Как построить персонализацию на практике: подходы, этапы и рецепты

Как улучшить клиентский опыт и повысить конверсию и выручку в диджитал-продуктах с помощью персонализации? Сегодня расскажем вам о подходах к персонализации и ее применении на практике.

Давайте представим себя на месте Стаса, e-Commerce директора довольно крупного онлайн-магазина DIY, мебели и товаров для дома. По данным сайта дом.рф, в 2023 году недвижимость приобрели 4 миллиона семей. Большие числа — большие возможности: все эти семьи будут заниматься ремонтом в ближайшие пару лет. Средняя продолжительность ремонта — 5 месяцев, потребностей при его проведении очень много и они весьма разнообразные: мебель, отделочные и строительные материалы, инструменты и т.п. Также предполагается большое количество повторных покупок, поэтому тот, кто приобрел единожды, при создании идеального пользовательского опыта, обязательно вернется еще раз. У каждого покупателя свой уникальный клиентский путь, поэтому наша главная задача — научиться чутко распознавать его актуальные потребности, подстраивать под них сайт и помогать получать нужный товар. Работа над лояльностью пользователя, т.е. правильное понимание его запроса и демонстрация необходимых товаров согласно его интересам, создание нужных и полезных рекомендаций является фундаментом для развития бизнеса и повышения конверсии.

Как же нашему герою правильно воспользоваться возможностями рынка и вырастить бизнес? Давайте пошагово пройдем вместе с ним по пути персонализации.

Какая основная задача у Стаса? Правильно — улучшить взаимодействие с пользователями, вследствие чего поднять выручку и конверсию. Но Стас не может работать со всем объемом покупателей сразу, ему необходим индивидуальный подход.

Разделяй и властвуй, начало эффективного взаимодействия — правильная сегментация, в зависимости от характеристик и потребностей приходящих покупателей. Работать нужно не со всем потоком, а с отдельными аудиториями, которые в общем будут покрывать 100% трафика. Стасу необходимо выделить несколько наиболее перспективных сегментов и направить усилия на поднятие их показателей.

Важно делать разбивку в соответствии с каким-то одним принципом сегментации, чтобы потом не затеряться в пучине разнокалиберных, выстроенных по разным характеристикам сегментов. Можно выделить 2 основных подхода к созданию аудиторий: контекстуальный и основанный на предпочтениях, аффинити-профиле.

*Аффинити-профиль — набор персональных предпочтений пользователя, который формируется на основе его поведения на сайте или в мобильном приложении.

В первом случае Стас будет разбивать сегменты в зависимости от этапа воронки, на котором находится пользователь: нужно отделить покупателей, которые только знакомятся с ассортиментом магазина, от тех, кто уже выбрал какой-то конкретный предмет, но еще изучает варианты, и от тех, кто уже занес товары в корзину и готовится нажать заветное «Оформить заказ». Во втором же случае Стас делает акцент на интересах пользователя в моменте. Например, в зависимости от того, какой конкретно категорией товаров покупатель интересуется в данный момент, будет выстраиваться его пользовательский путь. Наша задача — сделать его как можно проще и удобнее.

Для начала стоит выделить 3-4 основных сегмента, а уже далее, для находки более точных решений, углубляться в более детальную и тонкую микросегментацию. Важно понимать актуальные, базирующиеся на последних поведенческих данных потребности и интересы каждого сегмента — только тогда получится выстроить эффективную стратегию персонализации. Нужно вникнуть вглубь сегмента: изучить, чего ему не хватает, найти решения, с помощью которых это можно исправить.

Итак, допустим, путем анализа Стас выделяет среди своих пользователей одним из перспективных сегментов аудиторию родителей, которые собираются обустраивать детскую и начинает изучать его метрики. Данные о размере сегмента, его среднем чеке и выручке помогут построению успешной коммуникации. Стас видит, что у приоритетного сегмента средний чек составляет 3000 рублей, и высчитывает, что для достижения целей по росту бизнеса этот чек нужно поднять на 15%. Разберем подходы, с помощью которых Стас будет работать с метриками.

Первый шаг сделан — Стас определился с сегментами и сейчас довольно потирает руки, предвкушая, что же он сможет предложить каждому из них. Способов повышения конверсии огромное количество: от рекомендаций похожих товаров до стимуляции покупки сопутствующих товаров. Пришло время создавать стратегии и подбирать алгоритмы, с помощью которых для каждой аудитории получится подобрать подходящее, заточенное именно под нее предложение. Давайте разберемся, что такое стратегии и алгоритмы, чем они отличаются и как работают.

Ключевым моментом коммуникации с пользователем являются рекомендательные блоки, которые знакомят пользователя с товарным ассортиментом, направляют его в нужном направлении и подбирают / помогают найти подходящие, соответствующие его интересам товары. Работа над рекомендациями заключается не только в выборе контента, которым они будут наполняться, но и в поиске оптимального месторасположения, способа демонстрации, в настройке логики выдачи товаров. Такие блоки как раз и создаются с помощью специальных алгоритмов и стратегий, которые основываются на контексте ситуации, этапе воронки, поведении пользователя, данных о его интересах и многом другом.

Алгоритм - понятие более узкое, чем стратегия. Он решает какую-то конкретную задачу и формирует выдачу по какому-то определенному шаблону. Например, покупатель на сайте в первый раз и находится на главной странице. Здесь самым подходящим алгоритмом для формирования рекомендаций будет “Популярные товары”, а вот когда пользователь уже просматривает карточки товаров и пытается выбрать, например, конкретные марки шпатлевки, уместным будет продемонстрировать шпатлевки других производителей, используя алгоритм «Похожие товары» или шпателя по алгоритму «Покупают вместе».

Стратегия, в отличие от алгоритма, понятие более широкое. Она представляет собой набор алгоритмов, снабжена фильтрами (например, может показывать или исключать недавно просмотренные или купленные товары), дополнительными настройками, и чутко реагирует на поведение пользователя и контекст ситуации. Например, пользователь сайта уже находится в корзине с намерением приобрести жалюзи. Умная стратегия сначала может напомнить ему о, например, недавно просмотренных товарах (возможно, у покупателя была потребность в них, но он отвлекся на что-нибудь и забыл), затем предоставит каталог из товаров по алгоритму “Покупают вместе” и не станет добавлять в рекомендации карниз для рулонных штор. Стратегия опирается на понимание специфики аудитории и актуальной задачи, которую решает посетитель сайта, дает дополнительную перспективу и позволяет детализировать алгоритм, выдавать более релевантные результаты, проводить точечную работу с пользователями. При этом важно придерживаться тонкого баланса между целями бизнеса и потребностями покупателя: например, уметь настроить стратегию так, чтобы 80% товаров удовлетворяли запросам пользователя, а 20% составляли маржинальные товары или какие-то новые бренды и модели, которые интересно продвигать бизнесу.

Собирать стратегию и устанавливать правила выдачи товаров в рекомендательных блоках можно самостоятельно, исходя из потребностей определенных сегментов и своей личной экспертизы ситуации — в платформе Gravity Field такая возможность есть в специальном разделе “Пользовательские правила” на странице создания стратегий. Как это действует? Например, на склад приехали товары нового, незнакомого пользователю бренда, и наш Стас может самостоятельно выбрать место расположения этих товаров в рекомендательной выдаче, чтобы эффективно обратить на них внимание. Подходящую выборку можно составить собственноручно с помощью фильтров (по категориям, цене, sku и т.д.). С помощью правил можно максимально уточнить алгоритм, который не всегда отрабатывает безошибочно. Например, алгоритм может “подмешать” в похожих товарах к строительным материалам премиум-класса более бюджетные и менее качественные варианты, но если Стас собственноручно установит фильтры на цену или производителя, то выдача получится более точной.

Многие думают, что существует какой-то волшебный алгоритм, который может создать идеальную универсальную рекомендательную подборку, подходящую всем пользователям. Но это совершенно не так, потому что настоящую магию творят именно тонкие настройки стратегии, в комплексе учитывающие контекст, поведение пользователя, страницу сайта, на которой находится клиент, интересы, пожелания заказчика о формировании выдачи товаров и прочее многообразие условий. Еще более мощным инструментом является возможность использовать стратегии в разрезе сегментов: например, в одном и том же рекомендательном блоке демонстрировать владельцам айфонов из Москвы один вид контента, а посетителям с десктопа из Саратова — уже другой.

Стратегии созданы, подобраны алгоритмы, и теперь перед Стасом стоит важный выбор — что из этого отработает лучше для каждого из сегментов, улучшит пользовательский опыт и повысит конверсию? Запускаем А/Б-тестирование!

С помощью алгоритма мы управляем выдачей товаров, устанавливаем, какие именно товары в каком порядке показаны, а тесты помогают нам понять, какой алгоритм или стратегия лучше работает. Например, запускаем в тест 2 стратегии, ждем, а после анализа метрик выбираем победителя. Можно тестировать не только саму стратегию, но и расположение рекомендательного блока — в каком именно месте сайта он улучшит взаимодействие с пользователем.

Например, Стас решает сопоставить эффективность 2 стратегий на странице корзины: первая будет предлагать товары по алгоритму «Покупают вместе», а вторая — персонализированные товары, которые могут заинтересовать определенного пользователя, опираясь на его аффинити-профиль, и которые не связаны с товаром, находящимся в корзине. Вместе к этим двум стратегиям для сравнения можно добавить и «контрольную группу» — базовый вариант, в котором рекомендательный блок совсем не показывается. Средний срок проведения А/Б-теста составляет 2 недели (стоит учитывать, что поведение пользователей может сильно отличаться в будние и выходные дни, поэтому 2 недели — оптимальный срок для сбора данных). Анализ результатов подскажет Стасу самое успешное решение.

Важно тестировать не только что показать, но и как показать — протестировать нейминг, оформление кнопок, бэкграунды. Важно, чтобы используемая платформа персонализации давала возможность экспериментировать с дизайном, не обращаясь к разработчикам: например, выбрать элемент на сайте и вручную изменить его размер, положение, цвет и многое другое.

А/Б-тестирование подходит для выбора стабильных, долгих решений: например, Стас хочет выбрать дизайн оформления карточки товара и для этого запускает в тест несколько вариантов. Но что делать, если нужно быстро найти решение для динамичного контента, например баннеров на главной странице, которые будут еженедельно меняться в зависимости от проводимых акций? Тут на помощь придет dynamic allocation — специальный алгоритм, который самостоятельно решает, какую часть трафика отдать на какой из вариантов баннера. Алгоритм динамически анализирует метрики и постоянно самооптимизируется для повышения прибыли.

*Динамическая аллокация — это движок Gravity Field, основанный на алгоритмах машинного обучения (известных под названиями «Multi-Armed Bandit» и «Contextual Bandit»), который позволяет в автоматическом режиме показывать наиболее релевантные предложения каждому пользователю в каждый момент времени. Прямо в момент взаимодействия с пользователем движок автоматически выбирает оптимальное для него предложение или вариант интерфейса и перераспределяет трафик в пользу наиболее эффективной вариации.

Тесты запущены, команда замерла в трепетном ожидании — мы близимся к финалу! Пришло время анализировать метрики.

Стас запустил в тест пару стратегий, через 2 недели пробежался по метрикам, выбрал наиболее эффективную и с чувством выполненного долга отправился заниматься остальными делами. Но специалисты Gravity Field убеждают его не торопиться: выбрав лучший из двух вариантов, продолжить тестирование, сравнивая с другими подобранными стратегиями.

Также стоит внимательно присмотреться к метрикам, не останавливаться на варианте, подходящем для «среднего» покупателя, а посмотреть на него в разрезе сегментов. Возможно, лучшая на первый взгляд стратегия хорошо подходит для пользователей с мобильных девайсов, количество которых в общем превышает количество покупателей, заходящих с десктопа. Но при этом для десктопа показатели будут иными, и для них отработает лучше как раз другой вариант. После более детального анализа результатов теста в разрезе аудиторий можно экспериментировать с выбором стратегий дальше, уже на уровне отдельных микросегментов.

Кроме того, в Gravity Field мы видим аналитические данные не только по тестам, но и по рекомендательным стратегиям. По тестам мы понимаем метрики групп пользователей, но не очень хорошо можем оценить эффективность самой стратегии, насколько она оказалась кликабельной и продающей. В отчете по стратегиям можно увидеть количество кликов по рекомендательным виджетам, прямой и дополнительный доходы, количество показов и уникальных просмотров виджета (учитываются исключительно реальные просмотры, когда на экране отображается не менее 50% виджета, а время просмотра составляет не менее 1 секунды) и многое другое.

Сегментация, создание стратегий, тестирование и анализ данных — стандартные этапы для создания эффективной и целенаправленной персонализации. А непрерывная оптимизация и совершенствование каждого из них приносят очевидные результаты, улучшая пользовательский опыт и увеличивая выручку. Именно по такому сценарию работают наши клиенты в Gravity Field. И у нас есть что добавить к стандартному набору.

Сотрудничество Стаса и Gravity Field на сегодня завершилось успешно: заботливые родители приобрели идеальную акриловую краску для детской, попутно подобрав еще и удобные валики с малярной ванночкой, а Стас получил ощутимый прирост прибыли и узнал много нового о своих пользователях. Проведенные А/Б-тесты помогли определить паттерны поведения разных сегментов покупателей, предоставили ценные данные о их интересах и предпочтениях, которые в дальнейшем Стас сможет использовать для построения более эффективной коммуникации. И, конечно, мы не собираемся на этом останавливаться!

Присоединяйтесь и вы!