Маркетинг Retail Rocket
784

Предиктивный маркетинг в интернет-магазине Hoff: рост оборота на 13%

Для предсказания поведения пользователей маркетологу важно пользоваться не только экспертным мнением, но и современными системами предиктивного маркетинга, которые оценивают как историю покупок пользователя, так и его паттерны поведения в реальном времени. Именно такой подход позволил интернет-магазину Hoff увеличить оборот каждой страницы до 13%.

В закладки

Цели и задачи Hoff

Сеть гипермаркетов Hoff — это одна из крупнейших и динамично развивающихся российских мебельных сетей. На сегодняшний день сеть гипермаркетов мебели и товаров для дома Hoff насчитывает 40 магазинов по всей России. Это единственная российская сеть мебели и аксессуаров для дома, работающая в формате гипермаркетов. Также у Hoff огромный охват покупателей в сети: по данным ритейлера в месяц сайт посещают около 5 миллионов пользователей.

Открытие гипермаркета Hoff в Липецке

Гипермаркеты Hoff специализируются на формате "Всё в одном месте" и предлагают комплексные интерьерные решения на основе широкого мультибрендового ассортимента. В онлайне, как и в офлайне, пользователь оказывается перед широким выбором товаров. Однако возможности консультантов в интернет-магазине ограничены. Решить эту проблему может персонализация сайта - она помогает сориентироваться и рекомендует оптимальные варианты товаров для каждого пользователя.

Для того, чтобы создать уникальный персонализированный опыт на сайте для каждого клиента интернет-магазин Hoff обратился к Retail Rocket со следующими задачами:

  • Персонализировать ключевые страницы сайта
  • Упростить поиск товара с помощью блоков персональных товарных рекомендаций
  • Увеличить оборот интернет-магазина за счет внедрения алгоритмов, учитывающих пожелания клиентов в реальном времени.

Решение Retail Rocket

Hoff выбрал Retail Rocket для создания персонализированного опыта на сайте, основываясь на результативности сотрудничества, в которых ритейлер успел убедиться в работе над триггерными рассылками и персонализацией главной страницы.

Блоки рекомендаций Retail Rocket расположены на всех ключевых страницах сайта Hoff.ru. Сегодня мы хотим показать вам самые интересные тесты на важнейших этапах customer journey:

  • Главная страница
  • Категория
  • Карточка товара
  • Поиск

В ходе тестирования мы выяснили какие алгоритмы дают наибольший прирост. Но обо всём по порядку.

Персонализация главной страницы

Каждый день на сайт Hoff заходят около 160 тыс. пользователей, и хотя сегодня уже далеко не все пользователи просматривают главную страницу, она по-прежнему остается важным элементом восприятия сайта. Чтобы заинтересовать и удержать пользователя используются различные элементы, в том числе правильно подобранные блоки товарных рекомендаций.

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

Первому сегменту показывались хиты продаж:

Второму сегменту показывались персонализированные хиты продаж - популярные товары магазина, подобранные по интересам и предпочтениям пользователя:

Третьему сегменту показывались популярные товары из интересных пользователю категорий:

Четвертый сегмент был контрольной группой, которой рекомендации не показывались.

Результаты

По итогам тестирования были получены следующие результаты:

Вывод

Согласно результатам тестирования, применение механики «Персонализированные хиты продаж» в блоке рекомендаций на главной странице интернет-магазина Hoff.ru увеличивает конверсию на 4,3%. В сочетании с ростом среднего чека на 6,9% это дает прогнозируемый рост входящего оборота на 11,5%.

Персонализация страницы категории

Страница категории ставит перед ритейлером сложную задачу: помочь клиенту сфокусировать внимание на поиске необходимых товаров. Так вероятность покупки значительно увеличивается.

Сориентироваться покупателю помогут блоки персональных рекомендаций. Их задача - показать пользователю лучшие варианты из огромного ассортимента и плавно провести клиента дальше по воронке.

Для того, чтобы понять, какой алгоритм справится наилучшим образом, мы провели A/B-тестирование. Все посетители сайта случайным образом делились на 4 сегмента:

Первому сегменту показывались хиты продаж из категории:

Второму сегменту показывались персонализированные хиты продаж из категории - популярные товары из категории, подобранные по интересам каждого пользователя:

Третьему сегменту показывались персональные рекомендации товаров из категории - подборка товаров из конкретной категории, максимально подходящих под интересы и предпочтения пользователя:

Четвертый сегмент был контрольной группой, рекомендации не показывались.

Результаты

По итогам тестирования были получены следующие результаты:

Вывод

Согласно результатам тестирования, применение механики «Персонализированные хиты продаж» в блоке рекомендаций на странице категории интернет-магазина Hoff.ru увеличивает конверсию целевых посетителей на 4,8%. В сочетании с ростом среднего чека на 8,5% это дает прогнозируемый рост входящего оборота на 13,7%.

Персонализация карточки товара

Карточка товара - один из важнейших элементов customer journey. Во многом именно от неё зависит, совершит ли пользователь заказ.

Существует много стереотипов о «правильных» рекомендациях, например, что в карточке товара нужны исключительно блоки сопутствующих товаров. «Все знают, что к рубашке нужно рекомендовать галстук» периодически пишут нам в комментариях к кейсам. Но не бывает двух одинаковых магазинов и таких же одинаковых решений, подходящих для всех.

Обратите внимание, что в одиночку блок сопутствующих товаров показал отрицательный результат. Но в сочетании с похожими товарами картина совершенно другая. Посмотрите, насколько сильно отличаются значение прибыли в зависимости от расположения блоков!

Как всегда для проверки эффективности использовалась методика A/B-тестирования, при которой пользователи 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 (снизу):

Четвертому сегменту показывались также два блока одновременно, но в обратном порядке. Сопутствующие товары располагались сверху, а похожие снизу:

Пятый сегмент был контрольной группой, рекомендации не показывались.

Результаты

По итогам тестирования были получены следующие результаты:

Вывод

Согласно результатам тестирования, применение механики «Похожие товары и сопутствующие товары» в блоке рекомендаций в карточке товара интернет-магазина Hoff.ru увеличивает средний чек на 6,3%. В сочетании с незначительным уменьшением конверсии это дает прогнозируемый рост входящего оборота на 5,8%.

Персонализация страницы поиска

Поисковая страница очень важна для тех покупателей, которые не любят вручную просматривать страницу категории в поисках подходящего товара. Обычно такие пользователи уже знают чего хотят и ждут от магазина полного взаимопонимания.

Для того, чтобы генерация товаров по запросу проходила наиболее точно, мы решили добавить поисковые рекомендации. Они ориентируются на запрос и предлагают подборку, подходящую к ключевым словам, учитывая неправильное написание, ошибки и опечатки.

В ходе A/B-тестирования все посетители сайта случайным образом делились на 2 сегмента:

Первому сегменту показывались поисковые рекомендации:

Второй сегмент был контрольной группой, рекомендации которой не показывались.

Результаты

По итогам тестирования были получены следующие результаты:

Вывод

Согласно результатам тестирования, применение механики «Стандартные поисковые рекомендации» в блоке рекомендаций в поиске интернет-магазина Hoff.ru увеличивает средний чек на 8,5%. В сочетании с приростом конверсии на 0,6% это дает прогнозируемый рост входящего оборота на 9,15%.

Комментарий Hoff

Мы давно сотрудничаем с Retail Rocket и полностью доверяем их решениям, каждое из которых основывается на глубоких знаниях и опыте. Персонализация ключевых страниц нашего сайта принесла нам отличный прирост в конверсии и обороте. Мы планируем и дальше проводить АБ-тестирование новых механик в рекомендациях и персонализации страниц нашего сайта.

Создавая персонализированный опыт для каждого пользователя на сайте, мы увеличиваем доверие наших клиентов, обеспечиваем рост их лояльности и мотивируем возвращаться к нам снова и снова

Дмитрий Дворецкий

директор по электронной коммерции Hoff

Материал опубликован пользователем. Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать
{ "author_name": "Retail Rocket", "author_type": "self", "tags": [], "comments": 4, "likes": 0, "favorites": 24, "is_advertisement": false, "subsite_label": "marketing", "id": 61637, "is_wide": false, "is_ugc": true, "date": "Thu, 21 Mar 2019 14:48:46 +0300" }
{ "id": 61637, "author_id": 121846, "diff_limit": 1000, "urls": {"diff":"\/comments\/61637\/get","add":"\/comments\/61637\/add","edit":"\/comments\/edit","remove":"\/admin\/comments\/remove","pin":"\/admin\/comments\/pin","get4edit":"\/comments\/get4edit","complain":"\/comments\/complain","load_more":"\/comments\/loading\/61637"}, "attach_limit": 2, "max_comment_text_length": 5000, "subsite_id": 199113, "last_count_and_date": null }

4 комментария 4 комм.

Популярные

По порядку

0

По сути ничего не измелось, весь рост укладывается в допустимый уровень погрешности.
В чем кейс? Просто жалко времени на рекламный пост.

Ответить
0

Почему не изменилось? Есть статистически достоверные приросты конверсии и среднего чека. Для крупных магазинов даже доли процентов имеют большое значение, не говоря уже о более значительных цифрах, как в этом кейсе, например.
Кроме того, есть стереотипы о том, что можно поставить любые рекомендации и это даст прирост продаж. Мы показываем, что нужно подходить более вдумчиво и тестировать разные варианты, иначе результат может быть даже отрицательным.

Ответить
0

Было бы ещё лучше если бы раскрыли алгоритм подбора "пересонализированных товаров".
Это исходило из цветов, материалов предидущих заказов?
А как справились с теми у кого нет истории покупок?

Ответить
0

В алгоритме персональных рекомендаций учитывается и история покупок, и интересы к свойствам товаров (таким как цена, бренд, и т.д.), и поведение в реальном времени и множество других факторов.
С случае с пользователями, у кого истории покупок пока нет, все равно есть поведение на сайте в текущий момент времени, которое можно учитывать для построения рекомендаций.

Ответить
0
{ "page_type": "article" }

Прямой эфир

[ { "id": 1, "label": "100%×150_Branding_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox_method": "createAdaptive", "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfl" } } }, { "id": 2, "label": "1200х400", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfn" } } }, { "id": 3, "label": "240х200 _ТГБ_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fizc" } } }, { "id": 4, "label": "240х200_mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "flbq" } } }, { "id": 5, "label": "300x500_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfk" } } }, { "id": 6, "label": "1180х250_Interpool_баннер над комментариями_Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "ffyh" } } }, { "id": 7, "label": "Article Footer 100%_desktop_mobile", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjxb" } } }, { "id": 8, "label": "Fullscreen Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjoh" } } }, { "id": 9, "label": "Fullscreen Mobile", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjog" } } }, { "id": 10, "disable": true, "label": "Native Partner Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyb" } } }, { "id": 11, "disable": true, "label": "Native Partner Mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyc" } } }, { "id": 12, "label": "Кнопка в шапке", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "bscsh", "p2": "fdhx" } } }, { "id": 13, "label": "DM InPage Video PartnerCode", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox_method": "createAdaptive", "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "flvn" } } }, { "id": 14, "label": "Yandex context video banner", "provider": "yandex", "yandex": { "block_id": "VI-223676-0", "render_to": "inpage_VI-223676-0-1104503429", "adfox_url": "//ads.adfox.ru/228129/getCode?pp=h&ps=bugf&p2=fpjw&puid1=&puid2=&puid3=&puid4=&puid8=&puid9=&puid10=&puid21=&puid22=&puid31=&puid32=&puid33=&fmt=1&dl={REFERER}&pr=" } }, { "id": 15, "label": "Плашка на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byudx", "p2": "ftjf" } } }, { "id": 16, "label": "Кнопка в шапке мобайл", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byzqf", "p2": "ftwx" } } }, { "id": 17, "label": "Stratum Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvb" } } }, { "id": 18, "label": "Stratum Mobile", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvc" } } }, { "id": 19, "label": "Тизер на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "p1": "cbltd", "p2": "gazs" } } } ]
Нейронная сеть научилась читать стихи
голосом Пастернака и смотреть в окно на осень
Подписаться на push-уведомления
{ "page_type": "default" }