The document discusses recommendations for improving sales and average order value on an e-commerce website through personalized product recommendations. It provides examples of how the client, a large electronics retailer in Ukraine, implemented various recommendation blocks on their website using a recommendation platform. Specifically, it discusses how the platform's algorithms were trained to provide more relevant recommendations for accessory products based on attributes like weight and the presence of smart TV features. The optimizations increased sales of accessories by 6-16% and helped increase order values.

2. eSputnik
Система
автоматизации
маркетинга для
онлайн-бизнеса
Следующий шаг в вашей
маркетинговой стратегии

3. eSputnik
Фишки по применению
персональных рекомендаций
в письмах и на сайте
2021, июль, Одесса

4. Алексей Данченко
💌 aleksey.danchenko@esputnik.com
@the_next_billionaire_is_me
Бизнес-консультант с более чем 12-
летним опытом.
Специалист в сфере стратегического
развития бизнеса, построения систем
управления и маркетинга.
Сооснователь и директор
eSputnik - маркетинг платформа (CDP)
Stripo - редактор email шаболонов
Claspo - виджеты для генерации
лидов
eSputnik

5. Email
Campaigns
SMS
Campaigns
Viber
Campaigns
Web Push
Notifications
Mobile Push
Notifications
Advanced
Segmentation
Email Marketing
Agency
Recommendations
for website
eSputnik

6. eSputnik
CDP
Программа
лояльности
и CRM
Поведение
в приложениях
Заказы
и просмотры
на сайте История
из офлайна Геопозиция
Заказы
из сторонних
приложений
Активность
в рассылках
Партнерские
базы

7. eSputnik
Омни-канальная
идентификация
авторизация
вероятностный подход
между браузерами
между устройствами
между каналами касания
Email
Deep
Link
Промокод
Телефон

8. eSputnik
Современный
интернет магазин

9. eSputnik
Современный интернет магазин сложная штука
стран
16 блоков рекомендованных
товаров и акций
Сегодня интернет-магазин это сложно

10. eSputnik
Современный интернет магазин сложная штука
А еще
мобильная
версия
Сегодня интернет-магазин это сложно

11. eSputnik
Современный интернет магазин сложная штука
стран
И мобильное
приложение
Сегодня интернет-магазин это сложно

12. eSputnik
И товары разные
стран
Сегодня интернет-магазин это сложно

13. eSputnik
Как понять
что работает, а что нет?

14. eSputnik
стран
Вариант 1 - АВ тестирование

15. eSputnik
Почему АВ тесты редко помогают?
Доход за сеанс Стандартное отклонение
дохода за сеанс
Необходимая разница
между группой А и В
400грн 259грн +44грн

16. eSputnik
А что вместо АВ тестов?

17. eSputnik
1
обычный
магазин
50 000 товаров
250 000 рекомендованных товаров
100 категорий
300 000 пользователей с персональной
выдачей
20 источников трафика
до 100 основных путей пользователя
Цифр бывает слишком много

18. eSputnik
Для ее достижения анализируем 4
блока показателей:
Цель — увеличение продаж
Конверсию
CTR
Средний чек
Охват
Goal-Driven Marketing

19. eSputnik
Охват. Видимость блока
Разное
поведение по
источнику
трафика

20. eSputnik
Охват. Статистика трафика

21. eSputnik
Охват. Статистика показов

22. eSputnik
Охват. Товары не в наличии
Другая верстка
Нет данных в
фиде
Высокий баунс
Много
исторического
трафика

23. eSputnik
Проверка количества товаров в фиде

24. eSputnik
Охват. Максимально похожие в наличии

25. eSputnik
CTR. Мобильный конвертит хуже чем
десктоп

26. eSputnik
CTR. Улучшения на мобильном
В видимой части
только один
товар
Как угодать?
CTR1 2Х CTR2

27. eSputnik
Охват. Внешний вид блоков на товарах не в наличии
CTR. Внешний вид блоков

28. eSputnik
Как менять менять верстку?

29. eSputnik
Как менять менять верстку?

30. eSputnik
CTR. Расположение блока
CTR. Расположение блоков

31. eSputnik
Меняем расположение блока
CRT. Меняем расположение блоков

32. eSputnik
CTR. Одн и тот же товар разных цветов
CRT. Один и тот же товар разных
цветов

33. eSputnik
eSputnik
Добавляем item_group_id в фид
https://support.google.com/merchants/answer/6324507?hl=ru

34. eSputnik
eSputnik
Настраиваем рекомендации с учетом
item_group_id

35. eSputnik
Средний чек. Рекомендуем дешевые товары
Средний чек. Рекомендуем дешевые
товары

36. eSputnik
Фильтр по цене в рекомендациях
Фильтр по цене в рекомендациях

37. eSputnik
Goal-driven marketing в email
1. Охват
1. Количество подписчиков
2. Количество авторизованных сессий
3. Количество получателей
4. Частота отправки
2. CTR
1. Открытий писем
2. Клики
3. Переходы
3. Конверсия
4. Средний чек
Goal-driven Marketing in Email

38. eSputnik
Как это
работает?
Анализируем предпочтения​ каждого клиента на истории
Настраиваем алгоритмы товарных и офферных рекомендаций
Персонализируем все каналы коммуникации
Настраиваем триггерные сценарии

39. eSputnik
Персонализация
акций Акция

40. eSputnik
Выбираем алгоритм
Бестселлеры
на сайте
Популярное
на сайте
Персонально
из категории
Товары, которые
чаще всего
покупают
Товары, которые
чаще всего
просматривают
На основе
просмотров
пользователя
Алгоритмы на основе данных
контакта. И с общими
рекомендациями.

41. Как зарабатывать
больше на том же
трафике
кейс ритейлера электроники Euronics
«Фокстрот»

42. Кто такие «Фокстрот»
Торговая сеть «Фокстрот» – участник Euronics,
самой большой закупочной группы
электроники и бытовой техники, работающей
с 35 странами Европы.
«Фокстрот» – один из лидеров на рынке
Украины по продажам бытовой и
электронной техники. Компания
представлена в 162 розничных офлайн-
магазинах , а также онлайн – сайтом
foxtrot.com.ua (средний трафик за полгода –
6,14 млн пользователей).
У «Фокстрота» налажена системная
работа над оптимизацией программы
лояльности: количество ее участников
достигло 11,5 млн клиентов, 92% покупок
осуществляется с картой лояльности

43. Какие задачи
ставил клиент
В категории электроники
маржинальность основных
товаров очень низкая, поэтому
для «Фокстрота» важно
увеличить доход за счет cross-
sell.
В качестве основного
инструмента выбрали товарные
рекомендации на сайте
1. увеличить количество
конверсионных действий
пользователей на сайте;
2. расширить чек
дополнительными
позициями;
3. увеличить продажи
аксессуаров и сопутствующих
товаров из других категорий.

44. Как выбирали рекомендательную
систему

45. Как работают
рекомендации
ИИ строит прогнозы на основе:
● предыдущего поведения большого
количества клиентов;
● данных о товарах и их характеристиках.
Для рекомендаций «Фокстрота»
алгоритмы учитывают следующие
данные:
● историю просмотров
пользователя,
● ценовой диапазон,
● категории,
● кросс-категории и
дополнительные условия,
заданные клиентом.
В eSputnik алгоритмы делятся на 3 типа:
1. Общие – для формирования рекомендаций
учитывают общие данные сайта, без персонализации:
«Популярное на сайте», «Бестселлеры на сайте».
Размещаются на любых страницах сайта.
2. Основанные на данных о товаре – учитывают
просмотры, клики пользователей, категорию,
описание, название и цену товара: «С этим товаром
покупают», «Похожие товары». Размещаются в
карточках конкретных позиций и на страницах
категорий.
3. Основанные на данных контактов – учитывают
поведение конкретного пользователя:
«Просмотренные товары», «Персонально для вас»,
«Персонально для вас из этой категории» –
анализирующие предыдущие покупки, поведение на
страницах категорий и товаров, и др. Размещаются
на любых страницах сайта.

46. Как работают
рекомендации
На сайте клиента
реализовано более 10
блоков персональных
товарных
рекомендаций
● главная страница – «Рекомендованные
аксессуары к последней покупке»,
«Специально для Вас»;
● категория – «Вас заинтересуют»;
● карточка товара – «С этим товаром
покупают», «Подобрано на основе ваших
запросов», «Покупатели, которые
просматривали этот товар, также
интересуются»;
● корзина – «К этому товару вам могут
понадобиться»;
● страница поиска – «Вас заинтересует»

47. Какие особенности
у рекомендаций на
сайте «Фокстрота»
В ассортименте ритейлера
«Фокстрот» более 10 тыс.
аксессуаров.
Но структура данных не всегда
однородная, что составляет
трудности для машины и
сказывается на точности
рекомендаций.
Data scientists должны
определенным образом объяснить
нейронной сети, что делать, чтобы
в подборки не попали
неправильные товары.

48. Крепления для
телевизоров

49. Крепления для
телевизоров
Data scientist
дообучает алгоритм:
указывает вес как
ключевую
характеристику и для
телевизора, и для
подставки. После
сохранения этой
информации ИИ
рекомендует
правильные крепежи.
Благодаря точной
настройке алгоритма
продажи креплений
выросли на 6%

50. ТВ-тюнеры,
приставки

51. ТВ-тюнеры,
приставки
Телевизоры могут
оснащаться TV-тюнером
или нет. Так, для
телевизоров без этой
функции можно
рекомендовать тюнеры,
поскольку их
просматривают и
покупают обычно одним
чеком. Аналогично с и
медиаплеерами: они
релевантны для тех
моделей, где нет Smart
TV.
Улучшилось
формирование группы
сопутствующих позиций
на 16%

52. Крупная бытовая
техника

53. Крупная бытовая
техника
На кухню часто приобретают
позиции в одном цветовом
решении и одного бренда.
Для создания релевантных
рекомендательных блоков
для КБТ data-специалист
указывает нейросети, что
бренд является ключевой
характеристикой.
Рекомендации к
бытовой технике
могут приносить
значительный доход,
из-за высокого
среднего чека

54. Аксессуары к
мобильным телефонам

55. Аксессуары к
мобильным телефонам
Для успешной допродажи
чехлы, USB, карты памяти,
держатели и прочие
аксессуары должны
соответствовать данной
модели телефона.
Уточнили правила по
соответствию бренда,
названию модели и
аксессуара в
рекомендациях.
За апрель 2021 года
рекомендации
принесли +16% к
продажам
аксессуаров

56. Что получили в
результате
★увеличилась
вовлеченность на
сайте/посещаемость
страниц +10%;
★увеличилась конверсия
+5%;
★выросли продажи
сопутствующих
товаров/аксессуаров + 16%.

57. Что еще получили
в результате
Персональные товарные рекомендации доступны
на рабочем месте для сотрудников «Фокстрота»:
★ операторов контакт-центра –
информация автоматически
подтягивается при звонке;
★ консультантов в офлайн-магазинах –
спрашивают номер телефона
клиента.

58. Как получить х2.5 заявок
и заплатить вдвое
меньше
Кейс маркетплейса одежды Shafa.ua

59. Кейс
маркетплейса
одежды Shafa.ua
Shafa.ua – украинская интернет-площадка,
на которой можно купить или продать
различные товары.
Основанный в 2013 году маркетплейс
изначально запускали для продажи
женской одежды б/у.
Сейчас же там продаются брендовые
вещи для женского, мужского и детского
гардероба, в том числе новые, а также
косметика и товары для дома.

60. Задачи и стратегия
Основная цель – получить как
можно больше заказов из каналов
и сделать это дешевле.
Для уменьшения стоимости
заказа и увеличения количества
заказов из каналов была
выстроена стратегия,
базирующаяся на трех китах:
● Омниканальности;
● Сегментации;
● Персонализации.

61. Выбор платформы
Ранее email, web push, mobile push, SMS
отправлялись разными системами. Было решено
подключить еще и Viber-сообщения и свести все
коммуникации в единую омниканальную систему
в eSputnik.
Это позволило строить сложные сценарии для
триггеров с использованием разных каналов.
Алена Мельон
Head of retention
shafa.ua

62. Рекомендованные
товары
В некоторых триггерах-
письмах реализован показ
похожих вещей.
Алгоритм подбора вещей:
● они должны быть того же
размера;
● похожей расцветки;
● из той же категории;
● у товаров того же бренда
выше приоритет показа.
Добавление блока с
рекомендованными товарами
на 30-40% увеличило
переходы и заказы из
триггеров, в которые они
были добавлены.

63. Поведенческие триггеры с
рекомендованными товарами
Подключили систему триггеров:
● брошенный просмотр с
рекомендованными товарами;
● брошенная корзина с
рекомендованными товарами;
● снизилась цена на товары,
которые вы просматривали;
● снижена цена на товары в
вашей корзине;
● мы нашли для вас товары,
которые будут вам интересны;
● реактивация пользователей,
которые Х дней не были на
сайте.
Триггеры
отправляются в
email, web push и
mobile push.

64. Каждому уникальному
пользователю ИИ подбирает
товарные рекомендации.
Дополнительные условия:
● размер одежды или обуви
пользователя, который он
указывает в профиле (чтобы
клиенту в рекомендованных
показывались подходящие
товары);
● вилка по цене ±150 грн (чтобы
показывались вещи с
небольшой разницей в
стоимости).
30-40% CTR говорит о том, что
персональные товарные
рекомендации эффективны.
(без персонализированного
контента – 11%).
Алгоритмы с
рекомендованными
товарами

65. Во все письма ставится
персонализированный блок с
шестью товарами. Каждому
уникальному пользователю
подбираются отдельные
предложения.
Fallback - показываются шесть
товаров с максимальным
количеством диалогов за неделю.
Персональный блок
с товарами
в письмах

66. С января по июль 2020 года удалось:
★ Стоимость заказа из каналов удержания
клиентов получилось снизить в 2 раза.
★ Количество заказов из этих каналов
увеличилось в 2,5 раза.
★ Доля директ каналов от общего
количества заказов увеличился в 1,8 раз.
Что получили
в результате

67. Какой он,
дивный новый мир?

68. Acquisition
Retention

69. Goal Driven
Marketing

70. eSputnik

71. eSputnik

72. eSputnik

73. eSputnik

74. eSputnik

75. eSputnik

76. eSputnik

77. Буду рад, если напишите
мне любые ваши вопросы!
Можно в почту, в ТГ, в Li
💌 aleksey.danchenko@esputnik.com
@the_next_billionaire_is_me

78. eSputnik
Спасибо!