«Эльдорадо» и Retail Rocket: кейс по персонализации сайта

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

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.

«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.

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.

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.

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:

По итогам тестирования были получены следующие результаты:

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%.

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:

По итогам тестирования были получены следующие результаты:

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%.

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:

По итогам тестирования были получены следующие результаты:

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%.