Товарные рекомендации
- ключ к лояльности
и повышению доходов
Рожко Алексей
Менеджер партнерского отдела «1С-Битрикс»
Веб-аналитика?
Персонализация!
Следующей женщине,
которая ищет зелёное пальто,
мы уже попробуем продать
красную сумку
Весной 2012 года в ритейлинговой сетиTarget случился скандал. В
магазин Target ворвался мужчина с просьбой вызвать менеджера,
держа в руке кучку купонов, полученных его дочерью. Купоны были
на товары для беременных (памперсы, детская одежда).
Дочь была школьницей и на крики отца по поводу такого
несоответствия работники магазина лишь извинялись.
Оказалось, девушка и правда оказалась в положении, сама того не
зная.
Эти загадочные алгоритмы 
Благодаря алгоритмам
прогнозирования на основе
покупаемых товаров (девушка
покупала духи), школьницу отнесли к
группе беременных, и поэтому
системой было принято решение
прислать купоны.
Зачем нужны рекомендации?
• Увеличить шансы на покупку в
вашем магазине
• Привлечь внимание к товарам
• Увеличить средний чек
• Вернуть покупателя
(персонализированные
рассылки)
• Увеличить частоту повторных
покупок
Способы увеличения среднего чека и
привлечения внимания к товарам
• Перекрёстные продажи (Cross Sell): на странице продукта («С этим товаром
покупают», «Возможно вам понравится», «Недавно просмотренные», «Похожие
товары», наборы и комплекты), до перехода к корзине, в момент оформления
заказа.
• «Магнит сверху» (дополнительная скидка при достижении планки)
• Программа лояльности (бонусы, подарочные карты, скидочные купоны)
• Продажи товаров одной линейки (серии)
• Up Sell
• Бесплатная доставка или скидка при покупке от …
• Возврат денег (бонусы)
• Поведенческие алгоритмы (персональные товарные рекомендации)
Cross Sell и Up Sell — поиграем?
Как подобрать подходящие
товары?
Как подобрать подходящие товары
• Вручную
• Полуавтоматически (правила)
• Сервисы персональных
рекомендаций
BigData
Только попробуй ещё хоть раз
сказать «BigData»!
Большие данные
(BigData)
BigData — серия
подходов, инструментов
и методов обработки
структурированных и
неструктурированных
данных огромных
объёмов и значительного
многообразия для
получения
воспринимаемых
человеком результатов.
Источники больших данных
• Поисковые системы с их
сервисами контекстной рекламы
• Социальные сети
• Банки и платёжные системы
• Телекоммуникационные
компании
• Интернет-магазины
Как выглядит использование
больших данных?
Так мы себе представляем
работу с «большими данными»…
А вот что мы
имеем сегодня…
Вот к чему мы должны
стремиться на самом деле!
В сервисах персональных
товарных рекомендаций
используются алгоритмы
работы с BigData
• Softcube
• Retail Rocket
• Crossss
• Napoleon
• Rees46
• SmartRec
• Criteo
• 1C-Битрикс: BigData
Сервисы персональных рекомендаций
1С-Битрикс: BigData
BigData: Персонализация
• Облачный сервис рекомендаций
• Заказов по рекомендации: от 9% до 37%
• Встроен в каждый интернет-магазин (универсальный компонент для
главной страницы, списка, детальной карточки товара)
• Персональные рекомендации в административной части для
повышения эффективности работы менеджеров по продажам
• Самый большой на рынке охват интернет-магазинов
• Открытый API для разработчиков
• За полгода эксплуатации сервиса:
o Подключено более 17 000 интернет-магазинов
o Обсчитываем событий — 440 миллионов
o Уникальных посетителей — 220 миллионов
o Уникальных товаров — 18 миллионов
Как запустить у себя
персонализацию?
• Обновить ваш магазин до
версии 15.5;
• Установить виджет
(компонент):
– на главную страницу;
– на страницу списка товаров;
– на детальную страницу;
– на страницу корзины;
– на страницу оформления
заказа.
• Отслеживать
эффективность на странице
списка заказов.
Используйте персональные
товарные рекомендации и
увеличивайте конверсию
вашего интернет-магазина
Спасибо за внимание!
Вопросы?
alex.rozhko@1c-bitrix.ru
bitrix24.net/alex/

Товарные рекомендации - ключ к лояльности и повышению доходов

  • 1.
    Товарные рекомендации - ключк лояльности и повышению доходов Рожко Алексей Менеджер партнерского отдела «1С-Битрикс»
  • 2.
  • 3.
    Персонализация! Следующей женщине, которая ищетзелёное пальто, мы уже попробуем продать красную сумку
  • 4.
    Весной 2012 годав ритейлинговой сетиTarget случился скандал. В магазин Target ворвался мужчина с просьбой вызвать менеджера, держа в руке кучку купонов, полученных его дочерью. Купоны были на товары для беременных (памперсы, детская одежда). Дочь была школьницей и на крики отца по поводу такого несоответствия работники магазина лишь извинялись. Оказалось, девушка и правда оказалась в положении, сама того не зная. Эти загадочные алгоритмы  Благодаря алгоритмам прогнозирования на основе покупаемых товаров (девушка покупала духи), школьницу отнесли к группе беременных, и поэтому системой было принято решение прислать купоны.
  • 5.
    Зачем нужны рекомендации? •Увеличить шансы на покупку в вашем магазине • Привлечь внимание к товарам • Увеличить средний чек • Вернуть покупателя (персонализированные рассылки) • Увеличить частоту повторных покупок
  • 6.
    Способы увеличения среднегочека и привлечения внимания к товарам • Перекрёстные продажи (Cross Sell): на странице продукта («С этим товаром покупают», «Возможно вам понравится», «Недавно просмотренные», «Похожие товары», наборы и комплекты), до перехода к корзине, в момент оформления заказа. • «Магнит сверху» (дополнительная скидка при достижении планки) • Программа лояльности (бонусы, подарочные карты, скидочные купоны) • Продажи товаров одной линейки (серии) • Up Sell • Бесплатная доставка или скидка при покупке от … • Возврат денег (бонусы) • Поведенческие алгоритмы (персональные товарные рекомендации)
  • 11.
    Cross Sell иUp Sell — поиграем?
  • 12.
  • 13.
    Как подобрать подходящиетовары • Вручную • Полуавтоматически (правила) • Сервисы персональных рекомендаций
  • 14.
  • 15.
    Только попробуй ещёхоть раз сказать «BigData»!
  • 16.
    Большие данные (BigData) BigData —серия подходов, инструментов и методов обработки структурированных и неструктурированных данных огромных объёмов и значительного многообразия для получения воспринимаемых человеком результатов.
  • 17.
    Источники больших данных •Поисковые системы с их сервисами контекстной рекламы • Социальные сети • Банки и платёжные системы • Телекоммуникационные компании • Интернет-магазины
  • 18.
  • 19.
    Так мы себепредставляем работу с «большими данными»…
  • 20.
    А вот чтомы имеем сегодня…
  • 21.
    Вот к чемумы должны стремиться на самом деле!
  • 22.
    В сервисах персональных товарныхрекомендаций используются алгоритмы работы с BigData
  • 23.
    • Softcube • RetailRocket • Crossss • Napoleon • Rees46 • SmartRec • Criteo • 1C-Битрикс: BigData Сервисы персональных рекомендаций
  • 24.
  • 26.
    BigData: Персонализация • Облачныйсервис рекомендаций • Заказов по рекомендации: от 9% до 37% • Встроен в каждый интернет-магазин (универсальный компонент для главной страницы, списка, детальной карточки товара) • Персональные рекомендации в административной части для повышения эффективности работы менеджеров по продажам • Самый большой на рынке охват интернет-магазинов • Открытый API для разработчиков • За полгода эксплуатации сервиса: o Подключено более 17 000 интернет-магазинов o Обсчитываем событий — 440 миллионов o Уникальных посетителей — 220 миллионов o Уникальных товаров — 18 миллионов
  • 29.
    Как запустить усебя персонализацию? • Обновить ваш магазин до версии 15.5; • Установить виджет (компонент): – на главную страницу; – на страницу списка товаров; – на детальную страницу; – на страницу корзины; – на страницу оформления заказа. • Отслеживать эффективность на странице списка заказов.
  • 30.
    Используйте персональные товарные рекомендациии увеличивайте конверсию вашего интернет-магазина
  • 32.