3 попытки персонализации интернет-магазина: фатальные ошибки, повороты и лучи надежды
1. 3 попытки персонализации
интернет-магазина:
фатальные ошибки,
повороты
и лучи надежды
Григорий Дернов
директор по продукту
2. lifetime
value
доход
c
посетителя
Персонализация - это
Настроить сайт и
каналы
коммуникации
(рассылки, колл-
центр, ПВЗ) под
конкретного
покупателя,
чтобы повысить:
3. Подходы к персонализации
Ручные правила
Обычно сопутка+рассылки
Не масштабируется с ростом SKU
Готовые решения, автоматические алгоритмы
Подключают и не контролируют
Коммерсанты недовольны вечно обучающимися
алгоритмами, считают что ручная система лучше
Собственная разработка
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!
5+ МЛРД
руб/год
Бытовая техника, электроника, для
дома, детские товары, сантехника,
инструменты - 300K+ SKU
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
Топ-15 Forbes
по обороту
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
Товары, которые смотрел в течение сессии
7% процент использования, <+1% конверсии
Т.е. это всего лишь элемент навигации
«Вы смотрели»
11. Попытка #1. Сопутка
Попытка #1. Три формата «сопутки»
Лайтбокс по категориям
12. Попытка #1. Три формата «сопутки»
Лайтбокс при добавлении в корзину
13. Попытка #1. Сопутка – эффективость блоков
49%
лайтбокс
Место размещения сопутки
сильно влияет на конверсию.
Лайтбоксы все еще «рулят»
39%
карточка товара
12%
лайтбокс
категорий
14. 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
Выводы
– Сортировка товаров правда влияет на конверсию (причем значительно)
– Нельзя перекраивать сортировку товаров под коммерческие задачи без
персонализации
15. Попытка #1. Коммуникация настолько же важна
Просто добавили эти алгоритмы в автоматические рассылки
динамика эффективности
рассылок
ДО
открытия/
переходы
ПОСЛЕ
открытия/
переходы
%
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 %
Выводы
Автоматические рассылки по этим алгоритмам – это основной объем
продаж с рассылок воообще. Показатели ручных рассылок на 30-70%
ниже (недостижимо)
16. Попытка #1. Проблемы
невозможно
на нашем объеме
300 000+ SKU в 600+ товарных категориях
связки быстро устаревают
игнорируем
неформализуемые
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
17. Попытка #2. Готовые решения
автоматические алгоритмы
Используют
1) историю наших покупок за все время (связки категория-
категория)
2) текущую историю просмотров/покупок (обучение)
Выбрали несколько систем
ручной алгоритм
Тестируем, сравниваем с ручной системой
3+1
18. 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)
19. 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
20. Попытка #2. Не делать поспешных выводов
+2%
конверсии
+6%
средний
чек
Мало? Все не так очевидно…
21. 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:
автоматический алгоритм рекомендовал
к детской кроватке – шины,
к мультиварке – планшет,
к сварочному аппарату – унитаз,
а к котлу – ноутбук
Зато получили мини вирусный эффект!)
Люди делились в соцсетях друг с другом и
с нами в рассылках смешными скринами
рекоммендаций
22. 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 хвост
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
23. Попытка #2. Гибкость настройки правил
Автоматические правила не могут
обеспечить
адекватную картинку (+рост
конверсии)
по всем категориям
Значит нужно отключать
категорию / иметь возможность
настраивать
mix ручных+авто
алгоритмов
24. Попытка #2. Тестировать параллельно
Обучение каждой
системы занимает
примерно 4-12
недель
Это очень долго…
Лучше подключить
сразу 2-3 системы
на тест и сравнить
их друг с другом.
25. 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
26. Попытка #3. Главная страница
Лидеры продаж
Пример: сезонные товары)
Товары по истории просмотров
Пример: длинные продажи (КБТ)
…
29. 4 шишки, которые мы уже набили
Не использовать
искуственные метрики
Сегментировать
по категориям
Не только сайт,
также рассылки + колл-
центр
Возможность
гибко настраивать
правила
30. Спасибо за внимание!
Найти
презентацию
можно
здесь
Григорий Дернов
директор по продукту E96.ru
dernov@e96.ru
@e96ru