Рост выручки до 27%: кейс персонализации казахстанского интернет-магазина «Белый Ветер»

Сегодня мы хотим рассказать об опыте персонализации интернет-магазина крупного казахстанского ритейлера «Белый Ветер».

Электроника и техника - особенный сегмент ритейла. С одной стороны, у многих покупок длительный цикл принятия решения, с другой - некоторые новинки выходят так часто, что пользователь не успевает определиться с тем, что ему нравится, как уже выходит новая улучшенная модель. Чтобы облегчить выбор для клиента и помочь интернет-магазину достичь нужных бизнес-показателей, важно использовать персональные рекомендации на разных стадиях покупательского пути.

Компания «Белый Ветер», основанная в Караганде в 2000 году, поставляет на казахстанский рынок современную цифровую технику и программные продукты. Интернет-магазин «Белый Ветер» предлагает широкий ассортимент бытовой и компьютерной техники, комплектующих, смартфонов и аксессуаров в Казахстане. В каталоге компании свыше 7700 наименований сертифицированной продукции, а сайт посещают более миллиона пользователей ежемесячно.

Менеджеры магазина уделяют большое внимание профессионализму и качественным консультациям как в оффлайне, так и в онлайн-пространстве, поэтому было принято решение разместить блоки товарных рекомендаций на всех ключевых страницах сайта. Рассказываем о результатах тестировании различных алгоритмов персонализации.

Главная страница сайта - это витрина, где пользователю нужно показать одновременно и широту ассортимента, и интересные именно для него товары. Для каждого товарного сегмента и магазина наибольшую эффективность показывают разные алгоритмы, поэтому первым этапом мы протестировали добавление одного блока рекомендаций с разными механиками для каждого сегмента.

В рамках оптимизации работы рекомендательной системы на сайте интернет-магазина «Белый Ветер» было проведено исследование эффективности различных алгоритмов в блоке рекомендаций на главной странице магазина. Исследование эффективности проводилось с использованием механики A/B-тестирования, при которой все посетители сайта случайным образом делились на 5 сегментов:

Первому сегменту показывались хиты продаж

Второму сегменту показывались хиты продаж, персонализированные с учетом интереса пользователя

Третьему сегменту показывались популярные товары из интересных пользователю категорий

Четвертому сегменту показывались персональные рекомендации

Пятый сегмент был контрольной группой: рекомендации пользователям не демонстрировались

Результаты

Вывод

Согласно результатам тестирования, применение механики «Персональные рекомендации» в блоке рекомендаций на главной странице интернет-магазина «Белый Ветер» увеличивает конверсию на 3,11% и средний чек на 14,41%, что дает прогнозируемый рост выручки 17,96%.

Следующим этапом наша команда Growth Hacker’ов протестировала добавление второго блока рекомендаций и разные варианты расположения дополнительного блока. Вторым блоком был добавлен алгоритм «Персонализированные хиты продаж», поскольку по итогам предыдущего текста он показал второй результат по оценке увеличения выручки.

Исследование эффективности проводилось с использованием механики A/B-тестирования, при которой посетители сайта случайным образом делились на 4 сегмента:

Первому сегменту показывались персональные рекомендации. Этот сегмент был взят за контрольную группу, поскольку победил в предыдущем тесте.

Второму сегменту показывались два блока: персональные рекомендации (сверху) и хиты продаж, персонализированные с учетом интереса пользователя (ниже)

Третьему сегменту также показывались два блока, но в обратном порядке: хиты продаж, персонализированные с учетом интереса пользователя, (сверху) и персональные рекомендации (ниже)

Результаты

Вывод

Согласно результатам тестирования, применение механики «Персональные рекомендации» в блоке рекомендаций на главной странице интернет-магазина «Белый Ветер» увеличивает конверсию на 10,54% со статистической значимостью 98,6%. В сочетании со значительным повышением среднего чека на 14,88%, это обеспечивает прогнозируемый рост выручки на 26,98%.

На страницах категорий интерес пользователя уже более сформирован, чем на главной странице, но ему все еще нужна помощь с выбором, а значит задача товарных рекомендаций - показать товары, которые с наибольшей вероятностью будут ему интересны именно в каждой конкретной категории.

В рамках оптимизации работы рекомендательной системы на сайте интернет-магазина «Белый Ветер» было проведено исследование эффективности различных алгоритмов в блоке рекомендаций на странице категории магазина. Исследование эффективности проводилось с использованием механики A/B-тестирования.

Все посетители сайта случайным образом делились на 4 сегмента:

Первому сегменту показывались хиты продаж из категории

Второму сегменту показывались хиты продаж из категории, персонализированные с учетом интереса пользователя

Третьему сегменту показывались персональные рекомендации товаров из категории

Четвертый сегмент был контрольной группой: рекомендации пользователям не демонстрировались

Результаты

Вывод

Согласно результатам тестирования, применение механики «Хиты продаж из категории» в блоке рекомендаций на странице категории интернет-магазина «Белый Ветер» увеличивает конверсию на 6,3% со статистической значимостью 90%. В сочетании с повышением среднего чека на 9,61%, прогнозируемый рост выручки составляет 16,54%.

Когда пользователь просматривает конкретный товар, он явно выражает интерес к этому товару, а значит самое время аккуратно подтолкнуть его к покупке. Этой цели служат CTA-элементы, подробные описания, детальные фотографии, отзывы и другие возможности, которые мы подробно описывали в статье «Как сделать из вашего магазина Amazon: лайфхаки для эффективной карточки товара»

Но магазину важно не просто продать товар, но еще и повысить средний чек, то есть предложить сопутствующие или альтернативные товары. Поэтому особую значимость приобретают персональные рекомендации.

Чтобы выбрать наиболее эффективную конфигурацию блоков товарных рекомендаций в карточке товара, также было проведено исследование эффективности с использованием механики A/B-тестирования.

Все посетители сайта интернет-магазина «Белый Ветер» случайным образом делились на 5 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)

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

Пятый сегмент был контрольной группой: рекомендации пользователям не демонстрировались

Результаты

Вывод

Согласно результатам тестирования применение механики «Два блока одновременно: похожие товары (сверху) и сопутствующие товары(ниже)» в блоке рекомендаций в карточке товара интернет-магазина «Белый Ветер» увеличивает конверсию на 8,7% со статистической значимостью 93,9%. В сочетании с повышением среднего чека на 9,21% это обеспечивает прогнозируемый рост выручки на 18,76%.

«Для нас возможность предложить клиенту то, что он хочет, является ключевым фокусом. Благодаря персональным рекомендациям Retail Rocket мы можем делать это в автоматическом режиме, не выделяя время на экспертную оценку, работу технических специалистов и другие моменты, связанные с формированием и выдачей товарных рекомендаций на разных страницах сайта. А дополнительный бонус в виде команды, которая тестирует разные виды рекомендаций, помогает выбрать и использовать наиболее оптимальный для нашего сайта вариант».

#маркетинг #кейсы #retailrocket