Маркетинг
Retail Rocket
1233

«Эльдорадо» и Retail Rocket: кейс по персонализации сайта

Персонализация поиска, страницы скидки и карточки товара — на что стоит обратить внимание в первую очередь?

В закладки

Внедрение новых решений и поиск уникальных способов улучшить сервис чаще всего ложится на плечи крупных ритейлеров. Можно сказать, именно они задают тренды в e-commerce. Мы в Retail Rocket понимаем это и стараемся упростить магазинам поиск инноваций, предлагая новые подходы к персонализированному маркетингу. Совместно с «Эльдорадо» расскажем о персонализации страниц, которые в кейсах встречаются достаточно редко.

Цели и задачи «Эльдорадо»

«Эльдорадо» – российская сеть цифровой и бытовой техники. Философию бренда отражают следующие принципы: просто, выгодно, рядом. «Эльдорадо» близок к своим покупателям за счет удобных локаций магазинов и выгоден благодаря широкому спектру товарных предложений.

Ежемесячная доля онлайн-трафика составляет 16,2 миллиона пользователей, по данным Similar Web.

​Розничный магазин «Эльдорадо»

Для «Эльдорадо» важно поддерживать положительный покупательский опыт на каждом этапе взаимодействия клиента с интернет-магазином. Сейчас рекомендации Retail Rocket стоят на следующих страницах:

  • Главная страница
  • Карточка товара
  • Корзина
  • Сравнение товаров
  • Страница 404
  • Личный кабинет

После работы над основными этапами customer journey мы решили прокачать другие страницы. Цели были такие:

  • увеличить конверсию;
  • подобрать самые эффективные алгоритмы для страницы поиска и скидок;
  • сократить путь пользователя до покупки.

Решение Retail Rocket

За персонализацию сайта в Retail Rocket отвечает отдельная команда. Более 7 лет мы разрабатываем персональные алгоритмы и внедряем их. Одна из главных особенностей работы с механиками Retail Rocket: они полностью автоматизированы и работают на основе действий и интересов пользователей.

Чтобы подобрать лучшие алгоритмы, мы тщательно изучили магазин и провели несколько A/B-тестирований. Давайте подробнее рассмотрим каждый из тестов.

Тест № 1. Карточка товара

Начнем с карточки товара. Это очень интересная страница, где никогда нельзя предугадать, какой из алгоритмов покажет себя лучше всего. Именно поэтому в карточке товара всегда нужно проводить тестирование. Мы не рекомендуем проводить A/B-тесты самостоятельно по нескольким причинам:

  • любая ошибка влияет на корректность результатов. Скорее всего вы знакомы со случаями, когда по тесту магазин получает прирост, а по факту выручка через какое-то время уменьшалась;
  • недостаток экспертизы может привести к некорректному выделению сегментов пользователей, что также чревато потерей выручки.

Если вы хотите провести тестирование самостоятельно, то рекомендуем ознакомиться со статьей «Подводные камни A/Б-тестирования или почему 99% ваших сплит-тестов проводятся неверно?».

Вернемся к тесту. В рамках оптимизации работы рекомендательной системы «Эльдорадо» мы провели исследование эффективности различных алгоритмов в карточке товара магазина с использованием механики A/B-тестирования.

Все посетители сайта случайным образом делились на 3 сегмента:

Первому сегменту показывались похожие товары:

Второму сегменту показывались сопутствующие товары:

Третьему сегменту показывались похожие товары и сопутствующие товары. Он выступал в качестве контрольной группы:

Результаты

По итогам тестирования были получены следующие результаты:

Вывод

Согласно результатам тестирования, применение механики «Похожие товары» в блоке рекомендаций в карточке товара интернет-магазина «Эльдорадо» увеличивает конверсию 1,7%. В сочетании с приростом среднего чека на 4,4% это дает прогнозируемый прирост выручки на 6,1%. Статистическая вероятность равна 89%.

Тест № 2. Поисковая страница

Поисковая страница обычно не так популярна у пользователей. Чаще всего клиенты смотрят товары через категорию или переходят в разделы через главную. Однако для определенного типа покупателей поиск — важнейшая страница в интернет-магазине. Те, кто использует её, четко понимают свои желания и больше готовы к покупке, чем клиент, который бродит из раздела в раздел.

Как не упустить таких пользователей и дожать их? Мы решили использовать персональные рекомендации Retail Rocket. Они учитывают интересы клиента и предлагают к его поисковому запросу товары, которые могут его заинтересовать.

Исследование эффективности проводилось с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на 2 сегмента:

Первому сегменту показывались персональные рекомендации:

Второму сегменту показывались стандартные поисковые рекомендации. Этот сегмент выступал в качестве контрольной группы:

Результаты

По итогам тестирования были получены следующие результаты:

Вывод

Согласно результатам тестирования, применение механики «Персональные рекомендации» в блоке рекомендаций в пустом поиске интернет-магазина «Эльдорадо» увеличивает конверсию на 4,7%. В сочетании с приростом среднего чека на 1,6% это дает прогнозируемый прирост выручки на 6,4%. Статистическая вероятность теста равна 87%.

Тест №3. Страница скидок

Страницу скидок нечасто персонализируют, т.к. низкие цены сами по себе неплохо привлекают покупателей. Мы решили проверить, насколько хорошо персонализированное предложение будет работать вместе с ценовым фактором. Почему бы и нет, если можно получить дополнительную выручку?

Так же, как и при работе с поисковой страницей, для теста мы выбрали персональные рекомендации. Однако немного изменили алгоритм специально для страницы скидок. Теперь рекомендации учитывают не только интересы клиента, но и ищет наилучшие совпадения в акционных товарах. Мы провели A/B-тест, разделив пользователей на два сегмента:

Первому сегменту показывались персональные рекомендации со скидкой:

Второму сегменту показывались стандартные хиты продаж со скидкой. Этот сегмент выступал в качестве контрольной группы:

Результаты

По итогам тестирования были получены следующие результаты:

Вывод

Согласно результатам тестирования, применение механики «Персональные рекомендации со скидкой» в блоке рекомендаций на странице скидок «Эльдорадо» увеличивает конверсию на 3,8%. В сочетании с приростом среднего чека на 1,3% это дает прогнозируемый прирост выручки на 4,2%. Статистическая вероятность теста равна 89%.

Отзывы по проекту «Эльдорадо» & Retail Rocket

Нам важно работать с надежным подрядчиком, мастером своего дела. «Эльдорадо» ˗ важный магазин для российского рынка электроники, поэтому мы стремимся быть лучшими для наших покупателей. Retail Rocket помогает нам с этим в онлайн-пространстве.

Анатолий Мохов
Руководитель департамента электронной коммерции «Эльдорадо» группы компаний «М.Видео-Эльдорадо»

Работая с «Эльдорадо», я ощущала огромную ответственность. Хочется не просто предложить лучшее, а совместно создать новые стандарты сервиса в e-commerce. В рамках проекта мы реализовали множество идей. Работать с профессионалами такого уровня очень здорово и интересно.

Татьяна
Менеджер Retail Rocket
{ "author_name": "Retail Rocket", "author_type": "self", "tags": [], "comments": 8, "likes": 7, "favorites": 18, "is_advertisement": false, "subsite_label": "marketing", "id": 92667, "is_wide": false, "is_ugc": true, "date": "Thu, 14 Nov 2019 16:27:13 +0300", "is_special": false }
Объявление на vc.ru Отключить рекламу
0
8 комментариев
Популярные
По порядку
Написать комментарий...
2

Спасибо интересно! Всегда приятно подтвердить реальным экспериментом, то что кажется правильным.

Ответить
0

Добрый день! Спасибо за ваш комментарий :) 

Ответить
1

Ничего особо интересного.
Статья должна была называться «Стратегии рекомендаций», так как персонализация сайта - совсем другая и более широкая история.
Знаю о чем говорю, так как испробовала много сервисов по персонализации, АB-тестированию и отдельно рекомендациям. Ну и к тому же описанные выше кейсы повторяются из года в год - все одно и то же…

Ответить
0

Добрый день, Дарья! Спасибо за ваш комментарий. У каждого ритейлера свои задачи при сотрудничестве с Retail Rocket, и мы просто делимся опытом их выполнения. Повторение некоторых механик вполне закономерно: для оценки эффективности магазины используют одни и те же метрики. 

Retail Rocket на рынке более 7 лет и успели выработать за это время методологию, которая позволяет достигать лучших результатов в более короткие сроки. Именно ее мы совершенствуем и используем. Если вы ещё не наш клиент, но используете реко и тесты, то давайте свяжемся. С радостью послушаем пожелания и предложения: hello@retailrocket.io

Ответить
1

А что-то я не понял, как работает ваш алгоритм персонализации? На основании каких данных? 
Например, мне скинули в ватсапе ссылку на страницу с акциями, где скидка на технику новосёлам (ваш скрин), а в рекомендациях телефон, смарт-часы, обогреватель и холодильник. В чем логика? Причем обогреватель за 690р, а часы за 18000р.
Ещё момент, что в блоке "вы недавно смотрели" и  блоке рекомендаций товары дублируются, в чем тут рекомендация?

И еще пара вопросов: сколько длился каждый А/Б тест? какой количество покупателей вы считаете достаточно? 

Ответить
0

Добрый день, Алексей! Спасибо за ваш развернутый комментарий. Если вы впервые оказываетесь на сайте, например, перейдя по ссылке из WhatsApp, то рекомендации не сформируются. В остальных случаях - подборка сформируется индивидуально под ваши интересы и запросы, которые индексирует платформа. Подробнее о том, как работает алгоритм персонализации вы можете прочесть в нашем блоге на Хабре. В нескольких предложениях описать это действительно сложно. Там же вы найдете подробную информацию о проведении тестов, включая длительность и количество покупателей.  

Также на странице, о которой вы говорите, нет виджета рекомендаций Retail Rocket. Мы не можем прокомментировать товарную подборку в них.
Механика из кейса работает на странице списка скидок (https://www.eldorado.ru/actions.php?type=online).

Ответить
–1

"Персонализация поиска, страницы скидки и карточки товара — на что стоит обратить внимание в первую очередь?" - После... воссоединения... с м-видео - "ниначто". У меня уже несколько персонально мертвых "брендов" - м-видео, связной... вот теперь еще и эльдорадо.

Ответить
0

Здравствуйте! Если вы не испытываете симпатию к магазину из этого кейса, то предлагаем познакомиться с другими нашими публикациями :)

Ответить

Комментарии

null