Кейсы персонализации: как интернет-магазин «Перекресток» использует товарные рекомендации для роста онлайн продаж
Онлайн-супермаркет Perekrestok.ru запущен в 2017 году в Москве. В октябре 2018 сервис вышел в Санкт-Петербург. По итогам 2019 года количество заказов превысило 1,3 млн, увеличившись более чем в 3 раза по сравнению с 2018 годом. Чистая выручка по итогам 2019 года выросла в 3 раза по сравнению с предыдущим годом и составила 4,3 млрд руб. без НДС. По итогам первого квартала 2020 года чистая выручка онлайн-супермаркета Perekrestok.ru выросла до 2,09 млрд руб., количество заказов превысило 590 тыс., а средний чек составил 4026 рублей.
Онлайн-супермаркет уже давно успешно применяет инновации в e-grocery, а в 2019 году в копилку онлайн-инструментов повышения продаж добавилась еще и персонализация. Расскажем подробнее о совместном кейсе Perekrestok.ru и Dynamic Yield.
Настоящее и будущее за персонализацией.
Perekrestok.ru предлагает удобный формат онлайн-покупок с доставкой продуктов домой, в офис или на дачу. Особое внимание уделяется планированию потребительской корзины и закупке впрок. Perekrestok.ru подстраивается под потребности динамичных жителей мегаполиса, предлагая еще более удобный формат покупок.
Сотрудничество с командой Stellar Labs и платформой Dynamic Yield помогает проводить активную работу над оптимизацией конверсии и ростом выручки Perekrestok.ru. Вместе они занимаются внедрением, тестированием и использованием технологий персонализации, например, товарных рекомендаций.
Товарные рекомендации – это виджеты на сайте, в которых выводится набор товаров. За этими виджетами стоит специальная система, которая на основании данных о поведении и интересах пользователей, а также о свойствах товаров, подбирает для каждого пользователя товары, которые с наибольшей вероятностью актуальны для него в каждый момент работы с сайтом.
Платформа Dynamic Yield позволяет настроить товарные рекомендации, ориентируясь на большое количество метрик, таких как профили пользователей, источники трафика и т.д. Машинное обучение помогает проанализировать, к какому сегменту покупателей какие пользователи относятся, и предложить им наиболее интересное предложение и подобрать индивидуальную стратегию использования персональных рекомендаций. Именно мощный срез аналитических данных выделяет систему среди конкурентов.
Это не новость для рынка, но мы обнаружили, что для разных сегментов целевой аудитории нужно подбирать свой подход. Например, для пользователей, покупающих на perekrestok.ru детское питание, прирост в конверсии от виджетов на странице товара составил 18,2%, что почти в 2 раза выше, чем в среднем по сайту.
Опыт Perekrestok.ru
«Внедрение персонализации требует провести значительную работу по интеграции платформ между собой. Сначала команда Perekrestok.ru передала Dynamic Yield данные по товарам: в эту информацию входят не только стандартные товар/описание/цена, но и многие другие расширенные параметры, например, данные о том, обычное это молоко или безлактозное.
После этого нужно было интегрировать атрибуцию товаров: например, система получала данные не просто о безлактозном молоке, а делила его на безлактозное отечественное и безлактозное импортное. Perekrestok.ru тщательно прорабатывал атрибутивные данные, чтобы можно было настроить инструменты персонализации Dynamic Yield максимально эффективно: партнёру стали доступны история покупок пользователя, информация о нем, данные об используемых механиках. Также Perekrestok.ru обновил дизайн сайта, чтобы добавить блоки рекомендаций в карточки товаров.
В итоге пользователь заходит в карточку товара и видит безлактозное молоко, а в рекомендациях ему советуют похожие товары, в которые входит еще несколько видов безлактозного импортного молока. Это происходит не потому, что он сейчас находится на аналогичной странице, а потому что система, с одной стороны, анализирует данные пользователя, а с другой стороны – расширенные атрибуты (параметры) товаров. Далее система даёт рекомендацию на основе результатов анализа, и, что важно, оценивает сделанный выбор.
Таким образом, для внедрения персонализации на сайт необходимо провести как значительную бэкэндовую работу на старте, так и фронтедовую, на этапе вывода проекта в онлайн. Нужно отследить пользователя, когда он заходит на сайт, идентифицировать и передать информацию о нем в платформу формирования рекомендаций. Для реализации этого требуется интегрировать данные – и о товарах, и о клиентах, а также корректно встраивать информацию на сайт,» — отметила директор по продукту Perekrestok.ru Мария Тимофеева.
Артемий Шайденко, руководитель направления веб-сайтов, управление продуктов онлайн-супермаркета Perekrestok.ru: «Мы разобрались, как персонализированные рекомендации можно внедрить в интернет-магазине. Теперь стоит поговорить о том, какие существуют стратегии этих рекомендаций. Остановимся на трех: когда пользователь открывает продукт, он может увидеть «похожие товары» — товары, аналогичные тем, которые он сейчас смотрит, «акционные товары» — в этом случае будут показываться специальные предложения, и виджет «вам может понравится» — индивидуальные рекомендации, которые появляются на пустом экране при неудачном поиске позиций. Платформа Dynamic Yield позволяет персонализировать не только наполнение рекомендаций товарами, но и сам выбор стратегии. Например, для пользователей, которые чаще интересуются товарами со скидкой, скорее покажется блок со специальными предложениями, чем с похожими товарами».
Топ-3 стратегии рекомендаций:
1. Виджеты на карточке товара «Похожие товары».
Довольно распространенная стратегия товарных рекомендаций с похожими товарами на карточке товара показала прирост в конверсии +10,9% относительно контрольной группы, а в выручке +12,0% для десктопа.
Благодаря возможностям платформы Dynamic Yield, кампания была проанализирована в большом количестве разрезов разных платформ (например, источников трафика или типов пользователей), что позволило в дальнейшем по-разному оптимизировать ее для разных аудиторий и сегментов, например, для новых пользователей и вернувшихся.
Например, новые сессии показали рост в выручке на 61.5% выше, чем вернувшиеся, что имеет для бизнеса огромное значение и потенциал, так как данный сегмент исторически конвертируется хуже. Кроме этого, удалось увидеть, что пользователи из реферального канала трафика и из социальных сетей показали рост конверсии с большим отрывом от других каналов.
Один из интересных инсайтов также можно увидеть в анализе сегментов по количеству просмотров карточек товаров: чем больше карточек товаров было просмотрено, тем больший рост конверсии показало наличие данного виджета с товарными рекомендациями.
Скорее всего, тут можно говорить о том, что пользователи долго выбирали товары, а данный виджет все-таки помог им найти то, что они хотели.
На платформе Dynamic Yield каждую кампанию по персонализации можно разложить по любым сегментам, которые важны для вашего бизнеса. Конечно, аналитике кампаний по персонализации для мобильного трафика мы всегда уделяем особое внимание. Увеличение конверсии для мобильных устройств составило +2,6%. Основной из гипотез мы можем назвать то, что на мобильном устройстве пользователи просто не прокручивали страницу до этого блока. Соответственно, для мобильных можно протестировать другое расположение блока на странице и другую визуальную форму.
Что интересно, по результатам для сегментов покупателей разных категорий самый большой рост в конверсии показали:
2. Виджет с акционными товарами на карточке товара.
Кроме блока с похожими на странице товара был протестирован блок с акционными товарами.
Благодаря виджетам с рекомендациями товаров со скидками выручка на десктопе вырастает на 2,5%, а в мобильной версии - на 1%. Аналитика позволяет дополнительно сегментировать целевую аудиторию. Например, на десктопе выручка у новых клиентов +10%, а у текущих +5%, что позволяет тестировать разные варианты сценариев, добиваясь лучших результатов.
3. Виджет «Пустой поиск».
Неверно введено название нужного товара? В этом случае пользователь увидит виджет «грустная груша» с предложением перейти в каталог с лентой товарных рекомендаций, построенной на базе знаний системы о ваших предпочтениях. Выручка с пользователя в рамках этого кейса выросла на +3,1%, что интересно, наблюдалась прямая зависимость между ростом выручки и количеством заказов пользователя. Для пользователей, которые оформили более 3 заказов за прошедший год, прирост выручки составлял уже 6,2%. Важно отметить, что платформа позволяет анализировать результаты теста в разных разрезах и тестировать разные стратегии товарных рекомендаций для разных сегментов пользователей.
Персонализация рекомендаций открывает новые возможно для онлайн-магазинов. Однако, чтобы делать успешные предсказания, необходимо произвести качественную подготовку. Командам, занимающимся и продуктом, и консультантам по подключению платформы необходимо работать сообща, видеть логику и вместе подстраивать систему. Такая задача – это задача комплексной работы. При успешном выполнении можно добиться значительного роста конверсии и выручки.
В подобных проектах очень важно сохранять дух исследователя, который всегда готов столкнуться с самыми неожиданными открытиями. Также мы рекомендуем вовлекать в проект кросс-функциональную команду, которая будет максимально системно подходить к задачам персонализации. С командой Перекрестка очень легко находить общий язык и решать сложные задачи. И результаты говорят сами за себя!
Приятно понимать, что клиент глубоко смотрит на цифры в системе Dynamic Yield, полноценно используя широкие возможности системы в аналитике данных. Это позволяет нам выявлять места для точечной оптимизации под разные сегменты аудитории и в реальном времени влиять на эффективность запущенных кампаний.
Результаты:
до +12%
до +10%
до +6,2%
* Все результаты в статье основываются на тестах, достигших статистической значимости с P2BB >95%.
Больше примеров персонализации ищите на нашем сайте.
Слов у меня нету:) Перекрёсток открыл для себя "похожие товары" 😃
Не "похожие товары", а "Внедрение технологии маркетинговой персонализации рекомендаций" ))
Опять токсики набежали, я недавно начал пользоваться Перекрёстком онлайн, пока я доволен, мне нравится, что отдел доставки выдержал карантинный стресс-тест, а вот Утконос не выдержал, хотя я считал это более зрелый игрок на рынке.
Что бы тут не писали, рекомендации рекомендациям рознь, существуют различные системы, для пользователей они прозрачны, человек либо следует рекомендациям либо нет, подбор рекомендаций головная боль для поставщиков с огромным ассортиментном. И я рад, что Перекрёсток уделяет внимание рекомендательным системам, думаю от этого выигрывает и компания и клиенты.