REES46: пять ошибок работы с товарными рекомендациями на сайте

REES46 — комплекс ecommerce-сервисов, работающих по принципу «одного окна». Включает в себя инструменты для повышения конверсии интернет-магазина, размера среднего чека, life-time value клиента, работы с лояльностью. Мы сделали подборку решений на сайтах интернет-магазинов, где товарные рекомендации работают не так, как планировалось — и показали, как это можно исправить.

Каков один из главных принципов офлайнового сетевого магазина? Правильно, зайдя за спичками, клиент должен уйти в полными пакетами всякого добра, которое он покупать не собирался, но оно ему внезапно очень понадобилось благодаря усилиям маркетологов и мерчендайзеров. Что-то продается с якобы огромной скидкой, что-то просто правильно лежит в нужном месте — как условные чипсы рядом с условным пивом. А некоторые ритейлеры даже используют системы распознавания лиц: ты подошёл к мясному отделу, а на ближайшем дисплее включили для тебя персонализированный рекламный ролик: попробуй вот этот сервелат к праздничному столу — мы же знаем, что у тебя гости завтра.

Наверное, самый известный такой кейс у Mondelez (производитель печенек Oreo). Они решили сделать smart shelves — полки в магазинах с датчиком Kinect, который определял пол и возраст подходящих к полке людей. Правда, потребители технологию тут же назвали жуткой и новости на тему инновации как-то резко иссякли.

В онлайн-ритейле возможности классического мерчендайзинга сильно ограничены, однако есть другие инструменты повышения среднего чека: в первую очередь это товарные рекомендации. Многие владельцы интернет-магазинов относятся к ним скептически. Дескать, раз доля прямого трафика в e-commerce невелика и составляет в среднем лишь 16-19%, то это означает, что покупатель чаще всего ищет конкретный товар. На самом деле зашедший в магазин посетитель может искать и несколько разных товаров одновременно, или изучать онлайн-витрины на предмет «что дают». Или искать, что бы такое интересное купить с хорошей скидкой: клиент часто вообще не предполагает существование того или иного товара, но как только узнает о нём, сразу хочет его приобрести. Иначе как жить без коврика для газовой плиты за 93 рубля? На этом держится весь AliExpress, например.

Рекомендательный блок на AliExpress
Рекомендательный блок на AliExpress

Продать покупателю в интернете больше, чем он планировал потратить, можно разными способами. Например, это надоедливые popup-баннеры про очередные акции (купи на 5000 рублей и получи бесплатную доставку). Это работает разве что при очень низких порогах: например, если покупатель выбрал товар за 200 рублей, а доставка стоит 300, но от 500 рублей она бесплатна. Если же товар стоит 5000, а бесплатная доставка от 10 000, то покупателю будет лень идти и искать, чем бы еще добить корзину до акционной суммы, чтобы сэкономить 300 рублей – он прекрасно понимает, что потеряет значительно больше, набрав ненужного барахла.

А можно использовать товарные рекомендации. Все слышали про то, что они действительно работают, и кто-то даже знает о том, что они бывают разных видов под разные сценарии. Но на практике в российских интернет-магазинах они часто реализуются просто по принципу «Чтобы было».

Первый пример: заходим на сайт крупного сетевого ритейлера, торгующего электроникой и бытовой техникой. Нажимаем на первый попавшийся ноутбук. В разделе «рекомендуемые аксессуары» видим прекрасное:

<p>Контекстный рекомендательный блок при покупке ноутбука в магазине электроники</p>

Контекстный рекомендательный блок при покупке ноутбука в магазине электроники

Хорошо, колонки еще куда ни шло, благо в ноутбуках динамики совсем негромкие. Но зачем мне громоздкая веб-камера, если она (причем лучшего качества) и так встроена в лэптоп? Или какой-то кабель для принтера? Мы не принтер покупаем. Сюда же микрофон и гарнитура: вроде полезно, но у этого ноутбука другой разъем и предложенные аксессуары вообще не будут работать.

То есть, платформа просто предлагает абы какие «околокомпьютерные» аксессуары, которые просто нужно продать.

Второй пример: часто весь рекомендательный блок содержит просто подборку товаров аналогичного типа:

Блок товаров той же категории в одном из российских магазинов сумок
Блок товаров той же категории в одном из российских магазинов сумок

То есть, пришел пользователь за конкретным рюкзаком, а ему предлагают еще 8 штук, причем с десятикратным разбросом цен. Задача переориентировать на более дорогой товар понятна, но в данном случае этот «выбор» только запутывает покупателя, потому что логики в выборе ценового сегмента здесь не просматривается.

Исправить ситуацию можно было бы при помощи ручной настройки блоков рекомендации с указанием диапазона цен, однако такая функция есть далеко не во всех системах управления рекомендациями.

REES46: пять ошибок работы с товарными рекомендациями на сайте

Третий пример: нерелевантный товар. Заходим на сайт зоомагазина и выбираем корм для собак малых пород. Что нам предлагают в качестве рекомендаций? Переноску, в которой три наших собаки могут играть в чехарду. Палочки-игрушки диаметром 3,5 сантиметра: такие хорошо овчарке дать, но никак не чихуахуа. Уничтожитель пятен и запахов для кошек. Наверное, собаки тоже метят территорию и гадят в тапки. Ну, и поилка для грызунов. Маленькая же собака, не больше хомячка. Зато все товары — со скидкой!

<p>Рекомендации к корму для маленьких собак в зоомагазине </p>

Рекомендации к корму для маленьких собак в зоомагазине

Ни один универсальный алгоритм не сможет корректно работать с зоомагазинами: здесь требуется ручная дополнительная настройка специфики. То есть, нужно задать условие: если пользователь зашел в раздел «собачьих» товаров, то он должен получать рекомендации только из этой категории, а не из всего ассортимента. Так выглядит настройка такой логики:

REES46: пять ошибок работы с товарными рекомендациями на сайте
REES46: пять ошибок работы с товарными рекомендациями на сайте
REES46: пять ошибок работы с товарными рекомендациями на сайте

Четвертый пример: дорогостоящий товар. В рекомендательный блок желательно добавлять товары, которые стоят значительно дешевле «основного», к которому они рекомендуются. Потому что вероятность того, что покупатель вдруг в дополнение к телевизору за 25 тысяч рублей внезапно захочет приобрести смартфон за те же деньги, крайне маловероятна. Он сейчас совершает крупную покупку и две сразу просто «не потянет». Сейчас же не декабрь 2014-го, когда самые хитрые побежали хватать электронику впрок в надежде продать ее на «Авито», когда та подорожает. Из всего предлагаемого еще как-то можно оправдать медиаплеер за 5 тысяч, вот только проблема: в современном телевизоре и так есть встроенный медиаплеер. Куда логичнее здесь выглядел бы, например, кронштейн.

Блок рекомендаций в маркетплейсе при покупке телевизора
Блок рекомендаций в маркетплейсе при покупке телевизора

Пятый пример: неочевидное расположение рекомендательного блока там, где его не увидит большинство пользователей.. Посмотрите на магазин мотоэкипировки: после карточки с товаром расположена таблица с размерами, потом видеообзор товара, потом два видеоролика с гайдами по выбору мотоштанов, далее отзывы, потом условия доставки, далее проматываем все адреса офлайновых магазинов с фотографиями, дальше рассказ про гарантию, предложение оставить номер телефона, далее текст про то, где купить и померить, потом видео про то, какой магазин сам по себе крутой, еще раз предложение оставить телефон, уффф, доскроллили до десятого экрана, наконец-то рекомендуют нам другие штаны. Все подряд, мужские и женские.

REES46: пять ошибок работы с товарными рекомендациями на сайте

Как делать правильно?

Единственный вариант, при котором рекомендательные блоки действительно работают — это когда товары в них предлагаются персонально. Это работает примерно так же, как «Яндекс.Музыка», подсовывающая вам интересных музыкантов, которых вы раньше не слышали, или YouTube с видео, которые можно смотреть бесконечно. Но откуда вы узнаете, что пользователь захочет купить конкретный товар?

Это невозможно знать заранее, но можно с высокой долей соответствия предсказать на основе анализа Big Data и искусственного интеллекта; модель, обученная на сотнях тысяч поведенческих сценариев, и учитывающая, казалось бы, даже малозначительные данные типа времени входа на сайт и используемого устройства, позволяет строить обезличенный «профиль» покупателя и уже на основании этого предлагать ему релевантную рекомендацию, причем не всегда очевидную. Условно, интересующемуся ноутбуком конкретному человеку можно посоветовать электрическую зубную щетку, и он ее купит! Почти как в классическом мерчендайзинге.

Такой механизм реализован, например, на платформе REES46. При этом, помимо готовых сценариев, можно создавать и тестировать собственные, причем для этого не нужно быть дата-саентистом: схема будет просто и наглядно нарисована в личном кабинете. В системе доступно три уровня персонализации; а для каждого генерируемого рекомендательного блока доступны продвинутые инструменты аналитики.

В среднем внедрение рекомендательных блоков на основе Big Data, по статистике REES46, позволяет увеличить объем продаж на 18% в штучном выражении. Например, в интернет-магазине Nanuka на платформе REES46 работают 6 блоков:

  • Посмотрите также (Корзина)
  • Популярные товары (Главная страница, страница категории)
  • Похожие товары/С этим товаром также покупают (Страница товара)
  • Прямо сейчас покупают (Главная страница)
  • Вам будет это интересно (Страница товара)
  • Вы недавно смотрели (Страница категории)

В декабре благодаря товарным рекомендациям Nanuka получили 7,2% выручки, а объем проданных товаров увеличился на 16,8%.

Один из рекомендательных блоков в магазине Nanuka
Один из рекомендательных блоков в магазине Nanuka

Магазину товаров для ногтей ParisNail товарные рекомендации помогают делать большую часть продаж и обеспечивают около 30% дополнительного дохода. Этот показатель превосходит аналогичный для штатных систем CMS, используемых магазином ранее. Так, доля продаж из блоков рекомендаций достигает в некоторые дни 62,6%, а доля рекомендованных товаров в выручке доходит до 34%. Самая лучшая конверсия у сценариев «Брошенная корзина» и «Смотрел, но не купил» — они и принесли больше всего продаж.

В интернет-магазине косметики и бытовой химии Sunbeeshop часть блоков работает с «заполняющим алгоритмом»: когда некоторые товары добавляются по одному алгоритму, а некоторые — по другому. При этом в конструкторе можно выставить лимит товаров для каждого алгоритма. Благодаря тому, что Sunbeeshop активно работает с конструктором товарных рекомендаций, у него одни из самых высоких показателей в отрасли среди всех клиентов REES46: например, в ноябре доля проданных товаров через блоки рекомендаций составила 77,72% или 52,04% от всей выручки.

REES46: пять ошибок работы с товарными рекомендациями на сайте

***

Товарные рекомендации — прекрасный инструмент для увеличения объемов продаж и среднего чека. Нужно лишь не использовать их бездумно: мол, что-то там рекомендует, авось нарекомендует. Блок рекомендаций должен быть, во-первых, хорошо заметным, а во-вторых, максимально персонализированным. Сделать его таким позволяют современные технологии машинного обучения, но важно понимать: это лишь эффективный инструмент в руках продавца, а не волшебная кнопка «увеличить продажи». Приложить руки, то есть, выдвинуть и проверить гипотезы, провести A/B-тесты всё же придётся.

225225
17 комментариев

Хотелось бы, чтобы у тех, кто встраивает товарные рекомендации отложилась в голове простая мысль - нельзя просто встроить ее и ждать гору бабла. Нужно постоянно анализировать, дорабатывать и тестить. Отслеживать поведение у своих клиентов.
Тогда и выручку можно срубить большую. Я и сам был до недавнего времени из той лиги. Но уже после смотря на статистику розовые очки трескались. Сейчас постоянно дорабатываем эту тему, лучше простраиваем сценарии. Уже с первого месяца, как мы вплотную занялись этим, поперли результаты

9
Ответить

Да нифига они не работают. Это же по тому же принципу, что в магазине на кассе выложены продукты. Уже давно никто не ведется на такой очевидный маркетинговый прием. Если мне не надо, то я и в жизнь не возьму, достала эта реклама, все ее тупо игнорируют

Ответить

класс мне нравится

1
Ответить

Давайте не будем забывать, что товарные рекомендации это не тупо про выручку и заказы, но еще и лояльность клиента к бренду. Это еще и работа над репутацией в лучшую сторону

1
Ответить

Все больше и больше убеждаюсь, что нужно брать курсы Big Data. Еще можно придумать множество различных полезных фичей 

1
Ответить