售兜底，在SEO视角同样关键——如果推荐位大量链向404、软404或已停售的死页面，不仅伤用户体验，还会浪费搜索引擎的抓取预算，让爬虫在无效页面上空转。所以推荐位的链接卫生，本身就是站内SEO的一部分。

第三个影响是避免制造重复和低质入口。有些推荐实现会带上一堆跟踪参数或生成临时URL，如果这些带参链接可被抓取，就可能制造大量重复内容入口，稀释权重。

规范做法是推荐位链接尽量指向商品的规范URL，必要的跟踪参数用不影响抓取的方式处理。商品推荐的内链该怎么和站点整体的内链、面包屑、分层导航协同，怎么避免重复入口，这些要放进Magento的整体SEO体系里统一看，保哥在 Magento 2 SEO九大核心点那篇里把分层导航、内链和结构化数据的治理讲得更系统，配推荐位时对照着看能避开不少坑。

推荐效果怎么衡量，A/B测试怎么做？

商品推荐配完不能拍脑袋说有用，得有数据说话，否则你永远不知道是真带来了增量、还是只是看着热闹。衡量分三个层面。

第一层是推荐位本身的互动数据：推荐模块的曝光量和点击率。这层回答最基本的问题——有没有人理会这块位置。点击率长期接近零，要么是推的商品不相关，要么是位置埋得太深没人滑到，先把这个基本盘盯住。

第二层是连带效果：连带率（每单平均商品件数）和客单价有没有随推荐位上线而抬升。这是商品推荐最直接的价值体现——它的使命就是让人多买、买贵，这两个指标动了，才说明推荐在干正事。

第三层是归因：有多少加购和成交，确实是从推荐位点进去发生的。靠加购来源、商品进入购物车的路径去追，把功劳归到该归的地方，别把自然就会买的也算成推荐的功劳。

最干净的验证方式是 A/B测试：把流量分成两组，一组开推荐位（或用A套推荐逻辑），一组关掉（或用B套逻辑），跑够样本量后比两组的连带率、客单价、转化率差异。用真实对照数据说话，远比上线后看个总销量涨了就归功于推荐靠谱——销量涨可能是因为大促、因为旺季、因为别的运营动作，只有A/B能干净地剥离出推荐位本身的贡献。

一家做美妆的店保哥经手过，原本笃定“买了又买”推荐很有用，A/B一跑才发现真正拉动连带的是购物车那块低价小样的交叉销售，商品页的那块反而点击寥寥——没有A/B，这种反直觉的结论根本看不出来。

能把商品推荐落到归因和A/B，它才算真正进入了可持续优化的闭环：哪种推荐类型在哪个位置有效、推几个最合适、给哪类客户推什么，全都可以用数据迭代，而不是凭感觉一配了之。

商品推荐的落地顺序和最容易踩的5个坑是什么？

道理讲完，落地按什么顺序来？保哥把从零开始做商品推荐的实操路径整理成一条线。

顺序上，先盘货、再分层、配重点、铺长尾、最后验证迭代。第一步盘清楚自己的商品关系——哪些是天生搭配、哪些有升级款、哪些适合做结账前的顺手加购；第二步按重要性分层，头部爆款和利润担当优先；第三步给这批重点商品手动把相关产品、向上销售、交叉销售配扎实；第四步对长尾用关联规则或AI推荐自动铺货，覆盖手动顾不上的部分；第五步上线后盯数据、做A/B，按效果持续调整推荐类型、位置和数量。先重点后长尾、先手动后自动，是性价比最高的推进节奏。

再说5个最容易踩的坑：

坑一：三类关系张冠李戴。把更贵的旗舰款配成购物车里的交叉销售、把互补小件配成向上销售，位置和意图全错，客户看了只会困惑，推荐自然没效果。配之前先把搭配、升级、顺手这三个定位想清楚。

坑二：推荐位塞太满拖慢页面。以为推得越多越好，结果一行塞十几件，移动端加载变慢、客户选择过载，转化和排名两头掉。控制数量、宁缺毋滥。

坑三：手动配完不维护，推荐位腐烂。配的时候商品都在，过几个月缺货停售改URL，推荐位空着或推死货还链向404，体验和SEO双输。要么定期巡检，要么改用自动出货的规则和AI。

坑四：只看总销量不做归因和A/B。上线后看个总销量涨了就以为推荐有用，其实可能是旺季或大促的功劳。不做对照，永远不知道推荐位的真实贡献，也无从优化。

坑五：忽视推荐位的SEO和性能影响。把推荐当纯转化工具，无视它制造的死链、重复入口和性能负担，结果连带没提多少、反倒拖累了抓取和首屏速度。把推荐位当成内链和性能的一部分一起管。

把这条顺序和这5个坑当成一份施工自查表，每次动商品推荐前过一遍。Magento的推荐能力其实给得很足，从手动指定到关联规则再到AI智能推荐，丰俭由人。真正决定它好不好用、能不能提客单的，从来不是功能本身有多强，而是你有没有把三类关系分清、把重点和长尾分层、把数据闭环建起来。商品推荐做对了，是不花广告费就能持续抬高客单价的一台小马达；做错了，就是拖慢页面又干扰转化的累赘——差别全在运营这双手上。

和促销、搜索一样，它是Magento增收工具箱里很值得花心思打磨的一件，配合价格规则与促销引擎、商品搜索调优一起用，能把进店流量的价值榨得更干净；做B2B的店还能结合分级定价与公司账户，给不同客户分群推不同的关联商品，把精准营销做得更深。

常见问题解答

相关产品、向上销售、交叉销售，新手最容易搞混，一句话怎么区分？

记住三个关键词：搭配、升级、顺手。相关产品（Related Products）是搭配——和当前商品一起用、互补的东西，比如买相机配存储卡、买衬衫配领带，它出现在商品详情页，目的是让客户多买几样配套的。向上销售（Up-Sells）是升级——比当前商品更高端、更贵、利润更好或更受欢迎的同类替代品，比如你在看入门款，它推你看进阶款，它也出现在商品详情页，目的是把客单价往上引。交叉销售（Cross-Sells）是顺手——类似超市收银台旁边的口香糖，出现在购物车页面、客户即将结账之前，推一些低价、高冲动、顺手就拿的小件，目的是临门一脚再加一两件。所以一句话：相关产品在商品页让你买配套，向上销售在商品页让你买更好的，交叉销售在购物车让你结账前顺手再添点。

我用的是Magento开源版，没有关联商品规则怎么办？

关联商品规则（Related Product Rules）是Adobe Commerce商业版独有的功能，Magento开源版（Magento Open Source）确实没有，这点Adobe官方文档写得很明确。开源版能用的是手动指定：在每个商品的编辑页里，手动挑选它的相关产品、向上销售、交叉销售。对中小目录、或者只有头部少数爆款值得精细运营的店来说，手动其实够用，甚至更可控。如果你的目录很大、又确实需要按客户分群、按条件批量自动出推荐，那要么升级到Adobe Commerce，要么找第三方推荐插件来补这块能力——市面上有不少基于浏览和购买行为做关联推荐的扩展。保哥的建议是别为了一个功能盲目升级，先把手动指定的头部商品推荐做扎实，用数据证明推荐位真能带来增量，再决定要不要上自动化。

推荐位是不是放越多、推得越多越好？

恰恰相反，多了往往是负担。每多一个推荐位、每多推几件商品，页面就多加载一批图片和数据，移动端尤其容易被拖慢，而页面一慢，转化和排名两头都掉。更关键的是选择过载——推荐栏里塞二三十件商品，客户反而无从下手，干脆谁都不点。保哥的经验是商品详情页的相关产品和向上销售各控制在一行能展示完的数量（视觉上通常4到8件），购物车的交叉销售更克制，两三件足矣。质量永远比数量重要：与其推十件勉强相关的，不如推三件高度相关、客户大概率会加购的。把位置留给真正能促成连带购买的商品，而不是把货架塞满。

被推荐的商品老是缺货、下架，推荐位空一块怎么办？

这是商品推荐运营里最高频的隐形坑。手动指定的推荐最怕这个——你给爆款A手动配了B、C、D三个相关品，过段时间B停售、C长期缺货，推荐位要么空着、要么把缺货商品推给客户白白制造挫败。两个办法：一是定期做推荐关系巡检，把缺货停售的从推荐位里替换掉，目录大就写脚本批量扫；二是优先用按条件自动出货的关联规则或AI推荐，它们会从当前符合条件且有货的商品池里实时挑选，天然绕开缺货品，比手动维护省心得多。另外要在前端做兜底——推荐模块取不到足够的有货商品时，宁可少展示几个或整块隐藏，也别把缺货、停售的死货摆出来，更别让推荐位链接到已经404或软404的页面。

Adobe的AI智能推荐和手动、规则推荐能不能一起用？

能，而且Adobe官方推荐的正是这种组合打法。思路是让AI推荐做大面积的自动化铺底——它基于全站的浏览、加购、购买行为，按多种推荐类型（看了又看、买了又买、热销、趋势等）在海量商品上自动出货，覆盖你根本没精力手动维护的长尾商品。然后用关联商品规则或手动指定来做精准干预：在那些有明确商业目标的地方人工兜底，比如要清某批库存、要主推某个高毛利新品、要给特定客户分群推特定商品，就用规则强制指定，确保关键位置出的是你想出的货。一句话分工：AI管规模和长尾，规则和手动管重点和意图。两者不冲突，反而互补——AI解决覆盖不过来的问题，规则解决AI不懂你这周想主推什么的问题。

商品推荐配了之后，怎么知道到底有没有效果？

别凭感觉，盯三个层面的数据。第一层是推荐位本身的互动：推荐模块的曝光量、点击率，看有没有人理会这块位置，点击率长期接近零说明推的商品不相关或位置太靠下。第二层是连带效果：连带率（每单平均商品件数）、客单价有没有随推荐位上线而抬升，这是商品推荐最直接的价值体现。第三层是归因：通过加购来源、订单里商品的进入路径，看有多少加购和成交确实是从推荐位点进去的。最干净的验证方式是A/B测试——一组开推荐位、一组关掉或换一种推荐逻辑，跑够样本量再比连带率和客单价的差异，用真实对照数据说话，而不是上线后看个总销量涨了就归功于推荐。能落到归因和A/B，商品推荐才算真正进入了可优化的闭环。

权威参考资料