Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Upcoming SlideShare
203 b2 cpl_eretailforum2014
Next
Download to read offline and view in fullscreen.

Share

109 retail rocket_eretailforum2014

Download to read offline

Мультиканальная персонализация в eCommerce.
Николай Хлебинский, RetailRocket

Related Books

Free with a 30 day trial from Scribd

See all

Related Audiobooks

Free with a 30 day trial from Scribd

See all

109 retail rocket_eretailforum2014

  1. 1. Мультиканальная персонализация магазина Big Data в электронной коммерции Николай Хлебинский, Retail Rocket
  2. 2. Что такое Retail Rocket? Платформа персонализации маркетинга в Ecommerce + Товарные рекомендации для сайта + Система real-time персонализации + Система триггерных сообщений (email, display, sms, crm и т.д.) В цифрах: + 70 миллионов уникальных пользователей в месяц + Аналитический кластер из 40 серверов + 350 тысяч внешних запросов в минуту + 4GB сырых данных для анализа… В час!
  3. 3. Что такое big data? KEEP CALM AND IGNORE BULLSHIT
  4. 4. Три причины заняться персонализацией + % + = $ 1. Лояльность. 2. Конверсия. 3. Средний чек. = $
  5. 5. Как человек взаимодействует с сайтом? 1. Приземление на сайт 2. Прохождения туннеля конверсии 3. Конверсия
  6. 6. Так только в презентациях и статьях! KEEP CALM AND IGNORE BULLSHIT
  7. 7. Вот как на самом деле в жизни: Мультиканальные последовательности в Google Analytics
  8. 8. Вот как на самом деле в жизни: Карта путей по сайту в Яндекс.Метрике
  9. 9. Долгосрочные интересы. Контекст. Потребность.
  10. 10. Контекст пользователя + Окружающая обстановка
  11. 11. Распределение активности по часам 8.00% 7.00% 6.00% 5.00% 4.00% 3.00% 2.00% 1.00% 0.00% Рабочие дни 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Electronics Fashion Furniture & Household Health&beauty Kids 9.00% 8.00% 7.00% 6.00% 5.00% 4.00% 3.00% 2.00% 1.00% 0.00% Выходные 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 Electronics Fashion Furniture & Household Health&beauty Kids
  12. 12. Контекст пользователя + Окружающая обстановка + Текущая задача Текущая потребность + Явно сформированная потребность
  13. 13. Как давно вы смотрели в Google Analytics?
  14. 14. Контентные страницы: широкие запросы
  15. 15. Контекст пользователя + Окружающая обстановка + Текущая задача Текущая потребность + Явно сформированная потребность + Неявно выраженная потребность
  16. 16. Карточка товара не в наличии Потребность сформирована Только альтернативы Кейс: магазин электроники и бытовой техники – Витрина: ~50 000 карточек в наличии. – За несколько лет накопилось ~500 000 карточек отсутсвующих товаров. – Поставили _trackEvent на такие карточки → ~70% organic трафика, конверсия 0,25% – Установили блок с альтернативами в наличии.
  17. 17. Контекст пользователя + Окружающая обстановка + Текущая задача Текущая потребность + Явно сформированная потребность + Неявно выраженная потребность + Расчетная потребность
  18. 18. Механизм предсказания следующей покупки http://pdfpiw.uspto.gov/.piw?PageNum=0&docid=08615473
  19. 19. Механизм предсказания следующей покупки 1. Анализ последовательностей покупок 2. Выявление значимых цепочек 3. После того, как человек совершает покупку, появляется вероятность покупки в следующем «звене» цепочки потребления 1 2 3 4 5 6 7 8
  20. 20. Механизм предсказания следующей покупки + В жизни каждая покупка является звеном сразу нескольких цепочек потребления + Разные цепочки потребления по-разному распределяются во времени 1 3 2 6 4 5 7 8 t1 t2 t3 t4 t5
  21. 21. Реальный пример цепочек потребления Средства для купания детей Бутылочки и соски Посуда для малышей 28 дней Нагрудники и слюнявчики 18 дней Пустышки 29 дней 24 дня
  22. 22. Характеристики пользователя + Явные + Расчетные
  23. 23. Как давно вы смотрели в Google Analytics?
  24. 24. Собрали данные, а что дальше?
  25. 25. Как использовать данные? 1. На сайте – Персональные товарные рекомендации + Рекомендации - это 38% добавлений в корзину всего интернет-магазина (Ozon.ru) + We got 67% increase in recommended product sales (Columbia sportswear) + 35% of Amazon’s sales are made through recommendations (Amazon.com) Рост выручки в результате внедрения Retail Rocket Книги +52,1% Бытовая техника и электроника +12,7% Спортивные товары +57,6% Товары для ремонта / DIY +14,4% Одежда и обувь / Fashion +27,1%
  26. 26. Как использовать данные? 2. В других каналах коммуникации – E-mail + Персональные рекомендации в регулярных маркетинговых рассылках
  27. 27. Кейс Enter: регулярная рассылка + Персональные рекомендации + Open Rate 66,4% + CTR 29,5% + Conversion Rate 4,89% еNOT BAD
  28. 28. Как использовать данные? В других каналах коммуникации – E-mail + Персональные рекомендации в регулярных маркетинговых рассылках + Триггерные письма
  29. 29. Примеры триггерных рассылок
  30. 30. Как использовать данные? В других каналах коммуникации – E-mail + Персональные рекомендации в регулярных маркетинговых рассылках + Триггерные письма – Display, SMS, CRM и т.д.
  31. 31. Спасибо за внимание! Еще больше интересного на http://retailrocket.ru Николай Хлебинский, Retail Rocket nh@retailrocket.ru
  • ssuser413112

    Jun. 16, 2015
  • mishabrakker

    Jan. 13, 2015
  • vadg72

    Nov. 6, 2014
  • Antonkraft

    Oct. 16, 2014
  • ssuser1287c3

    Oct. 9, 2014

Мультиканальная персонализация в eCommerce. Николай Хлебинский, RetailRocket

Views

Total views

988

On Slideshare

0

From embeds

0

Number of embeds

6

Actions

Downloads

26

Shares

0

Comments

0

Likes

5

×