Кейс OMA и Gravity Field: как увеличить выручку онлайн-ритейлера на 20% с помощью персонализации?
Как помочь пользователям найти гвозди в цветочном отделе и увеличить выручку онлайн-ритейлера на 20% с помощью персонализации? Кейс OMA и Gravity Field
ОМА — крупнейшая оптовая и розничная торговая сеть в Республике Беларусь по продаже строительных материалов, инструментов, товаров для отделки интерьера, сада и огорода, создания уникального ландшафтного дизайна. Основанная в 1992 году, компания постоянно расширяется и сегодня состоит из 16 магазинов, 23 франшиз и онлайн-магазина с посещаемостью более 45 000 пользователей ежедневно.
Благодаря широкому ассортименту и внимательному отношению к клиентам, OMA удалось составить конкуренцию не только белорусским, но и международным компаниям, и завоевать седьмое место среди всех E-commerce игроков страны.
Всё и сразу
Мы начали работать с компанией ОМА весной 2021 года на платформе персонализации Dynamic Yield и осенью-2022 перешли на локализованную платформу Gravity Field с полным сохранением функционала. E-commerce директор ОМА отлично понимал, что для увеличения выручки недостаточно заниматься только рекламой — нужно быть внимательнее к пользователям на этапе от перехода на сайт до оформления заказа. А мы в свою очередь понимали, что на сайты DIY-ритейлеров редко заходят за каким-то одним товаром: когда человек обустраивает дом, ему нужны не только гвозди, но и молоток, и перфоратор, и полочка для ванной, и даже цветочный горшок. Чтобы найти все необходимые товары среди множества категорий и подкатегорий, посетителю магазина может понадобиться не один час. При этом, если квест пройдёт успешно, сумма заказа с высокой вероятностью увеличится. Именно поэтому мы предложили коллегам начать с механик по улучшению навигации и UX для повышения среднего чека и выручки с пользователя.
Просто и ещё проще
Ассортимент онлайн-магазина OMA включает более 60 000 позиций из 1 460 категорий товаров — чтобы сориентироваться в таком многообразии, обычному посетителю может понадобиться помощь. Чтобы упростить навигацию и сократить путь пользователя к необходимому товару, команда Gravity Field разместила на Главной странице сайта OMA персонализированные тэги с категориями товаров.
Новым пользователям показывали тэги с десятками наиболее популярных категорий всего сайта. Вернувшиеся пользователям видели тэги по интересам, сформированные на основе данных из их предыдущий сессий. При этом порядок расположения и выбор тэгов для размещения в первом экране определялся с помощью алгоритмов динамической аллокации.
Динамическая аллокация — это «движок» платформы персонализации, основанный на алгоритмах машинного обучения (известных в Data Science-среде под названиями “Multi-Armed Bandit” и “Contextual Bandit”), который позволяет в автоматическом режиме показывать наиболее релевантные предложения каждому пользователю в каждый момент времени. Прямо в момент взаимодействия с пользователем движок автоматически выбирает некое оптимальное для него предложение или вариант интерфейса: во-первых, учитывая его персональные интересы и правила таргетинга; во-вторых, автоматически проводя тестирование и выбирая те варианты, которые в реальном времени оптимизируют коммуникацию по заданному показателю — будь то количество покупок, выручка, CTR и так далее.
Такой подход объединяет в себе функционал A/B-тестирования с единовременной персонализацией.
Механика принесла +10.5% к CTR меню и +5% к выручке с пользователя по сравнению с контрольной группой. Это достаточно хороший результат, но консалтинговый подход команды Gravity Field предполагает постоянное и непрерывное улучшение кампаний. Поэтому в следующей итерации команда персонализации разработала новый дизайн блока и запустила эксперимент в виде A/B/C-теста: 2 вариации (тэги с текстом, тэги с текстом и картинкой и контрольная группа без тэгов).
Новый дизайн привлёк к тэгам дополнительное внимание и победил в A/B/C-тесте с аплифтом в +17,2% к CTR меню и +7,2% к выручке с пользователя.
Новая классика
Даже после попадания в карточку подходящего товара пользователи в среднем проводят 2-3 минуты на странице, прежде чем добавить товар в корзину. Если в списке покупок 50 товаров, есть перспектива провести на сайте несколько часов! Чтобы помочь пользователям принять решение о покупке быстрее, а компаниям — повысить средний чек и конверсию в заказы, мы предлагаем нашим клиентам использовать механику социального доказательства (social proof). “Движок” платформы в режиме реального времени отслеживает наиболее популярные товары и позволяет разместить на них специальные бейджи, “подсвечивающие” количество просмотров, добавлений в корзину или покупок этих товаров.
“Классическая” механика social proof подразумевает использование только онлайн-данных о поведении пользователей. Но что если обогатить эти данные информацией об офлайн-покупках? Благодаря Open API, в платформу персонализации Gravity Field можно загружать данные из любых внешних систем и использовать их для повышения эффективности работы алгоритмов.
Команда Gravity Field помогла коллегам из OMA настроить передачу офлайн-данных из внутренней CRM в Gravity Field и запустить social proof в карточках самых популярных товарах всей сети.
Механика стала одним из лидеров среди всех кампаний и принесла +3.2% к конверсии в заказы, +12.6% к среднему чеку и +16.5% к выручке на пользователя.
Неочевидное невероятное
Добавление блоков с товарными рекомендациями — это ещё один из классических способов повышения ключевых метрик E-commerce сайтов и приложений. При этом многие компании ограничиваются показом популярных или недавно просмотренных товаров и тестированием расположения или дизайна блоков. Это базовые механики, которые могут принести быстрый результат, но могут и не показать значительных приростов.
Несмотря на наш многолетний позитивный опыт использования рекомендательных алгоритмов, первые тесты с рекомендациями на сайте OMA не были успешными. “Ручной” подбор стратегий привёл к падению ключевых метрик по сравнению с показателями контрольной группы, которой мы не показывали рекомендательные блоки. Мы экспериментировали с внешним видом, положением на странице и количеством рекомендательных блоков, но достигли относительно небольших приростов по среднему чеку — не более 2—3%. Тогда мы поняли, что пришло время протестировать новый рекомендательный алгоритм платформы — стратегию Deep Learning.
Deep Learning — это уникальный самообучающийся “движок”, который в режиме реального времени собирает данные о поведении пользователей на сайте или в приложении, строит взаимосвязи между товарами и интересами различных пользователей и формирует рекомендательные блоки на основе синтеза всей полученной информации.
В отличие от других алгоритмов, Deep Learning может показывать неожиданные позиции в блоках: так, например, на странице цветочного раздела можно увидеть в рекомендательном виджете гвозди, в категории сантехники — книги, а в мебели — самокаты. Важно понимать, что все товары в блоке подбираются с учётом множества взаимосвязей, которые не всегда очевидны. При этом эффективность любого подбора можно проверить с помощью A/B-теста и скорректировать мерчендайзинговыми правилами.
A/B-тест с рекомендациями на основе Deep Learning в карточке товара принёс +22% к выручке на пользователя.
Продолжение, от которого невозможно отказаться
С учётом всех успешных и неуспешных кейсов использование платформы Dynamic Yield, а теперь и Gravity Field, помогло нам увеличить выручку сайта на 20%. При выборе платформы персонализации мы ориентировались на международную экспертизу команды Gravity Field и многолетнее первенство Dynamic Yield в рейтинге Gartner и не пожалели об этом. Сейчас мы перешли на Gravity Field — платформу персонализации, работающую на российских серверах, и рады продолжать плодотворное сотрудничество с лидерами рынка.
Директор департамента электронной коммерции OMA
спасибо что поделились кейсом)