Решения персонализации от мирового гиганта, которые вы прямо сейчас можете применить для своего бизнеса.
Компания Amazon одна из первых осознала важность предоставления персонализированных услуг своим клиентам. Еще в 1997 году в письме акционерам Джеффри Безос заявил: «Сегодня онлайн коммерция экономит деньги и драгоценное время потребителей. Завтра, благодаря персонализации, онлайн-коммерция ускорит и сам процесс поиска».
На правах лидера рейтинга Gartner Magic Quadrant мы решили рассказать вам об эффективных кейсах персонализации на примере Amazon — эталонной компании, которая придумала и начала внедрять персонализацию в своем бизнесе онлайн.
В этой статье расскажем о 5 стратегиях персонализации, повышающие конверсии. Вы можете применить их в своем бизнесе, как это делают уже сейчас Ситилинк, Эльдорадо, МТС, Перекресток Впрок, ЦУМ, KUPIVIP и другие компании на базе платформы Dynamic Yield совместно с консалтинговой компанией Stellar Labs, представительством Dynamic Yield в России.
Amazon — всем известный лидер eCommerce на мировом рынке.
Еще до появления онлайн-покупок мы узнавали о товарах от наших близких. Этот опыт надо было перенести и в онлайн, что и сделала компания Amazon.
Задача, стоящая перед Amazon и любым другим крупным интернет-магазином, — познакомить каждого пользователя, который пришел на сайт, с максимальным количеством товаров, которые есть на этом сайте. А это могут быть пользователи с совершенно разными целями, например:
- Те, кто точно знает, что хочет купить
- Те, кто приходит в поиске определенных товаров и т.д.
Как, зная поведение и предпочтения одной группы пользователей, сделать выводы о потенциальных предпочтениях других пользователей и рекомендовать релевантные товары?
Коллаборативная фильтрация — это один из методов построения прогнозов (рекомендаций) в рекомендательных системах, использующий известные предпочтения (оценки) группы пользователей для прогнозирования неизвестных предпочтений другого пользователя.
Например, если женщина просмотрела книгу 1, 2, 3, а в том же кейсе мужчина посмотрел на книгу 2 и 3, то с большой вероятностью мужчине понравится книга 3, потому что такой же, как он, пользователь (женщина) посмотрел все 3 книги.
Персонализация начинается с рекомендаций на главной странице сайта. На одном только примере мобильного приложения Amazon можно встретить более 45 стратегий персонализации, которые помогают знакомить с ассортиментом магазина.
Персонализация основывается на сегментации и микро-сегментации. В данных стратегиях учитывается много данных: откуда пришел человек, например (Россия, Москва), тип его девайса (смартфон, планшет, ноутбук), погода, был ли пользователь до этого на сайте, совершал ли до этого какие-то покупки и т.д. На основе этих данных в реальном времени собирается user-affinity профайл пользователя (набор предпочтений пользователя к товарным атрибутам, которыми пользователь интересуется или интересовался).
Affinity — комплексный признак интересов пользователя, учитывающий атрибуты товаров (категория, бренд, пол, характеристики, цвет, материал и т.п.), которые пользователь просматривал, а также совершал добавления их в корзину, покупки и другие взаимодействия с учетом времени.
Далее вне зависимости от того, куда переходит пользователь, срабатывают разные стратегии персонализации и персонализируется весь фронт-энд.
Может показаться, что сайт выглядит для всех одинаково, но это не так. По факту вся товарная выдача будет персонализироваться под каждого пользователя: главная страница, страница листинга, категории, корзина.
Стратегия 1. Персонализация главной страницы.
Обычно на главной странице отображается баннер или карусели баннеров, которые тоже персонализированы.
Давайте пройдем пошагово этот путь на примере любого интернет-магазина. Протестируем стратегию, зайдя на сайт в режиме инкогнито, когда сайт еще ничего не знает о нас как о пользователе.
Мы видим главный баннер: на первом месте слово «men», в меню мужская категория тоже на первом месте:
Далее мы видим акции, рекомендации для мужчин и женщин:
Далее мы кликаем на определенный товар и начинаем им интересоваться:
А также смотрим дополнительные товары из этой категории, кликая на похожие товары из этой категории на карточке товара:
И далее продолжаем просматривать другие товары из рекомендаций.
Не найдя ничего подходящего, мы ведём мышку для закрытия вкладки браузера и нам покажут всплывающий поп-ап с предложением остаться на сайте, дав в подарок скидку 20%.
Такие механики многих раздражают, но оставляют все же очень многих пользователей на сайте. При этом визуал самого поп-апа тоже не случаен: на нем изображена девушка, так как движок уже понимает, что вы интересовались женскими товарами, и он показывает именно такой персонализированный баннер с рекомендацией именно для женщин.
А теперь посмотрим, как изменится главная страница сайта, зная историю нашего поведения на сайте.
Если в рамках этой же сессии или в другой день зайти на сайт, то главная страница уже будет адаптирована под пользователя:
- теперь на главном баннере мы видим женщину;
- меню поменялось (товары для женщин стоят на первом месте);
- рекомендации выстраиваются на базе ранее просмотренных товаров и т.д.
То есть движок в режиме реального времени персонализирует сайт под пользователя (меню, баннер, блок рекомендаций, сообщения).
Так выглядит главный баннер на домашней странице Amazon: отображение до 7 разных переключающихся баннеров, персонализированных в зависимости от профайла пользователя (его потенциального пола, предыдущих покупок и сезонного контекста, его географии пребывания). В этом примере пользователь был авторизован, живет в локации с теплой погодой, является мужчиной и покупал обувь на Amazon раньше. Вполне вероятно, что Amazon показывал ему мужские сандалии на главной странице на главном баннере, основываясь на его пользовательском поведении.
Стратегия 2. Рекомендации на страницах товаров.
Часто пользователь не понимает достаточно четко, чего он хочет. Вроде бы, например, хочет голубую куртку, но какая она, из какого материала и так далее — обо всем этом пользователь может иметь достаточно слабое представление. Цель платформы персонализации по итогу — конвертировать пользователя, который пришел на страницу, чтобы он нашел «ту самую голубую куртку» и купил товар.
Что сделает Amazon в таком случае?
Порекомендует релевантные товары на карточке товара
- Порекомендует релевантный сопутствующий контент
Помимо обычных персонализированных рекомендаций товаров, Amazon персонализирует и контент. Например, вводим в строке поиска «синяя куртка», видим выдачу, проваливаемся в карточку товара и нам начинают рекомендовать релевантный видео-контент про куртки.
- Порекомендует релевантные товары в формате рекламных интеграций от мерчантов (внешних продавцов).
У Amazon есть свой сервис рекламных интеграций, в рамках которого продавцы могут покупать различные места на сайте и продвигать свои товары. В этих рекламных слотах также будут рекомендоваться релевантные товары.
Стратегия 3. Рекомендации на страницах категорий.
Данные рекомендации появляются, когда мы не проваливаемся в карточку товара, а скроллим страницу листинга (верхнеуровневый запрос).
Товары первой строки тоже персонализированы: обычно, если сайт не знает о пользователе ничего, то выдаются самые популярные товары.
А при запросе, например, «джинсы» при скролле страницы нам выпадает персонализированный блок с видео-контентом:
Стратегия 4. Повторные покупки для постоянных клиентов.
Есть продукты, которые мы покупаем с определенной периодичностью (например, продукты питания). Платформа будет показывать те товары, которые вы всегда приобретаете на сайте, в первом же удобном расположении на странице, чтобы вы могли быстро совершить покупку таких «любимых товаров» и уйти с сайта.
Стратегия 5. Персонализация checkout flow.
На одном из последних этапов завершения покупки примерно 70% пользователей оставляют брошенными свои корзины. Все eCommerce игроки стараются оптимизировать эту страницу, задача которой— сконвертировать пользователя, чтобы покупка была завершена. Процесс должен быть максимально простым для завершения корзины, чтобы за пару кнопок пользователь оформил доставку и заказал товар. Тут важно не сбить фокус пользователя, чтобы он не заинтересовался другим товаром. Однако на этом этапе, например, можно аккуратно предложить Cross-sell — товары, которыми можно дополнить корзину, чтобы увеличить средний чек.
Хотите узнать больше о других стратегиях персонализации на примере Amazon? Скачайте электронную версию книги на нашем сайте.
О Dynamic Yield.
Dynamic Yield – международный разработчик платформы по персонализации сайта, коммуникации с пользователями и автоматизации маркетинга. Dynamic Yield помогает компаниям по всему миру строить персонализированный клиентский опыт, повышать конверсию и увеличивать прибыль на десятки процентов. Среди клиентов платформы: McDonalds, Sephora, Эльдорадо, Перекресток, МТС, Сбербанк, IKEA, Orange Telecom и др.
Третий год подряд платформа Dynamic Yield названа лидером в области систем персонализации в отчете Gartner Magic Quadrant за 2020 год
Да уж, Амазон то крут...
интересная статья