Персонализация
description
Transcript of Персонализация
3 попытки персонализации интернет-магазина: 1фатальные ошибки, повороты и лучи надежды
Григорий Дернов1директор по продукту E96.ru
Персонализация - это
сайт
каналы коммуникации (рассылки, колл-центр, ПВЗ)
Настроить
под конкретного покупателя, чтобы повысить
доход /посетителя
lifetime value
Подходы к персонализации
Ручные правила1Обычно сопутка+рассылки Не масштабируется с ростом SKU
Готовые решения, автоматические алгоритмы1Подключают и не контролируют Коммерсанты недовольны вечно обучающимися алгоритмами, считают что ручная система лучше
Собственная разработка1Любимый вариант разработчиков Нужен: сервер, разработчики, алгоритм Тратим много ресурсов и упорно переписываем алгоритм. Чем дальше тем меньше хочется все бросать.
Успели набить свои шишки
Мы еще не до конца знаем как правильно, но как неправильно – уже знаем точно :)
Познакомимся!
Бытовая техника, электроника, для дома, детские товары, сантехника, инструменты
Бренд: в ряде регионов бренд E96 конкурирует с федеральными брендами в интернете
0
17.5
35
52.5
70
E96
Связно
й
Мви
део
Эльд
орад
о
E96
Связно
й
Мви
део
Эльд
орад
о
5+ МЛРД руб/год
Forbes: ТОП-15 по обороту, ТОП-3 по обороту/сотрудника
Какие задачи ставим?
валовая маржа заказа (+средний чек)
конверсия трафикаПовысить 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
Краткосрочные
Упростить выбор среди 300 000+ SKU в 600+ категориях
Какие задачи ставим?
бесшовный сервис
лояльность
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
Попытка #1. Ручные алгоритмы
До меня купилиКакой товар и когда купили (“минуту назад”) <1% использования, +3% конверсии !Блок не кликают, но стимулирует к покупке – т.е. по сути social proof
Попытка #1. Ручные алгоритмы
Вы смотрелиТовары, которые смотрел в течение сессии 7% процент использования, <+1% конверсии !Т.е. это всего лишь элемент навигации
Попытка #1. Сопутка
Ручные связки “категория-категория”
3 формата:11) Карточка товара
2) Лайтбокс по категориям
3) Лайтбокс при добавлении в корзину
Попытка #1. Сопутка
Попытка #1. Сопутка – эффективость блоков
Место размещения сопутки сильно влияет на конверсию Лайтбоксы все еще рулят
49% лайтбокс
39% карточка товара
12% лайтбокс категорий
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
Выводы1– Сортировка товаров правда влияет на конверсию (причем значительно) – Нельзя перекраивать сортировку товаров под комм. задачи без персонализации
Попытка #1. Коммуникация настолько же важна
Просто добавили эти алгоритмы в автоматические рассылки !
динамика эффективности рассылок
ДО1открытия/переходы
ПОСЛЕ открытия/переходы
%1динамика
ПОСЛЕконв.
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%
Выводы1Автоматические рассылки по этим алгоритмам – это основной объем продаж с рассылок воообще Показатели ручных рассылок на 30-70% ниже (недостижимо)
Попытка #1. Проблемы
невозможно на нашем объеме 300 000+ SKU в 600+ товарных категориях
связки быстро устаревают
игнорируем неформализуемые сценарии выбора товара
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
сложно поддерживать актуальными
Попытка #2. Готовые решения
автоматические алгоритмыИспользуют 1) историю наших покупок за все время (связки категория-
категория) 2) текущую историю просмотров/покупок (обучение)
3+1
Выбрали несколько систем
ручной алгоритм
Тестируем, сравниваем с ручной системой
Попытка #2. Не смотреть искуственные метрики
сравнение аудитории системы со всем сайтом
доля продаж через системуПример 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)
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
CTR блоков персонализации
средний чек по карточке товара
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
Попытка #2. Не делать поспешных выводов
+2% конверсия
+6% средний чек
Мало? Все не так очевидно…
Попытка #2. Сегментировать результаты по категориям
В разрезе товарных категорий ситуация сильно отличается
-12
-9
-6
-3
0
3
6
9
Теле
фон
ы
Кров
атки
План
шеты
Мул
ьтив
арки
Ноутбу
ки
Свар
очны
е
Холо
диль
ники
Котл
ы
Электроника – отработала хорошо !Не-электроника (которая дает нам основные продажи) – плохо !Причины – на поверхности:1автоматический алгоритм рекомендовал к детской кроватке – шины, к мультиварке – планшет, к сварочному аппарату – унитаз, а к котлу – ноутбук !!Зато получили мини вирусный эффект!)1Люди делились в соцсетях друг с другом и с нами в рассылках смешными скринами рекоммендаций
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 хвост1У нас львиная доля продаж внутри категорий – единичная В электронике гораздо больше лидеров продаж, чем в духовых шкафах
доля
про
даж
0
15
30
45
60
кол-во продаж 1 товара10+ 5-10 2-5 1
планшеты чайники
Попытка #2. Гибкость настройки правил
mix ручных+авто алгоритмов
Автоматические правила не могут обеспечить адекватную картинку (+рост конверсии) по всем категориям !Значит нужно отключать категорию / иметь возможность настраивать
Попытка #2. Тестировать параллельно
Обучение каждой системы занимает примерно 4-12 недель !!!!
Лучше подключить сразу 2-3 системы на тест и сравнить их друг с другом.
Это долго…
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
Попытка #3. Главная страница
Лидеры продаж Пример: сезонные товары) !Товары по истории просмотров Пример: длинные продажи (КБТ) !…
Попытка #3. Листинг
Попытка #3. Карточка товара
4 шишки, которые мы уже набили
Не использовать искуственные метрики1!!Сегментировать по категориям !!Не только сайт, также рассылки + колл-центр !!Возможность гибко настраивать правила
Спасибо за внимание!
Григорий Дернов1директор по продукту E96.ru