Ситилинк: как привлечь домохозяек и бизнесменов, не спугнуть гиков и увеличить выручку на 12% с помощью персонализации?
Больше не нишевый
Интернет-магазин Ситилинк был основан в 2008 году как дискаунтер компьютерной техники и уже через 8 лет вошёл в десятку самых дорогих компаний Рунета по версии российского Forbes.
За 13 лет работы Ситилинк вырос из нишевого магазина в мультикатегорийного ритейлера, но в сознании большинства потребителей продолжал ассоциироваться только с техникой и электроникой.
Как изменить восприятие онлайн-ритейлера, формировавшееся годами? Как не отпугнуть лояльных и потенциальных покупателей девайсов и стимулировать к покупке другие сегменты аудитории? С этими вопросами команда маркетинга Ситилинк обратилась к лидеру по персонализации пользовательского опыта по версии Gartner Magic Quadrant и их партнерам.
Для каждого — свой путь
Как правило, такие задачи для нас довольно тривиальны. Dynamic Yield давно и продуктивно работает с алгоритмами affinity, с помощью которых можно максимально точно таргетировать персонализированные виджеты по интересам пользователей (на основании атрибутов товаров, которые они просматривали, добавляли в корзину, покупали и так далее). Affinity собирается через фид (файл с данными о товарах), который мы получаем от наших клиентов. Но в случае с Ситилинк мы поняли, что не можем идти проторенным путём — на момент постановки задачи клиент не передавал нам свой фид, а решение нужно было здесь и сейчаc.
С позиции классического маркетинга можно было предложить посетителям пройти онлайн опрос об их интересах. Такие опросы действительно помогают собрать данные об аудитории, однако эти данные не очень точны. Пользователи часто отвечают на вопросы поспешно, невнимательно, проставляют ответы случайным образом или вообще пропускают такие опросы.
Совместно команды Ситилинк и партнеров нашли более технологичное решение — сформировать персоны пользователей по интересам на основе посещения url-ов страниц определенных категорий товаров. На этом этапе возник логичный вопрос: сколько раз пользователь должен зайти на страницу товара или категории, чтобы его этот интерес можно было считать релевантным? Что если пользователь просто не разобрался в навигации или разово выбирал товар в подарок? На основе анализа данных по среднему пути пользователя до покупки команда подобрала оптимальное количество посещений каждой категории для объективной принадлежности к той или иной аудитории.
Что сегодня в меню?
На момент старта кампаний Ситилинк сделал приоритетным продвижение товаров для дома, красоты и здоровья. Команда онлайн-ритейлера поставила перед партнёром задачу ненавязчиво, но при этом эффективно обратить на эту категорию внимание пользователей.
С помощью алгоритмов платформы персонализации команда начала проработку персоны «домохозяек» (пользователей, интересовавшихся, например, фенами и ирригаторами статистически значимое количество раз), и разместили для них категорию «Красота и здоровье» на одной из самых заметных позиций меню.
Теперь вернувшиеся на сайт «домохозяйки» могли сразу перейти к самым актуальным для них товарам без долгих блужданий по нерелевантным пунктам меню.
«Домохозяйки» оценили заботу Ситилинка о своём времени — кампания принесла приросты в 2.5% к покупкам и 12.1% к выручке ритейлера.
«Кто ищет, тот всегда найдёт»
Команды решили не проверять эту крылатую фразу на практике и сделать поиск на сайте ритейлера более персонализированным и комфортным.
Будучи спокойными за персону «домохозяек» по результатам успешной кампании для них, команда Ситилинк решила сместить приоритет в сторону более консервативных пользователей сайта — преданных «гиков», приходивших на сайт за компьютерными комплектующими. С помощью стандартной механики в платформе персонализации команда партнёра разместила в поисковой строке анимированные подсказки с набором наиболее релевантных для «гиков» запросами — искать хабы, переходники и SSD накопители стало ещё проще.
Основной метрикой кампании логично была выставлена конверсия в использование поиска — прирост в 6.5% по результатам кампании. Но не менее приятным результатом стал прирост по дополнительным метрикам — 4.57% к покупкам и 4.69% к просмотрам страниц.
Следующим шагом был запущен микс из поисковых подсказок для других персон (в него вошли компьютерные и некомпьютерные товары) и даже специальный специальный микс к 8 марта!
Результаты экспериментов показали прирост в 3.2% к конверсии для «будничного» микса и 5% для праздничного.
Третий не лишний
Получив позитивные результаты работы с персонами «домохозяек» и «гиков», команды решили добавить к ним сегмент «бизнесменов» (юридических лиц) и персонализировать для них популярные категории на главной странице с помощью 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.
В классических A/B тестах трафик распределяется между экспериментальной и контрольной группами поровну. Набор статистической достоверности в таких кампаниях обычно занимает не менее двух недель — это довольно долго. Когда нужно действовать быстрее и эффективнее, мы используем динамическую аллокацию: с ней наиболее результативная вариация «раскатывается» на больший процент пользователей автоматически, по мере сбора данных. Таким образом Dynamic Yield распределяет трафик в кампании наиболее эффективно в режиме реального времени.
Команда партнёра разделила кампанию на 4 эксперимента (с таргетингами на «домохозяек», «гиков», «бизнесменов» и остальных пользователей) и при входе на главную страницу показывали каждому сегменту топ категорий, наиболее релевантных именно для него.
В итоге на главной странице сайта «домохозяйки» видели яркую навигацию с пылесосами, посудой и кофемашинами, «гики» попадали на страницу с мониторами, процессорами и HDD, а «бизнесмены» могли сразу перейти категориям, наиболее актуальным для них. Таким образом, не просто отдельные элементы интерфейса, а целая страница с различными элементами была персонализирована для каждого сегмента. При заходе на сайт у пользователя складывалось впечатление, что он зашёл в интернет-магазин для «домохозяек», «компьютерных гиков» и так далее, в зависимости от своих интересов.
Лучше всего кампания сработала для аудитории «гиков» — увеличила CTR виджета на 28.4%. Для аудитории «домохозяек» кампания показала прирост по CTR в 7.1%, а для «бизнесменов» — 13%.
Что было дальше?
Все три кейса Ситилинк ещё раз доказали эффективность работы с персонами для мультикатегорийных ритейлеров. В связке с точным таргетингом и использованием динамической аллокации для отдельных экспериментов команда партнёра на базе платформы персонализации увеличила показатели по всем ключевым метрикам и собрала ценные инсайты для дальнейшей персонализации и максимальной оптимизации конверсий.
Результаты
+12.1%
+6.5%
+28.4%
Очевидно, что в 2020-х годах потребителей сложно привлечь «классическими» шаблонными рекомендациями — сейчас особенно важен комплексный персонализированный подход к каждому сегменту и возможность применить этот подход оперативно. Я убеждён, что такая возможность была реализована максимально эффективно благодаря слаженной работе искусственного интеллекта Dynamic Yield и «естественных» интеллектов команд Ситилинк и Stellar Labs.