1. 3 попытки персонализации интернет-магазина: 1
фатальные ошибки,
повороты
и лучи надежды
Григорий Дернов1
директор по продукту E96.ru
2. Персонализация - это
сайт
Настроить
каналы коммуникации (рассылки, колл-центр, ПВЗ)
под конкретного покупателя, чтобы повысить
доход
/посетителя
lifetime
value
3. Подходы к персонализации
Ручные правила1
Обычно сопутка+рассылки
Не масштабируется с ростом SKU
Готовые решения, автоматические алгоритмы1
Подключают и не контролируют
Коммерсанты недовольны вечно обучающимися
алгоритмами, считают что ручная система лучше
Собственная разработка1
Любимый вариант разработчиков
Нужен: сервер, разработчики, алгоритм
Тратим много ресурсов и упорно переписываем алгоритм.
Чем дальше тем меньше хочется все бросать.
4. Успели набить свои шишки
Мы еще не до конца знаем
как правильно,
но как неправильно
– уже знаем точно :)
5. Познакомимся!
Бытовая техника, электроника, для дома, детские товары, сантехника, инструменты
Бренд: в ряде регионов бренд E96 конкурирует
с федеральными брендами в интернете
70
52.5
35
17.5
0
E96
Связной
Мвидео
Эльдорадо
E96
Связной
Мвидео
Эльдорадо
5+ МЛРД
руб/год
Forbes: ТОП-15 по обороту,
ТОП-3 по обороту/сотрудника
6. Какие задачи ставим?
Краткосрочные
конверсия трафика
валовая маржа заказа
(+средний чек)
Повысить эффективность трафика
Понизить CPO по каналам трафика
!
Минимум +15% конверсии
Большинство заказов доставляются (самовывоз реже) –
есть ощутимые операционные расходы – хорошо, если
маржа операции станет выше
!
Минимум +10% валовой маржи / среднего чека
категорийное знание
покупателя
Кол-во категорий 2-го уровня, которые покупал
человек за весь жизненный цикл
!
Хорошо если девушка, которая купила фен узнает,
что у нас есть детские коляски и мультиварки
навигация
Упростить выбор среди
300 000+ SKU в 600+ категориях
7. Какие задачи ставим?
лояльность
бесшовный сервис
Конкурировать не маркетинговыми бюджетами, а на поле
лояльности – возврата покупателей
!
Возврат возможен, когда мы знаем о покупателе больше,
чем конкуренты и имеем канал коммуникации
Большинство посетителей выбирают КБТ и дорогую технику
в несколько шагов
!
Единая повторяющаяся информация в мобильной версии,
сайте, рассылке, колл-центре – чтобы целенаправленно
привести к покупке в несколько шагов
Долгосрочные
8. Попытка #1. Ручные алгоритмы
До меня купили
Какой товар и когда купили (“минуту назад”)
<1% использования, +3% конверсии
!
Блок не кликают, но стимулирует к покупке –
т.е. по сути social proof
9. Попытка #1. Ручные алгоритмы
Вы смотрели
Товары, которые смотрел в течение сессии
7% процент использования, <+1% конверсии
!
Т.е. это всего лишь элемент навигации
10. Попытка #1. Сопутка
Ручные связки “категория-категория”
3 формата:1
1) Карточка товара
2) Лайтбокс по категориям
3) Лайтбокс при добавлении в корзину
Попытка #1. Сопутка
11. Попытка #1. Сопутка – эффективость блоков
49%
лайтбокс
39%
карточка товара
Место размещения сопутки сильно влияет на конверсию
Лайтбоксы все еще рулят
12%
лайтбокс
категорий
12. Попытка #1. Сортировка товаров в категории
До: товары сортируются по популярности
После: искуственно повышаем товары, которые нужно продать быстрее (сток)
(без персонализации, для всех)
!
+9%
продажи целевых
товаров
-13%
продажи
основных товаров
20% доля продаж 80% доля продаж
Выводы1
– Сортировка товаров правда влияет на конверсию (причем значительно)
– Нельзя перекраивать сортировку товаров под комм. задачи без персонализации
13. Попытка #1. Коммуникация настолько же важна
Просто добавили эти алгоритмы в автоматические рассылки
!
динамика эффективности
рассылок
ДО1
открытия/
переходы
ПОСЛЕ
открытия/
переходы
%1
динамика
ПОСЛЕ
конв.
Вы смотрели 55% 87% +57% 6.2%
Оставленная корзина 47% 63% +33% 9.2%
Подписка 58% 89% +52% 6.8%
Спасибо за заказ % 44% % 4.4%
Реанимация 32% 54% +67% 4.2%
Выводы1
Автоматические рассылки по этим алгоритмам – это основной объем продаж с
рассылок воообще
Показатели ручных рассылок на 30-70% ниже (недостижимо)
14. Попытка #1. Проблемы
невозможно
на нашем объеме
300 000+ SKU в 600+ товарных категориях
связки быстро устаревают
игнорируем неформализуемые
сценарии выбора товара
сложно поддерживать актуальными
Таких сценариев очень много
Пример: люди покупают чехлы определенных дизайнов к
телефону, телевизор с определенными 3D очками, а не
просто подходящими 3D очками и.т.п.
!
Эти сценарии можно учесть, расширив параметры (ценовой
сегмент, бренд и пр.), но получаем…
сложность разработки
15. Попытка #2. Готовые решения
автоматические алгоритмы
Используют
1) историю наших покупок за все время (связки категория-
категория)
2) текущую историю просмотров/покупок (обучение)
3+1
Выбрали несколько систем
ручной алгоритм
Тестируем, сравниваем с ручной системой
16. Попытка #2. Не смотреть искуственные метрики
доля продаж через систему
сравнение аудитории
системы со всем сайтом
Пример из нашей практики:
12% используют систему
+0% конверсии (погрешность)
Пример из нашей практики:
– те, кто перешли по рекоммендациям проводят на 60%
больше времени, чем в среднем по сайту
– те, кто перешли по рекоммендациям смотрят на 70%
больше страниц за сессию, чем в среднем по сайту
– те, кто перешли по рекоммендациям имеют конверсию на
30% больше, чем в среднем по сайту
Такие сегменты нельзя сравнивать!
Люди, которые совершали к-либо действие на сайте
всегда будут более конверсионными, чем общая масса
посетителей (как минимум потому что среди них условно
30% отказников)
17. Попытка #2. Не смотреть искуственные метрики
средний чек
вцелом по магазину
!
Важен только чек внутри категории
Суммарный средний чек очень нестабильный и им можно
манипулировать за счет пропорций продаж категорий
средний чек
по карточке товара
CTR блоков
персонализации
Надо доп. учитывать динамику чека по категории вцелом
!
Пример из нашей практики:
+7% средний чек по тесту по карточке товара
+0% (погрешность) средний чек по категории
18. Попытка #2. Не делать поспешных выводов
+2%
конверсия
+6%
средний чек
Мало? Все не так очевидно…
19. Попытка #2. Сегментировать результаты по категориям
В разрезе товарных категорий ситуация сильно отличается
9
6
3
0
-3
-6
-9
-12
Телефоны
Кроватки
Планшеты
Мультиварки
Ноутбуки
Сварочные
Холодильники
Котлы
Электроника – отработала хорошо
!
Не-электроника (которая дает нам
основные продажи) – плохо
!
Причины – на поверхности:1
автоматический алгоритм рекомендовал
к детской кроватке – шины,
к мультиварке – планшет,
к сварочному аппарату – унитаз,
а к котлу – ноутбук
!!
Зато получили мини вирусный эффект!)1
Люди делились в соцсетях друг с другом и
с нами в рассылках смешными скринами
рекоммендаций
20. Попытка #2. Структура продаж очень важна
Алгоритмы хорошо работают на лидерах продаж и вирусных товарах
– много неединичных продаж за период
– много позиций в одном заказе
!
Очень длинный хвост1
У нас львиная доля продаж внутри категорий – единичная
В электронике гораздо больше лидеров продаж, чем в духовых шкафах
доля продаж
60
45
30
15
0
планшеты чайники
10+ 5-10 2-5 1
кол-во продаж 1 товара
21. Попытка #2. Гибкость настройки правил
mix ручных+авто
алгоритмов
Автоматические правила не могут обеспечить
адекватную картинку (+рост конверсии)
по всем категориям
!
Значит нужно
отключать категорию / иметь возможность настраивать
22. Попытка #2. Тестировать параллельно
Обучение каждой системы занимает примерно 4-12 недель
!
!
!
!
Это долго…
Лучше подключить сразу 2-3 системы на тест и сравнить их друг с другом.
23. Попытка #3. Подход
Сторонняя система
!
Возможность гибко настраивать бизнес-правила
(автоматический+полуручной режимы)
!
Возможность выводить и сравнивать разные алгоритмы на страницах
+/- 80%
разница алгоритмов
Интересно, что персонализированные стратегии
до +70% (относительная! динамика)
более успешные, чем обычные
24. Попытка #3. Главная страница
Лидеры продаж
Пример: сезонные товары)
!
Товары по истории просмотров
Пример: длинные продажи (КБТ)
!
…
27. 4 шишки, которые мы уже набили
Не использовать
искуственные метрики1
!
!
Сегментировать
по категориям
!
!
Не только сайт,
также рассылки + колл-центр
!
!
Возможность
гибко настраивать правила