Кейс персонализации интернет-магазина kcentr.ru: рост выручки до 60%

Рассказываем о персонализации сайта kcentr.ru и росте выручке до 60% за счет внедрения товарных рекомендаций Retail Rocket на ключевых страницах сайта.

Бытовая техника и электроника - особенный сегмент онлайн-ритейла. Здесь практически не бывает спонтанных покупок, клиент долго и тщательно оценивают товары, сравнивая их между собой, а магазин зачастую выбирает по принципу «где дешевле». Казалось бы, как в таких условиях удерживать клиентов и мотивировать их к дополнительным покупкам? Рекомендации товаров и здесь играют на руку интернет-магазину, помогая увеличить конверсию, выручку и средний чек. Рассказываем о персонализации сайта kcentr.ru и росте выручке до 60% за счет внедрения товарных рекомендаций на ключевых страницах сайта.

kcentr.ru — официальный Интернет-магазин Корпорации «Центр» — российской розничной торговой сети по продаже бытовой техники и электроники известных мировых производителей. Девиз компании «Всё как для своих», этот подход внедряется по всем направлениям. Для обеспечения профессионального и персонального обслуживания клиентов в онлайне, компания использует рекомендации на ключевых страницах сайта.

Одно из преимуществ онлайн-ритейла в возможности показать максимально широкий ассортимент товаров. Но здесь же кроется и проблема - как помочь посетителю сайта найти именно то, что ему нужно, причем легко и быстро? Особенно на главной странице, где хочется показать как можно больше товаров, акций и других предложений. На помощь приходит персонализация - подстройка сайта в режиме реального времени под потребности клиента.

В рамках оптимизации работы рекомендательной системы на сайте kcentr.ru было проведено исследование эффективности различных алгоритмов рекомендаций на главной странице магазина. Исследование эффективности проводилось с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на четыре сегмента:

1. Первому сегменту показывались популярные товары - хиты продаж магазина

2. Второму сегменту показывались популярные товары, персонализированные с учетом интересов пользователя

3. Третьему сегменту показывались популярные товары из интересных пользователю категорий

4. Четвертому сегменту рекомендации показаны не были. Они был контрольной группой

По итогам тестирования были получены следующие результаты:

Таким образом, наилучший результат показал алгоритм «Популярные товары из интересных пользователю категорий». Несмотря на небольшое снижение конверсии, механика показала значительный рост среднего чека на 8,86%, что обеспечивает прогнозируемый рост выручки на 6,85%.

Страница категории интернет-магазина - это аналог товарного раздела в традиционной торговой точке. Зачастую «на полках» представлен такой большой выбор, что глаза разбегаются и не знаешь, куда смотреть. Как посетителю сориентиентироваться? Найти нужное и не упустить интересное? Эту задачу тоже решают товарные рекомендации.

Чтобы выяснить, какой алгоритм рекомендаций покажет наибольшую эффективность на странице категории интернет-магазина kcentr.ru, было проведено исследование с помощью механики A/B-тестирования. Все посетители сайта случайным образом делились на 4 сегмента:

1. Первому сегменту показывались хиты продаж из категории

2. Второму сегменту показывались хиты продаж из категории, персонализированные с учетом интересов пользователя

3. Третьему сегменту показывались персональные рекомендации товаров из категории

4. Четвертый сегмент был контрольной группой: рекомендации пользователям не показывались

По итогам тестирования были получены следующие результаты:

Согласно результатам тестирования, применение механики «Персональные рекомендации товаров из категории» в блоке рекомендаций на странице категории интернет-магазина kcentr.ru увеличивает конверсию на 16,4% со статистической значимостью 99,7%. В сочетании со снижением среднего чека на 7,91% это дает прогнозируемый рост выручки на 7,16%

Интернет-магазин имеет значительное преимущество перед офлайн точкой благодаря тому, что может предоставить максимум информации в карточке товара. Здесь и детальные фотографии, и технические характеристики, и многое другое. Но самое интересное - персональные рекомендации похожих и сопутствующих товаров. В офлайн-магазине размер среднего чека во многом зависит от консультанта - какие товары он порекомендует, чем предложит дополнить покупку. В онлайне эту роль играют персональные рекомендации, которые подстраиваются под каждого пользователя.

В рамках оптимизации работы рекомендательной системы на сайте kcentr.ru было проведено исследование эффективности различных алгоритмов в блоке рекомендаций в карточке товара магазина. Исследование эффективности проводилось с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на 5 сегментов:

1. Первому сегменту показывались похожие товары

2. Второму сегменту показывались сопутствующие товары

3. Третьему сегменту показывались два блока одновременно: похожие товары (сверху) и сопутствующие товары (под блоком с похожими товарами)

4. Четвертому сегменту показывались два блока одновременно: сопутствующие товары (сверху) и похожие товары (под блоком с сопутствующими товарами)

5. Пятый сегмент был контрольной группой: рекомендации пользователям не показывались

По итогам тестирования были получены следующие результаты:

Согласно результатам тестирования, применение механики «Два блока одновременно: сопутствующие товары (сверху) и похожие товары (под блоком с сопутствующими товарами)» в карточке товара интернет-магазина kcentr.ru увеличивает конверсию на 16,5% со статистической значимостью 99,9%. В сочетании с впечатляющим ростом среднего чека на 37,39% это обеспечивает прогнозируемый рост выручки на 60,12%.

Всегда искать способы улучшения работающих решений - это путь к успеху. После выбора самой эффективной конфигурации рекомендаций в карточке товара, мы сосредоточились на тонкой настройке рекомендаций похожих товаров. Исследование эффективности проводилось с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на 3 сегмента:

1. Первому сегменту показывались похожие товары

2. Второму сегменту показывались похожие товары с акцентом на просмотренных пользователем товарами

3. Третьему сегменту показывались похожие товары, персонализированные с учетом интересов пользователя

По итогам тестирования были получены следующие результаты:

Согласно результатам тестирования, применение механики «Похожие товары с акцентом на просмотренных пользователем товарах» в блоке рекомендаций в карточке товара интернет-магазина kcentr.ru увеличивает конверсию на 0,41% и средний чек на 5,31%, что дает прогнозируемый рост выручки на 5,74%.

Начиная работу по персонализации сайта, мы не и думали, что результаты могут оказаться настолько интересными. Большое спасибо команде Retail Rocket за их подход к работе. Мы очень довольны показателями, которые получаем благодаря внедрению персонализации сайта. Это помогает нам воплощать наш девиз «Всё как для своих» и увеличивать конверсию, средний чек и выручку интернет-магазина».

#маркетинг #кейс #retailrocket