4. Примеры из жизни:
Не персонализация Персонализация
Персонализация = уникальная версия сайта для каждого пользователя
5. 1. Сбор информации о пользователях и их поведении на сайте магазина.
2. Анализ поведения и товарной матрицы.
3. Формирование персонального контента.
1
2
3
Как работают системы персонализации?
6. Как это выглядит внутри?
Вызовы:
• Сбор данных
• Хранение данных
• Вычисления
• Инкрементальность
• Поддержка
7. Какие данные анализируются?
Поведение
+ Действия на сайте
+ Контекст пользователя
+ Долгосрочные интересы
+ Характеристики пользователя
+ Данные третьей стороны
Товарная матрица
+ Характеристики товаров
+ Бренды
+ Цены
+ Товарные категории
9. Как использовать результаты анализа данных?
На сайте
+ Главная страница
+ Страница категорий
+ Корзина
+ Новинки
+ Распродажи
+ Поиск
+ Личный кабинет
+ 404
Email
+ Регулярные рассылки
+ Триггерные рассылки
– Ретаргетинг визита
– Брошенная корзина
– Пост-транзакционное письмо
– Следующая наиболее вероятная покупка
…и еще около 10 сценариев.
12. Что такое Retail Rocket?
+ Товарные рекомендации для сайта
+ Система real-time персонализации
+ Система триггерных сообщений (email, display, sms, crm и т.д.)
Платформа персонализации маркетинга в Ecommerce
+ 70 миллионов уникальных пользователей в месяц
+ Аналитический кластер из 40 серверов
+ 350 тысяч внешних запросов в минуту
+ 4GB сырых данных для анализа… В час!
В цифрах:
13. Когда и как стоит заняться персонализацией
+ Высокая экспертиза в бизнесе
- Низкая экспертиза в бизнесе
+ Высокая экспертиза в IT- Низкая экспертиза в IT
Типовые решения
(внешние!)
+ кастомизация
Только типовые решения Ахтунг!
Высокая кастомизация
или собственные решения
14. Подводные камни при внедрении
– Холодный старт :(
– Инженерные задачи :(
– Организация работы над проектом :(
– Аналитика :(
15. Подводные камни: холодный старт
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
Average Order Value 7 per. Mov. Avg. (Average Order Value)
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37
% обучения одного из алгоритмов
16. Эффективность зависит от обучения
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1 2 3 4 5 6 7 8 9 10 11 12
18. Подводные камни: управление проектом
+ Менеджер проекта решает административные вопросы
+ Менеджер продукта (со стороны клиента) управляет внедрением
+ Разработчик со стороны клиента на прямой связи
Как нужно:
+ Лицо, принимающее решение, не участвует в проекте
+ Менеджер проекта не разбирается в продукте
+ Разработчик не следует инструкциям
Как обычно (не повторяйте дома):
19. Подводные камни: аналитика :(
Кейс (по данным независимого А/Б теста):
+ Конверсия +8%
+ Средний чек +0,4%
+ Выручка +9%
Реальность:
20. Это того стоит!
Результаты внедрения Retail Rocket по отраслям
Рост выручки в результате внедрения
Книги +52,1%
Бытовая техника и электороника +12,7%
Спортивные товары +57,6%
Товары для ремонта / DIY +14,4%
И это только за счет изменений на сайте!
21. Спасибо за внимание!
Николай Хлебинский, Retail Rocket
nh@retailrocket.ru
Еще больше интересного на
http://retailrocket.ru