{"id":9454,"title":"\u041a\u0430\u043a \u0441\u0442\u043e\u043b\u044f\u0440\u044b \u0438\u0437 \u0420\u044f\u0437\u0430\u043d\u0438 \u0437\u0430\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u044e\u0442 \u043d\u0430 \u0434\u0435\u0440\u0435\u0432\u044f\u043d\u043d\u044b\u0445 \u0434\u0438\u043d\u043e\u0437\u0430\u0432\u0440\u0430\u0445","url":"\/redirect?component=advertising&id=9454&url=https:\/\/vc.ru\/pochta\/328045-kak-stolyarnaya-masterskaya-iz-ryazani-nachala-prodavat-tovary-po-vsemu-miru&placeBit=1&hash=2a5fe1185750debf6eff79c9510d5a82ba810f16be799f12f89083789a4f685f","isPaidAndBannersEnabled":false}
Маркетинг
Retail Rocket

Почему пора перестать верить устоявшимся практикам рынка: как стандартные рекомендации могут снижать продажи магазина

Персонализация и автоматизация маркетинга шагают на рынке ecommerce семимильными шагами: индустрия стремительно наполняется новыми технологиями, и это ставит перед маркетологами важную проблему, на что делать ставку при внедрении новых продуктов и как понять, что новинка не наносит бизнесу ущерб?

Чаще всего, теряясь в многообразии новых методик и алгоритмов, маркетологи совершают главную ошибку: выбор технологии или инструмента происходит в пользу интуиции и самых низких цен без погружения в детали или измерения эффективности работы, что чревато риском реального снижения продаж.

В этой статье на примере внедрения персональных рекомендаций в несколько интернет-магазинов мы проиллюстрируем такие ошибки, а также опишем пути их избежания.

Блоки рекомендаций: новейшие тенденции классических решений

Рекомендательные блоки уже долгое время помогают интернет-магазинам повышать выручку и конверсию. «Новинки», «Хиты продаж», «Сопутствующие товары» - эти механики своего рода классика ecommerce. Но в последние годы почти все исследователи говорят о стремлении пользователей к персонализированному обслуживанию. По информации исследовательской компании Gartner, интернет-магазины, игнорирующие эту тенденцию, к 2020 году будут зарабатывать на 15% меньше тех, кто внедряет персонализированный сервис.

Retail Rocket более 6 лет разрабатывает алгоритмы персонализации, и за нашими плечами несколько тысяч тестов. Мы собрали кейсы персонализации сайта, где общепринятые механики приносили интернет-магазинам убытки и готовы рассказать о том, как достичь максимального повышения выручки при выборе блоков рекомендаций.

Главная страница Aizel.ru: снижение выручки на 22% из-за блока «Хиты продаж»

Именно сотрудничество с маркетплейсом Aizel.ru натокнуло нас на написание этой статьи. Раньше персональные рекомендации выступали скорее как альтернатива стандартным механикам, но теперь они необходимы многим интернет-магазинам.

Например, на главной странице Aizel.ru мы тестировали два блока рекомендаций - персонализированные и стандартные «Хиты продаж». Первый блок показал рост выручки на 3,8%, а второй - падение на 22,4%!

Исследование эффективности проводилось с использованием механики A/B-тестирования, при которой все посетители сайта случайным образом делились на равных 3 сегмента.

Первому сегменту показывались хиты продаж:

Второму сегменту показывались персонализированные хиты продаж:

Третьему сегменту рекомендации не показывались. Он выступал в качестве контрольной группы.

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 Aizel.ru увеличивает конверсию на 10,1% со статистической значимостью 96,2%. В сочетании с небольшим уменьшением среднего чека это дает прогнозируемый рост выручки на 3,6%.

Если бы магазин доверился общепринятым практикам рынка, то при использовании стандартной механики «Хиты продаж» потерял бы более 22,4% выручки за счет снижения конверсии на 7,7% и среднего чека на 15,9%.

Страница категории казахстанского интернет-магазина Белый Ветер: снижение среднего чека на 2,6% из-за блока «Хиты продаж»

Страница категории очень важна и от нее во многом зависит как поиск и выбор товара пойдет дальше. Например, неудобная навигация или отсутствие релевантных позиций могут стать причиной ухода клиента без шанса на возврат. Вероятнее всего, не найдя ничего интересного, пользователь просто решит уйти к конкуренту, надеясь на более подходящий ассортимент.

Возможно, так и происходило в казахстанском интернет-магазине электроники Белый Ветер. Здесь, также как и в кейсе выше, стандартные «Хиты продаж» показали снижение выручки и среднего чека на 1,4% и 2,6% соответственно, в то время, как механика «Персонализированные хиты продаж» повысила эти метрики на 16,5% и 9,6%.

Для оптимизации рекомендательной системы на сайте интернет-магазина «Белый Ветер» было проведено A/B-тестирование на странице категории, где 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 «Персонализированные 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%.

А применение стандартной механики «Хиты продаж из категории», которой пользуются многие магазины, хотя и немного повышает конверсию, но снижает средний чек на 2,6%, что дает общее падение выручки на 1,4%.

Карточка товара гипермаркета Hoff: сопутствующие товары в одиночку дают отрицательный прирост выручки на 4,3%

Сопутствующие товары - тема, к которой нет равнодушных. Существует много стереотипов о «правильных» рекомендациях, например, что в карточке товара нужны исключительно блоки сопутствующих товаров. Но не бывает двух одинаковых магазинов и таких же одинаковых решений, подходящих для всех.

Среди последних кейсов с неоднозначными результатами в карточке товара был интернет-гипермаркет Hoff. Здесь блок сопутствующих товаров показал отрицательный результат. Но в сочетании с похожими товарами картина совершенно другая. Стоит обратить внимание на то, что в одиночку блок похожих товаров дал прирост примерно в два раза ниже (за исключением конверсии), чем вместе с сопутствующими товарами. Однако, если поменять блоки местами, мы снова получаем результаты на грани фола.

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%.

Если мы магазин доверился стереотипам вроде «к рубашке нужно рекомендовать галстук» и выбрал рекомендации сопутствующих товаров, то за счет снижения конверсии на 2% и среднего чека на 2,3%, падение выручки составило бы 4,3%.

Поисковая страница Book24: стандартные рекомендации снижают выручку на 7%

В этом кейсе мы поговорим о рекомендациях на странице поиска, о которых часто забывают. А ведь именно здесь многие посетители сайта начинают путь по сайту. Стандартные поисковые рекомендации основываются на ключевых словах, а приоритет в выдаче остаётся за самыми популярными позициями. Но так ли это эффективно, как кажется?

Возможно, пользователь уже видел блок «Хиты продаж» на главной, поэтому те же товары в поиске могут его не устроить, вплоть до ухода с сайта. Так вся поисковая страница начинает работать в минус для ритейлера. Эту проблему исправят персонализированные товары, которые будут учитывать и текстовый запрос пользователя, и его интересы.

Здесь мы также использовали механику A/B-тестирования. Для того, чтобы найти оптимальный алгоритм для страницы поиска, пользователи случайным образом делились на 3 сегмента:

Первому показывались стандартные поисковые рекомендации:

Второму сегменту показывались персональные поисковые рекомендации:

Третий сегмент был контрольной группой, рекомендации пользователям в этом сегменте не показывались.

Результаты

Вывод

Согласно результатам тестирования, применение механики «Персональные поисковые рекомендации» в блоке рекомендаций в карточке товара интернет-магазина Book24.ru увеличивает конверсию на 6,5% со статистической значимостью 99,73%. В сочетании с повышением среднего чека на 0,77%, прогнозируемый рост выручки составляет 7,28%.

При этом стандартные поисковые рекомендации, внедряемые многими магазинами по умолчанию, хотя и незначительно повышают конверсию страницы, но снижают средний чек на 7,5% и вместо роста выручки обеспечивают ее падение на целых 6%.

Заключение

Каждый интернет-магазин уникален и требует особого подхода. Поэтому всегда стоит проводить тесты эффективности и не надеяться на общепринятые решения. Особенно сейчас, когда пользователи нуждаются в персональном подходе.

Для того, чтобы правильно оценить эффективность того или иного решения, лучше всего использовать методику A/B-тестирования - она дает возможность получить наиболее честные результаты. Любую гипотезу можно проверить с помощью цифр, но важно делать это по определенным правилам, поскольку проведение A/B-теста - это очень сложный процесс с множеством подводных камней. Если A/B-тестирование проводится с ошибкой, то бизнес гарантированно принимает неверное решение и получает скрытые убытки.

Какая из конфигураций окажется выигрышной в вашем интернет-магазине? Знают только ваши пользователи. Тестируйте самые разные алгоритмы, даже те, которые на первый взгляд кажутся проигрышными. Иногда неочевидное решение оказывается лучшим. Также вы можете обратиться за помощью в Retail Rocket. Мы будем рады помочь провести исследование эффективности и поработать совместно над повышением ключевых метрик.

Удачи в нахождении лучших конфигураций блоков рекомендаций!

0
1 комментарий
Популярные
По порядку
Satom.ru

Интересно было изучить такое подробное исследование. На самом деле, на своем портале мы тоже уже достаточно давно используем персонализированный подход. При этом у нас есть такие блоки, как "Популярные товары", где публикуются наиболее популярные категории каталога, но есть и блок "Рекомендуемые товары", который формируется на основе предпочтений посетителя. В категориях применяем только персонализированные рекомендации. Цифры приводить не будем, но влияние этих факторов на конверсию определенно есть.

Ответить
0
Развернуть ветку
Читать все 1 комментарий
Wildberries лично ответил на обвинения покупателей о вранье с платным возвратом. Мы провели блиц-опрос с площадкой
Новый дизайн «Секрета фирмы» учтёт пользовательские сценарии потребления и поиска контента

О трендах бизнеса и экономики можно прочесть коротко и ясно в удобных форматах

«Купи сейчас, плати потом»: новая классика или мимолетная мода

Сервис рассрочек рассказывает о новом финтех-тренде.

Ozon и AliExpress начали задерживать доставку товаров на несколько дней Статьи редакции

Оператор доставки для маркетплейсов объяснил задержки загруженностью дорог в Сибири и на Дальнем Востоке и высоким спросом накануне праздников.

Мощные сервисы для быстрого машинного обучения: от GPU SuperCloud до суперкомпьютера

В последние три года мы видим рост спроса на технологии искусственного интеллекта (ИИ) и машинного обучения. Они проникли практически во все сферы нашей жизни, начиная от различных колл-центров и городских систем видеонаблюдения, заканчивая системами медицинского скрининга и диагностики заболеваний. Даже для оплаты проезда в столичной подземке…

Axelar Network

Axelar, a decentralized interoperability network that links blockchain communities, applications, and users. Axelar’s interoperability procedure is decentralized, protected, versatile, and developed to link all blockchain communities that speak various languages. The procedure makes it possible for designers to construct on any blockchain…

Как выпустить заменитель соли на Boomstarter.ru и попасть в список Forbes

Сёстры из Астрахани запустили на Boomstarter.ru продажи нового продукта — зеленой соли. После этого их продукцию начали продавать в сетевых магазинах, а само бизнес-начинение журнал Forbes включил в список лучших стартапов.

Кейс Таргет. Как привлечь 379 заявок на покупку мужских костюмов и предотвратить закрытие ателье

Как я за 4 месяца привлек 379 заявок по 350 рублей на покупку мужских костюмов при среднем чеке 80 000 рублей

Как сделать работу компаний и фрилансеров удобной

С помощью сервиса «Рокет Ворк».

No-code подход в мобильной разработке: будущее или мелкая ниша?

Меня зовут Алексей Жилин, я основатель агентства мобильной разработки SMD Agency, а также сооснователь стартапа Wiby, размышления о котором и натолкнули меня на написание этой статьи. Wiby - это сервис, в котором рестораны и доставки еды могут получить нативное мобильное приложение с бэк-офисом и интеграциями с основными CRM этой отрасли для…

null