Как интернет-магазинам стройматериалов и товаров для дома конкурировать с маркетплейсами ― тезисы DIY Digital Days 2024

19-21 марта прошла онлайн-конференция DIY Digital Days. Доклады были посвящены развитию eCommerce в сегменте DIY и товаров для дома с помощью сквозной аналитики, внедрения ИИ, продвижения в поисковых системах и на маркетплейсах.
В этой статье делимся главными тезисами из сессии вопросов и ответов со спикерами.

О конкуренции с маркетплейсами

Про технологии для интернет-магазинов в сегменте DIY

Про настройку сквозной аналитики

— Какие факторы влияют на формирование поискового спроса в сегменте DIY и есть ли специфика по сравнению с другими отраслями? Имеет ли смысл интернет-магазинам DIY и товаров для дома конкурировать с большими игроками, такими как «Петрович», «Леруа Мерлен» и «Все инструменты»?

— В нише DIY спрос преимущественно категорийный, когда ищут какую-то категорию товаров по каким-то наборным признакам – какие-то конкретные модели. Другие запросы есть, но их сильно меньше, чем категорийных.

С большими игроками тоже можно конкурировать. Сколько нужно вложить в такую конкуренцию и когда эти вложения окупятся ― на эти вопросы стоит ответить перед тем как вступать в конкурентную борьбу.

Второй момент – смотреть, каким образом формируется поисковая выдача. Например, можно пробиться в поиск по товарам в Яндекс.Товарах. Удачное ранжирование в поиске по товарам может привести к привлечению клиентов, особенно если у вас хорошие цены.

— Есть ли отличия по методикам продвижения на разных маркетплейсах?

— В каждом маркетплейсе есть свои способы ранжирования. Например, Wildberries месяц назад изменил алгоритм ранжирования рекламы. До сих пор собрать отчеты из рекламного кабинета ВБ невозможно, как и сделать вывод, работает реклама или нет. В OZON все достаточно прозрачно, площадка делится своей методикой ранжирования товаров.

— Если в выборку по запросу «штукатурка» попадает 100 товаров с одинаковым рейтингом и сроками доставки, то по каким критериям они будут ранжироваться?

— Ранжирование на маркетплейсах зависит от того, какие инструменты подключены у селлера. Если на Озоне у 100 товаров одинаковый рейтинг, количество отзывов и сроки доставки, то дальнейшее ранжирование будет зависеть от инструментов, подключенных у продавца. А если у продавцов одинаковые инструменты, будет действовать система аукциона. Тот, кто предоставит большую ставку, будет выше подниматься в результатах.

— С какими вызовами можно столкнуться при разработке кроссплатформенного приложения для интернет-магазина и какие плюсы это дает?

— Мы выбрали технологию React Native для разработки кроссплатформенного гибридного мобильного приложения интернет-магазина строительных товаров «Аквилон» с целью ускорения запуска.

Клиенты быстрее получают возможность пользоваться всеми функциями сайта без необходимости разрабатывать нативное мобильное приложение: в гибридное приложение просто «встроены» страницы мобильной версии интернет-магазина.

Благодаря этой технологии на запуск приложения ушло всего три месяца, а еще через три – через него приходило уже 30% всех онлайн-заказов.

— Почему умный поиск настолько эффективен именно в интернет-магазинах в сегменте DIY?

— Умный поиск эффективен не только в сегменте DIY товары для дома: это и фэшн, и аптеки — в каждой вертикали интернет-ритейла он будет эффективен, где пользователи ищут товар в каталоге или через поиск.

Маркетплейсы сегодня учат пользователей искать товар не через каталог, а через поиск. Если поисковая выдача на маркетплейсе не дает пользователю никакого результата, он вряд ли пойдет в каталог ― он подумает, что этого товара нет, и просто уйдет к конкурентам. По этой причине умный поиск актуален в каждой вертикали интернет-ритейла: DIY, fashion, фарм и других.

— Какие технологии лежат в основе умного поиска? Как в нем задействованы искусственный интеллект и машинное обучение?

— Выдача товаров на сайте продавца ранжируется с помощью искусственного интеллекта за счет информации, которую мы собрали от других пользователей. Но в целом на эту выдачу тоже можно влиять. Например, заключить договоренности с брендом или продвигать самим за счет мерчендайзинговых правил.

Мы можем запомнить поведение пользователей на сайте ― например, какие товары они просматривали или положили в корзину ― и на основе этого опыта предугадывать предпочтения и рекомендовать товары при этом запросе для других пользователей.

Мы понимаем, с какими запросами пользователь обращается к поисковой строке, какие товары просматривает в каталоге, что действительно ему интересно. И в дальнейшем видим, какие запросы оказываются нулевыми, т.е. когда пользователь ввел запрос и ничего не получил. Если у нас все же есть этот товар, то позволяем его отобразить или предложить альтернативу.

— Какие основные трудности возникают при настройке сквозной аналитики для мультиканального анализа и как их преодолеть?

— Сбор и хранение данных ― это основная проблема маркетологов в работе со сквозной аналитикой. Смысл сквозной аналитики – связать выручку с затратами на рекламу, которая привлекла заказы.

Важно с самого начала корректно подготовить данные для дальнейшей работы:

— Какие модели атрибуции вы считаете наиболее эффективными для сегмента DIY?

— Выбор модели атрибуции зависит от стоимости товара и линии поведения клиента.

Иногда можно применять модель атрибуции «первый клик» ― она учитывает, как именно пользователь попадает к вам на сайт.