Аналитика в e-commerce: ошибки, из-за которых мы теряем клиентов

Принимать решения нужно на основе данных: сегодня все повторяют это как аксиому. Но если вы не умеете правильно интерпретировать данные, такие решения вряд ли будут удачными. Меня зовут Александр Айваз, я руковожу командой Data & Analytics в Lamoda Tech. И сегодня расскажу об ошибках в аналитике, которые типичны для нашего бизнеса — и которые могут привести к потере клиентов.

Каждый день мы собираем больше 200 ГБ данных о клиентах Lamoda, которые листают сайт и делают заказы. В нашем распоряжении продвинутые системы аналитики и сплит-тестирования, но ошибки все равно иногда случаются.

Большинство из них типичные для бизнеса, и я расскажу о них на наших примерах. Уверен, кому-то статья поможет иначе взглянуть на собственный продукт, еще раз проверить себя — и узнать больше о работе продуктовых аналитиков в нашей сфере.

С давних времен Lamoda жила в парадигме, что мы занимаем определенную нишу на рынке. Мы считали, что у наших клиентов есть одно общее качество: они потребляют товары, чтобы получить порцию эндорфинов. Новая одежда для них — это вдохновение, что-то новое, свежее, непохожее на других. С новой одеждой они становятся моднее и интереснее.

Мы жили в этой парадигме: целились в таких клиентов, искали их, думали, как зацепить рекламой. Тестировали на них. В ранжировании каталога отдавали предпочтение последним коллекциям и новым поступлениям. Естественно, это приводило к тому, что мы таких клиентов находили. Но огромное количество людей упускали по дороге.

Проблема была в том, что мы смотрели на картину в среднем, видели в аналитике общие цифры за месяц или за день. Видели, что продали столько-то корзин с таким-то средним чеком, что клиенты покупают с частотой, например, раз в три месяца. Такой была средняя характеристика нашего среднего клиента.

Но глядя через эту призму, мы видели всего лишь малый процент своей клиентской базы. Если нырнуть глубже и кластеризовать этих клиентов, становится понятно, что есть клиенты, которые делают по три заказа в день, а есть те, кто делает заказ один раз в полгода. А в среднем выходила цифра, которая ничего не рассказывала нам о реальных покупателях.

Сейчас мы выделяем 13 сегментов клиентов. Все они разные: покупают разные вещи с разной частотой, у них разные требования к продукту. Для одних важен размер скидки, для других — доставка на следующий день. Теперь мы предлагаем каждому клиенту то, что нужно ему, а не «среднему» пользователю.

Ок, со среднестатистическими пользователями мы разобрались, и теперь знаем, как надо: изучаем разные сегменты покупателей. Изучаем глубоко, но все равно ошибаемся — нужно смотреть еще и широко. Нужно смотреть на покупателей вообще, а не только на своих клиентов, иначе мы совершаем ошибку выжившего.

Хрестоматийный пример такой ошибки — история с дельфинами. Возможно, вы слышали о случаях, когда дельфины помогают тонущим и выталкивают их носами на поверхность. Дельфины вообще любят играть, толкая предметы носом, — и, вероятнее всего, существуют люди, которых дельфины таким образом утащили вглубь, под воду. Но мы не можем узнать об этом. Люди делают вывод о дельфинах-спасателях, основываясь только на известных фактах от благодарных выживших. А число погибших от дельфинов нам неизвестно.

В бизнесе мы также исследуем только «выживших» — своих клиентов — и делаем вывод из этой статистики. И, возможно, упускаем огромный кусок бизнеса: не предлагаем товары или сервисы, которые не представлены у нас или представлены мало.

Предположим, что большинство клиентов покупает на Lamoda одежду и обувь. Отсюда можно сделать вывод, что нашу клиентскую базу не интересует спортивный инвентарь, и эту категорию не нужно развивать, потому что сейчас рентабельность одежды и обуви гораздо выше. И если мы на 100% заполним склад одеждой, то сможем зарабатывать больше денег.

Но правда в том, что гантели и коврики для йоги у нас покупают не так часто, как одежду, потому что мы никогда не развивали этот сегмент. Вряд ли кто-то придет на Lamoda выбирать тренажеры: люди привыкли покупать их у других продавцов. Нам самим всегда казалось, что это не наш бизнес, что это категория с низким потенциалом.

Но на самом деле этот рынок больше, чем нам кажется. Просто мы никогда не инвестировали в него свое время, не занимались аналитикой потребительского спроса, поведения. Не смотрели на эластичность спроса в зависимости от цены. Там другая юнит-экономика: гантели не берут сразу по 10 штук, чтобы вернуть неподходящие, как это делают клиенты с одеждой.

Замечать такие ошибки и искажения нам помогают исследования покупателей. Если мы проводим опросы или фокус-группы, то привлекаем для них не только нашу текущую аудиторию, но и тех, кто никогда не покупал на Lamoda. Это дает более объективные данные о рынке в целом.

Когда мы наблюдаем два явления одновременно, это не означает, что между ними есть причинно-следственная связь. Например, каждое лето растут продажи мороженого. Но при этом растет и число солнечных ударов. Отсюда можно сделать ошибочный вывод, что если мороженое нужно запретить — то и солнечные удары прекратятся!

Это кажется глупым, но в работе мы часто совершаем подобные ошибки. Видим, что клиенты больше покупают, и некая метрика растет. Потом эта метрика падает — и клиенты покупают меньше. В этот момент легко попасть в ловушку и решить, что этой метрикой можно влиять на поведение клиентов.

Приведу пример из нашей практики. В Lamoda есть возможность доставки с примеркой: люди заказывают несколько размеров и моделей, чтобы выбрать подходящую вещь. То, что не подошло, отдают обратно курьеру или в пункт выдачи.

Но существует и доставка без примерки. Причем от заказов без примерки люди отказываются реже: у них низкий процент возвратов товара.

Снижение процента возвратов и отказов — одна из главных задач для онлайн-магазинов одежды во всем мире. Чем меньше возвратов и отказов, тем меньше расходов несет магазин и тем выше его прибыль.

Так может, стоит просто отказаться от примерки? Тогда процент отказов и возвратов упадет, и наша прибыль вырастет.

Нет. Доставку без примерки выбирали покупатели, уверенные в своем выборе: например, они заказывали средства гигиены или аксессуары. Но если мы лишим примерки всех пользователей, то многие откажутся от покупки. И наша прибыль в итоге только упадет.

Все нужно тестировать и подвергать критике. Даже гипотезы, которые на первый взгляд кажутся логичными и полезными.

На Lamoda периодически появляются динамические фильтры. Это дополнительные кнопки с подборками: «Одежда для пикника» или «Для поездки на море». Такие сезонные фильтры выглядят логично, правда? Но мы тестируем их уже много лет, по разным темам, — они не взлетают.

К счастью, эти фильтры не портят метрики, поэтому иногда по просьбе коллег мы возвращаемся к идее и продолжаем эксперименты. Другое дело, когда на гипотезу затрачено время, ресурсы, деньги, возможно, упущена какая-то другая выгода. А метрика в итоге имеет отрицательный показатель.

Хороший пример того, как очевидная идея может уронить прибыль — продвижение сезонных товаров. Например, летом растут продажи футболок, шорт, сланцев. Так может, начать показывать их первыми? Отдать им предпочтении в ранжировании каталога и показывать в первую очередь — так и продажи должны вырасти?

Нет. Если за этими товарами люди идут сами, они все равно их купят. Но когда мы перестанем показывать сопутствующие вещи — штаны, сумки и так далее, — их станут меньше покупать: клиенты просто не вспомнят о том, что сейчас не по сезону. А так они видят сумку и думают: «Ой, а мне ведь и сумка нужна, возьму».

Иногда изменений в бизнес-метриках приходится ждать действительно долго.

Мы открываем пункты выдачи заказов в новых городах по определенной схеме. Сперва появляется курьерская доставка — с помощью партнеров или наших собственных служб. Это недешево для компании, но так мы можем оценить спрос. Когда накапливается критическая масса заказов, мы открываем пункт выдачи.

Клиенты в городе уже привыкли к курьерской доставке, о пункте выдачи они какое-то время не знают. К тому же должно пройти время, прежде чем они решатся на новый заказ. А вот затраты на работу нового пункта мы начинаем нести сразу после его открытия.

Если бы мы не знали о том, что после открытия в новом городе будет провал в прибыли, мы бы так и не смогли открыться во многих регионах.

В тестировании некоторых фичей тоже работает этот эффект. У нас бывают изменения, которые влияют на повторную покупку или на возвращаемость пользователей. Чтобы увидеть, как изменения коснутся клиентов, которые совершают покупки раз в полгода, приходится запускать действительно долгие тесты.

Кроме того, некоторые изменения могут выстреливать на короткий срок — а дальше только ронять выручку. Или наоборот. Мы постоянно учимся предсказывать и анализировать такие ситуации.

Представьте: на сайте внезапно падает конверсия в покупки. У нас несколько гипотез о причинах произошедшего, но нет возможности собрать всю доступную аналитику и провести исследование, ведь проблему нужно решать прямо сейчас.

Поэтому мы проводим быстрые исследования — и принимаем решение только на основе своих знаний о сайте и пользователях. Вносим изменения, основываясь на гипотезах, не дожидаясь полной картины. Если изменения положительно скажутся на конверсии, мы их внедрим. Если нет, то посмотрим на результаты и попробуем другие шаги.

Можно бесконечно долго анализировать причины и последствия снижения конверсии. А можно выдвинуть гипотезы, выбрать наиболее валидную — по собственному опыту и по общению с ограниченной выборкой пользователей — и запустить ее в A/B-тест.

Мы часто повторяем, что принимаем решения на основе данных, что это правильно. Но в некоторых ситуациях нужно действовать иначе — когда нет времени или возможности собрать данные, оценить риски и просчитать прибыль.

Для реального управления ситуацией приходится принимать риски. Ваши опыт и знания в этот момент дают возможность выиграть время.

Не бояться ошибок — одно из главных правил в любом виде деятельности. Не ошибается тот, кто ничего не делает. Кроме того, существует момент, когда дальнейший сбор информации о вариантах решения обходится дороже, чем неправильный выбор. И тогда лучше ошибиться, чем не делать ничего.

В этой статье я поделился ошибками, которые мы научились замечать в Lamoda Tech. Не наступать на одни и те же грабли нам помогает постоянное общение в команде и обмен опытом.

Надеюсь, что этот опыт будет полезен не только нам.

Если вам есть чем дополнить эти примеры, приходите в комментарии или пишите мне лично: мы всегда открыты к обсуждению.