Как многоуровневый скоринг и ИИ помог бренду обуви на Wildberries

На связи команда «Дживио» и сегодня мы решили продемонстрировать интересный кейс работы с известным обувным брендом. Разберемся — насколько важна SEO-оптимизация, как одни проблемы на маркетплейсах рождают другие и почему селлеры ищут причины снижения продаж совсем не там, где должны.

Руководство российского отделения бренда обратилось с конкретной проблемой: буквально полгода назад почти все их карточки потеряли топовые позиции и продолжают падать в ранжировании, несмотря на усилия команды.

Причиной потери ранжирования менеджемент компании видел в изменении работы алгоритма WB и обратился к нашим аналитикам за разъяснением особенностей его работы.

Тем не менее, воспользовавшись многоуровневым скорингом, нам удалось выявить несколько проблем, которые игнорировались компанией и служили реальной причиной ухудшающейся ситуации.

А теперь главная причина, почему мы решили опубликовать этот кейс: менеджмент компании был уверен, что причина в действиях конкурентов и изменении алгоритма, мы же были уверены, что причина кроется в другом.

Многоуровневый скоринг представлен по следующей логике: выявленные проблемы и недоработки в карточке распределены по степени критичности на “критичные, важные и рекомендованные” и на их основе создана карта угроз.

Давайте взглянем на “критические” рекомендации:

Общий размер товарной матрицы бренда на Wildberries – 60 SKU. Если взглянуть на анализ, то 38 из них подвержены пессимизации и имеют негативный отзыв в зоне видимости (10 последних отзывов).

По нашим собственным замерам, негатив в зоне видимости снижает количество продаж до 20%.

Но помимо негатива, есть еще одна важная особенность:

Как мы можем видеть 34 карточки (больше 50% товарной матрицы) имеют проблемы с выкупом. То есть их заказывают, но не выкупают на ПВЗ, а вкупе с количеством негатива, становится очевидно, что эти факторы связаны между собой.

Для проверки мы прошлись по всем карточкам с низким процентом выкупа и собрали все негативные отзывы за последние 3 месяца и выявили два общих признака: “качество упаковки” и “подходят только на широкую ногу”.

Под жалобами на упаковку крылось то, что бренд отсылал свою обувь (достаточно дорогую) в красивой фирменной коробке, которая оказалась не пригодна для складов WB и приходила покупателям в таком виде, будто ее переехала машина. Огромный процент покупателей просто отказывался на ПВЗ, даже не примерив обувь.

Вторая проблема оказалась куда более серьезной: обувь действительно подходила только на широкую ногу (о чем знали представители бренда, но не могли указать это в размерной сетке из-за 3P-контракта с WB).

В итоге мы сформировали два решения:

В итоге, комплекс проблем создал ту самую потерю ранжирования: покупатель получал товар на ПВЗ, отказывался по одной из двух вышеописанных проблем и оставлял негативный отзыв, либо о том, что товар был в рваной коробке, либо о том, что не подходил по размеру:

Бренд же получал постоянное снижение процента выкупа и снижение рейтинга артикулов, а следом за ним – снижение рейтинга магазина (которое влияет на ранжирование всех позиций в магазине).

Вывод: реальной проблемой оказались вовсе не “секретные действия” конкурентов и изменения алгоритма WB, а отсутствие в компании инструмента, позволяющего комплексно увидеть взаимосвязи проблем.

Помимо проблем с рейтингом и выкупом, были интересные замечания и в “важных” и “рекомендованных” алертах.

Давайте обратим внимание на два самых “больших” пункта.

29 карточек (50% матрицы) имеют проблемы с SEO-наименованием, то есть могут получать от 40 до 70% больше целевого трафика, а значит – увеличить ежемесячную выручку.

42 карточки (80% матрицы) имеют малое количество вопросов (или не имеют вовсе), то есть не закрывают основные возражения покупателя и трафик конвертируется в продажи гораздо реже, чем у конкурентов (из-за чего также происходит пессимизация).

Компания также упускала возможность работы с региональными складами и если взглянуть на раздел “рекомендованных улучшений”, то мы увидим 10 возможных отгрузок на региональные склады, которые суммарно добавили бы 539 848 рублей в месяц к выручке бренда.

Друзья, прежде, чем искать причины снижения продаж в секретных изменениях алгоритма маркетплейса или анализировать действия конкурентов – проведите комплексный анализ проблем, которые могут быть в вашей товарной матрице.

Оборот больше 1 000 000 рублей в месяц? Получите комплексный инструмент на основе ИИ! Больше подробностей на нашем сайте!