Как персональные рекомендации помогли интернет-магазину Respublica.ru увеличить конверсию и выручку.
Чем шире и уникальнее ассортимент магазина, тем сложнее покупателю найти «тот самый» товар. Если в офлайн-магазине с выбором могут помочь консультанты бренда, то в случае с онлайн-шопингом посетителю придётся ориентироваться самому.
Поэтому интернет-магазины берут на вооружение товарные рекомендации, которые помогают обеспечить персональный подход каждому пользователю. Рассказываем, как интернет-магазин Respublica.ru увеличил выручку на 9,5% с помощью персональных рекомендаций Retail Rocket на ключевых страницах сайта.
Respublica.ru — это интернет-магазин книг, кино и музыки, арт-альбомов, полезно-стильной канцелярии, предметов lifestyle и подарков со смыслом. Торговая сеть «Республика» насчитывает 29 офлайн-магазинов в Москве и Санкт-Петербурге, а сайт Respublica.ru каждый месяц посещают более 320 тысяч пользователей.
Бренд уделяет большое внимание заботе о комфорте покупателей и качеству обслуживания. Чтобы воплотить качественный покупательский опыт в онлайне, было принято решение персонализировать сайт интернет-магазина Respublica.ru.
Главная страница
Кейс 1. Тестирование рекомендаций на главной странице
Главная страница — это первый шаг в customer journey. Зачастую здесь посетитель принимает решение, остаться ли в интернет-магазине. Поэтому одна из основных задач ритейлера на этом этапе — заинтересовать пользователя и показать ему лучшие товары и самые выгодные предложения.
Когда посетитель с первых минут знакомства с сайтом видит товары, которые ему интересны, у него складывается максимально положительное мнение о магазине и появляется желание сделать покупку.
Чтобы понять, какие блоки товарных рекомендаций на главной странице наиболее эффективны для аудитории сайта Respublica.ru, команда growth-хакеров Retail Rocket провела исследование с использованием механики A/B-тестирования.
Все посетители сайта случайным образом делились на четыре сегмента.
Первому сегменту показывались популярные товары — хиты продаж магазина.
Второму сегменту показывались персональные хиты продаж — популярные товары, сформированные на основе интересов пользователя.
Третьему сегменту показывались популярные товары из интересных пользователю категорий.
Четвёртый сегмент был контрольной группой: рекомендации показаны не были.
Результаты
По итогам тестирования были получены следующие результаты:
По итогам тестирования лучший результат показала механика «Популярные товары из интересных пользователю категорий». С её помощью интернет-магазин Respublica.ru увеличил конверсию на 6,49% со статистической значимостью 93,6%. При незначительном снижении суммы среднего чека на 4,33% это обеспечило прогнозируемый рост выручки на 1,88%.
Механика «Популярные товары из интересных пользователю категорий» была выбрана, так как этот сегмент показал самый большой прирост конверсии. Мы всегда рекомендуем самый надёжный вариант, который с наибольшей вероятностью принесёт больший доход интернет-магазину. Конверсия является более стабильной величиной по сравнению со средним чеком, поэтому при небольшой разнице в прогнозируемом росте выручки мы ориентировались именно на уровень прироста конверсии.
Кейс 2. Тестирование рекомендаций на главной странице
В ходе предыдущего теста мы определили наиболее эффективный блок рекомендаций на главной странице. После этого мы запустили более глубокое исследование эффективности различных конфигураций товарных рекомендаций для тонкой настройки рекомендательной системы на главной странице.
Исследование проводилось с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на четыре сегмента.
Первому сегменту показывались популярные товары из интересных пользователю категорий. Этот сегмент был взят за контрольную группу, так как он победил по итогам предыдущего теста.
Второму сегменту показывались персональные рекомендации.
Третьему сегменту показывались два блока: популярные товары из интересных пользователю категорий (сверху) и персональные рекомендации (под блоком с популярными товарами).
Четвёртому сегменту показывались два блока: персональные рекомендации (сверху) и популярные товары из интересных пользователю категорий (под блоком с персональными рекомендациями).
Результаты
По итогам тестирования были получены следующие результаты:
По результатам тестирования наиболее эффективной оказалась механика «Персональные рекомендации» в блоке рекомендаций на главной странице интернет-магазина Respublica.ru. Её применение увеличило конверсию на 7,75% со статистической значимостью 90,3%, что в сочетании с повышением среднего чека на 0,34% обеспечило прогнозируемый рост выручки на 8,12%.
Страница категории
Товарную категорию можно сравнить с оглавлением книги. Здесь персональные рекомендации помогут посетителю не тратить время на изучения всего сайта, а сразу перейти к просмотру нужных товаров.
Кейс 3. Тестирование рекомендаций в категории
Чтобы понять, какой из блоков товарных рекомендаций наиболее эффективен на странице категории интернет-магазина Respublica.ru, мы провели исследование с применением механики A/B-тестирования.
Все посетители сайта случайным образом делились на два сегмента.
Первый сегмент был контрольной группой, которой рекомендации не показывались.
Второму сегменту показывались персональные рекомендации товаров из категории.
Результаты
По итогам тестирования были получены следующие результаты:
Согласно результатам тестирования, добавление на странице товарной категории персональных рекомендаций товаров либо хитов продаж из категории позволяет добиться прироста конверсии на 6,87% со статистической значимостью 85%. В сочетании с увеличением среднего чека на 2,43% это даёт прогнозируемый рост выручки на 9,47%.
Карточка товара
Карточка товара — это одна из самых важных страниц интернет-магазина. На этом этапе пользователь принимает решение о покупке.
Здесь перед ритейлером стоит сложная задача. С одной стороны, не отвлекать покупателя от выбора и не перегружать его рекомендациями, которые ему не интересны. С другой стороны, не отпускать посетителя без покупки и предложить ему альтернативные товары, если просматриваемая позиция вдруг по каким-то причинам его не устраивает.
Поэтому в карточке товара, как правило, используются различные алгоритмы рекомендаций похожих и сопутствующих товаров.
Кейс 4. Тестирование рекомендаций в карточке товара
Growth-хакеры Retail Rocket протестировали несколько конфигураций расположения блоков рекомендаций в карточке товара на сайте интернет-магазина Respublica.ru, чтобы определить, какая из них имеет наибольшую конверсию и приносит больше выручки.
Исследование эффективности проводилось с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на пять сегментов.
Первому сегменту показывались похожие товары.
Второму сегменту показывались сопутствующие товары.
Третьему сегменту показывались два блока одновременно: похожие товары (сверху) и сопутствующие товары (под блоком с похожими товарами).
Четвёртому сегменту показывались два блока одновременно: сопутствующие товары (сверху) и похожие товары (под блоком с сопутствующими товарами).
Пятый сегмент был контрольной группой: рекомендации показаны не были.
Результаты
По итогам тестирования были получены следующие результаты:
Согласно результатам тестирования, применение механики «Два блока одновременно: похожие товары и сопутствующие товары» в блоке рекомендаций в карточке товара даёт наибольший прирост конверсии на 6,76% со статистической значимостью 98,9%. При незначительном уменьшении суммы среднего чека на 1,52% это обеспечивает прогнозируемый рост выручки на 5,13%.
Заключение
Товарные рекомендации позволяют воплотить персонализированный покупательский опыт в онлайне, восполняя отсутствие компетентного офлайн-консультанта. Ритейлер получает возможность предложить пользователю именно те товары, которые представляют для него наибольшую актуальность на момент посещения сайта.
В результате увеличивается конверсия, количество позиций в чеке и, как следствие, выручка интернет-магазина. А покупатели получают положительный опыт взаимодействия с интернет-магазином и становятся более лояльными к бренду.
Комментарий Respublica.ru
Respublica — это сеть книжных магазинов нового формата. Одним из главных своих достоинств мы считаем не только уникальный, тщательно выверенный ассортимент товара, но и высокое качество обслуживания наших клиентов в офлайн-магазинах. Мы привлекли команду Retail Rocket, чтобы воссоздать соответствующий покупательский опыт в онлайн-канале.
В результате продуктивного сотрудничества интернет-магазин Respublica.ru стал более привлекательным для наших клиентов, увеличилась выручка и конверсия, и главное — нам не пришлось тратить на это время и усилия наших сотрудников.
Несколько вопросов:
1) Какую точку отсечения вы выбрали по стат значимости? 90%?
2) На первом этапе вы стат значимость считали для сравнения лучшей вариации с базой или остальные вариации также сравнивали между собой?
3) Почему вы не считете стат значимость для среднего чека? Вы же понимаете что без этого сравнение среднего чека не имеет смысла?
4) Не расскажете как персональные рекоммендации считали? Коллаборативная фильтрация через косинусное расстояние? Или что-то сложнее?
5) Как вы считаете рекомендации для новых пользователей?
Дмитрий, спасибо за конструктивные вопросы! По порядку:
1) 90% считаем достаточным для принятия решения в e-commerce.
2) сравнивали с базовой с учетом мультивариантности тестирования
3) Мы считаем значимость для среднего чека и она обязательно учитывается при принятии решения. Средний чек - величина очень волатильная с очень широкими доверительными интервалами, именно поэтому мы стараемся не опираться на него при принятии решения и выбрать победу по среднему чеку, если результаты стабильные и очень достоверные. При этом так же как не имеет смысла принимать решение без статистического обоснования решения, так же не имеет смысла упираться только в статистику, забывая о том, что дополнительное время сбора данных стоит клиенту упущенной выручки
4) и 5) на эти вопросы, к сожалению, ответить не можем - это особенности работы наших алгоритмов, коммерческая тайна. Некоторые детали мы рассказываем в нашем блоге на Хабре - https://habr.com/company/retailrocket/
Кому лень читать:
1. Методом подбора засунули в главную, в категорию и карточки товаров блоки с биг датой, сопутствующими товарами и товарами из смежных категорий. По сути, стандартные блоки, которые есть почти в каждом готовом шаблоне сайта тыщ за 10.
2. Оставили то, где больше конверсия.
3. Profit.
+ 9,5% к выручке после - это мало, вывез неплохой трафик, при меньших объемах особо ничего не заметите.
Зашёл на главную, и вот что у меня в рекомендациях, это лол:
Да вы видимо тоже не сильно удосужились.
На пальцах: 340к трафика по симилару * 1% конверсии * 1500р среднего чека = 500тр в месяц выручки. Можете больше сделать?
Цифры в расчете как чьи-то влажные фантазии. Где точное к-во трафика? Симмларвеб? Лол. Что это за трафик и сколько он стоит? Маржа с этих 1500 тыс чека? Откуда вы знаете что 1% конверсии? Конверсия во что? Заказ? Переход в корзину? Уверены, что все заказы которые сделали на сайте, были оплачены и доставлены? Доля фейковых заказов? Доля отказных заказов? Какой roi со всего этого? Ща будет страшно. При росте выручки прибыль может быть отрицательной. Вот это поворотик.
Артем, конверсия в заказы. Все боты, экстремальные значения и т.д. - не учитываются. В методике проведения A/B- теста учитывается куча факторов. И главное, маржинальность магазина от наличия или отсутствия рекомендаций не меняется. Растет количество заказов. ROI от внедрения рекомендаций положительный.
с цифрами проблемы, чуть больше 5 млн / месяц (по вашим расчетам)
Артем, нет, не методом подбора, а тестированием вариантов, которые по нашему опыту показывают наилучшие результаты. В разных сферах и разных магазинах эффективность отличается, где-то лучше работают одни алгоритмы, где-то другие. Для этого Growth Hacker'ы и проводят исследования. Рост на 9,5% - значительный рост для многих магазинов.
Попробуйте походить по сайту, а потом вернитесь на главную и посмотрите, как изменились рекомендации. Персонализация тем эффективнее, чем больше данных у системы есть о пользователе.
Я зашёл на главную, в персонализации мне показывается то, что вообще мне неинтересно.
Попробуйте походить по сайту, а потом вернитесь на главную и посмотрите, как изменились рекомендацииЧето вы сами себе противоречите.
Рост на 9,5% - значительный рост для многих магазинов.Если положительный roi. Если это не связано с наличием скидосов и параллельным запуском распродажи. Если это не заказы от ботов. Чего мы тут никогда не узнаем.
не вижу лола?
Хороший сайт покупаю часто, потому что на сайте большие скидки, делаю заказ на сайте, после работы, по дороге в метро забираю заказ экономия минимум 30%
Думаю доход взлетел не потому что рекомендация или большие блоки, а потому что на главной сайта скидка 40% на новый бестселлер, и ты такой - надо брать!
Алексей, исследования проводились с помощью A/B-тестирования, наличие скидки влияет на оба сегмента, поэтому прирост конверсии и выручки - это эффект персонализации.
Так уберите скидки для теста :)
Комментарий удален модератором
Так реальный рост выручки или всего лишь прогнозируемый? )))
Проблема большинства А/Б тестов в том, что люди делают анализ на небольшом числе конверсий. Формулы расчета достоверности часто врут. Забейте в них для двух вариантов: 4 и 8 конверсий, и получите достоверность 90%, хотя на самом деле близко к 50%.
У вас сколько было конверсий на каждый из вариантов?
Комментарий удален модератором
Комментарий удален модератором