Кейс персонализации интернет-магазина Pnevmat24.ru: рост выручки до 17%

Покупка собственного оружия - дело серьезное и импульсивных покупателей здесь фактически нет. В этом есть и положительные, и отрицательные моменты. Клиент в большинстве случаев понимает, чего хочет и действительно настроен на покупку. Однако оружейный рынок многообразен, и в процессе выбора могут возникнуть трудности. Помочь найти нужный ориентир покупателю помогут товарные рекомендации. Рассказываем, о том, как интернет-магазин Pnevmat24 повысил выручку на 16,8%, используя персонализацию сайта от платформы Retail Rocket.

Интернет-магазин Pnevmat24 специализируется на продаже оружия и снаряжения для охоты и туризма. Магазин постоянно проводит мониторинг рынка и предлагает новинки клиентам, учитывая их потребности. Для обеспечения покупателей профессиональным обслуживанием, бренд использует персональные рекомендации.

Начать оптимизацию рекомендательной системы сайта Pnevmat24 было решено с настройки блоков на странице категории. Здесь интерес пользователя уже в определенной мере сформирован, поэтому очень важно не растягивать время поиска. Нужно показать покупателю интересные и подходящие именно ему товары.

Для выбора наиболее эффективной конфигурации блоков товарных рекомендаций в карточке товара, было проведено исследование эффективности с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на 5 сегментов.

Первому сегменту показывались хиты продаж из категории:

Второму сегменту показывались персональные рекомендации товаров из категории:

Третьему сегменту показывались два блока: над листингом - хиты продаж из категории, под листингом - персональные рекомендации товаров из категории:

Четвертому сегменту также показывались два блока, но в обратном порядке: персональные рекомендации товаров из категории над листингом, а ниже хиты продаж из категории:

Пятый сегмент был контрольной группой: рекомендации не показывались.

По итогам тестирования были получены следующие результаты:

Согласно результатам тестирования, применение механики «Два блока: хиты продаж из категории (сверху) и персональные рекомендации товаров из категории (внизу)» в блоке рекомендаций на странице категории интернет-магазина Pnevmat24.ru увеличивает средний чек на 15%.

В ходе предыдущего теста мы определили наиболее эффективные блоки на странице категории. Пришло время для более тонкой настройки рекомендательной системы.

Исследование эффективности проводилось с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на 3 сегмента:

Первому сегменту показывались персональные рекомендации из категории над листингом товаров, а также персонализированные хиты продаж, которые располагались ниже:

Второй сегмент видел персонализированные хиты продаж выше листинга товаров, а персональные рекомендации категории, наоборот, располагались ниже:

Третьему сегменту показывались хиты продаж над листингом товаров и персональные рекомендации категории под листингом товаров. Этот сегмент был взят за контрольную группу, поскольку он победил по итогам предыдущего теста:

По итогам тестирования были получены следующие результаты:

Согласно результатам тестирования, применение механики «Персонализированные хиты продаж (сверху) и персональные рекомендации (снизу)» в блоке рекомендаций на странице категории интернет-магазина Pnevmat24.ru увеличивает средний чек на 3,1%, что в сочетании с незначительным уменьшением конверсии дает прогнозируемый рост выручки на 3%.

После настройки рекомендательных блоков на странице категории, мы перешли к карточке товара. Это один из важнейших элементов интернет-магазина, ведь именно здесь покупатель принимает решение о добавлении товара в корзину.

В карточке ритейлер может не только рассказать о характеристиках просматриваемого товара, но и порекомендовать пользователю сопутствующие или альтернативные товары. Однако важно соблюсти баланс и не перегрузить страницу, чтобы не увести пользователя от покупки.

В рамках оптимизации работы рекомендательной системы на сайте Pnevmat24.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:

Первому сегменту показывались похожие товары:

Второму сегменту показывались сопутствующие товары:

Третьему сегменту показывались два блока одновременно: похожие товары и сопутствующие товары:

Четвертому сегменту показывались два блока одновременно: сопутствующие товары и похожие товары:

Пятый сегмент выступал в качестве контрольной группы. Рекомендации не показывались.

По итогам тестирования были получены следующие результаты:

Согласно результатам тестирования, применение механики «Похожие товары» в блоке рекомендаций в карточке товара интернет-магазина Pnevmat24.ru увеличивает конверсию на 6,2% и средний чек на 8,5%, что дает прогнозируемый рост выручки на 15,2%.

После того, как алгоритм «Похожие товары» показал наибольший прирост, наши исследователи задались вопросом: возможно ли подобрать к этому сегменту такой алгоритм сопутствующих товаров, который даст еще больший прирост? Исходя из этого, было решено провести более глубокое тестирование.

Исследование проходило с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на 5 сегментов:

Первому сегменту показывались персонализированные сопутствующие товары:

Второму сегменту показывались сопутствующие товары из категорий, отличных от категории просматриваемого товара:

Третьему сегменту показывались сопутствующие товары с исключением самых популярных товаров из выдачи:

Четвертому сегменту показывались персонализированные аксессуары:

Пятому сегменту показывались аксессуары. Он выступил в качестве контрольной группы.

По итогам тестирования были получены следующие результаты:

Согласно результатам тестирования, применение механики «Персонализированные сопутствующие товары из других категорий» в блоке рекомендаций в карточке товара интернет-магазина Pnevmat24.ru увеличивает конверсию на 12,4% со статистической значимостью 92,5%, что в сочетании с приростом среднего чека на 3,9% дает прогнозируемый рост выручки на 16,8%.