Post on 05-Jul-2015
description
3 попытки персонализации интернет-магазина: фатальные ошибки, повороты и лучи надежды
Григорий Дерновдиректор по продукту
доходc
посетителя
lifetimevalue
Персонализация - это
Настроить сайт и каналы коммуникации (рассылки, колл-центр, ПВЗ) под конкретного покупателя, чтобы повысить:
Подходы к персонализации
Ручные правилаОбычно сопутка+рассылки Не масштабируется с ростом SKU
Готовые решения, автоматические алгоритмыПодключают и не контролируют Коммерсанты недовольны вечно обучающимися алгоритмами, считают что ручная система лучше
Собственная разработкаЛюбимый вариант разработчиков Нужен: сервер, разработчики, алгоритм Тратим много ресурсов и упорно переписываем алгоритм. Чем дальше тем меньше хочется все бросать.
Успели набить свои шишки
Мы еще не до конца знаем как правильно, но как неправильно – уже знаем точно :)
5+ МЛРДруб/год
Познакомимся!
Бытовая техника, электроника, для дома, детские товары, сантехника, инструменты - 300K+ SKU
В ряде регионов бренд E96 конкурирует с федеральными брендами в интернете
0
17,5
35
52,5
70
E96
Связно
й
Мви
део
Эльд
орад
о
E96
Связно
й
Мви
део
Эльд
орад
о
Топ-15 Forbes по обороту
Какие задачи ставим?
валовая маржа заказа(+средний чек)
конверсия трафикаПовысить эффективность трафика Понизить CPO по каналам трафика
Минимум +15% конверсии
Большинство заказов доставляются (самовывоз реже) – есть ощутимые операционные расходы – хорошо, если маржа операции станет выше
Минимум +10% валовой маржи / среднего чека
категорийное знаниепокупателя
Кол-во категорий 2-го уровня, которые покупал человек за весь жизненный цикл
Хорошо если девушка, которая купила фен узнает, что у нас есть детские коляски и мультиварки
навигация
Краткосрочные
Упростить выбор среди 300 000+ SKU в 600+ категориях
Какие задачи ставим?
бесшовный сервис
лояльность
Конкурировать не маркетинговыми бюджетами, а на поле лояльности – возврата покупателей
Возврат возможен, когда мы знаем о покупателе больше, чем конкуренты и имеем канал коммуникации
Большинство посетителей выбирают КБТ и дорогую технику в несколько шагов
Единая повторяющаяся информация в мобильной версии, сайте, рассылке, колл-центре – чтобы целенаправленно привести к покупке в несколько шагов
Долгосрочные
Попытка #1. Ручные алгоритмы
«До меня купили»Какой товар и когда купили (“минуту назад”) <1% использования, +3% конверсии
Блок не кликают, но стимулирует к покупке – т.е. по сути social proof
Попытка #1. Ручные алгоритмы
Товары, которые смотрел в течение сессии 7% процент использования, <+1% конверсии
Т.е. это всего лишь элемент навигации
«Вы смотрели»
Попытка #1. СопуткаПопытка #1. Три формата «сопутки»
Карточка товара
Попытка #1. СопуткаПопытка #1. Три формата «сопутки»
Лайтбокс по категориям
Лайтбокс при добавлении в корзину
Попытка #1. Три формата «сопутки»
Попытка #1. Сопутка – эффективость блоков
Место размещения сопутки сильно влияет на конверсию. Лайтбоксы все еще «рулят»
49% лайтбокс
39% карточка товара
12% лайтбокс категорий
Попытка #1. Сортировка товаров в категории
До: товары сортируются по популярности После: искуственно повышаем товары, которые нужно продать быстрее (сток) (без персонализации, для всех)
+9%продажи целевыхтоваров
-13%продажи
основных товаров
20% доля продаж 80% доля продаж
Выводы– Сортировка товаров правда влияет на конверсию (причем значительно) – Нельзя перекраивать сортировку товаров под коммерческие задачи без персонализации
Попытка #1. Коммуникация настолько же важна
Просто добавили эти алгоритмы в автоматические рассылки
динамика эффективности рассылок
ДОоткрытия/переходы
ПОСЛЕ открытия/переходы
%динамика
ПОСЛЕконв.
Вы смотрели 55 % 87 % +57% 6,2 %
Оставленная корзина 47 % 63 % +33% 9,2 %
Подписка 58 % 89 % +52% 6,8 %
Спасибо за заказ % 44 % % 4,4 %
Реанимация 32 % 54 % +67% 4,2 %
ВыводыАвтоматические рассылки по этим алгоритмам – это основной объем продаж с рассылок воообще. Показатели ручных рассылок на 30-70% ниже (недостижимо)
Попытка #1. Проблемы
невозможно на нашем объеме 300 000+ SKU в 600+ товарных категориях
связки быстро устаревают
игнорируем неформализуемые
Таких сценариев очень много Пример: люди покупают чехлы определенных дизайнов к телефону, телевизор с определенными 3D очками, а не просто подходящими 3D очками и.т.п.
Эти сценарии можно учесть, расширив параметры (ценовой сегмент, бренд и пр.), но получаем…
сложность разработки
сложно поддерживать актуальными
Попытка #2. Готовые решения
автоматические алгоритмы
Используют 1) историю наших покупок за все время (связки категория-
категория) 2) текущую историю просмотров/покупок (обучение)
Выбрали несколько систем
ручной алгоритм
Тестируем, сравниваем с ручной системой
3+1
Попытка #2. Не смотреть искуственные метрики
сравнение аудиториисистемы со всем сайтом
доля продаж через системуПример из нашей практики: 12% используют систему +0% конверсии (погрешность)
Пример из нашей практики: – те, кто перешли по рекоммендациям проводят на 60% больше времени, чем в среднем по сайту – те, кто перешли по рекоммендациям смотрят на 70% больше страниц за сессию, чем в среднем по сайту – те, кто перешли по рекоммендациям имеют конверсию на 30% больше, чем в среднем по сайту
Такие сегменты нельзя сравнивать! Люди, которые совершали к-либо действие на сайте всегда будут более конверсионными, чем общая масса посетителей (как минимум потому что среди них условно 30% отказников)
Попытка #2. Не смотреть искуственные метрики
средний чек вцелом по магазину
Важен только чек внутри категории Суммарный средний чек очень нестабильный и им можно манипулировать за счет пропорций продаж категорий
CTR блоков персонализации
средний чек по карточке товара
Надо доп. учитывать динамику чека по категории вцелом
Пример из нашей практики: +7% средний чек по тесту по карточке товара +0% (погрешность) средний чек по категории
Попытка #2. Не делать поспешных выводов
Мало? Все не так очевидно…
+2% конверсии
+6% среднийчек
Попытка #2. Сегментировать результаты по категориям
В разрезе товарных категорий ситуация сильно отличается
-12
-9
-6
-3
0
3
6
9
Теле
фон
ы
Кров
атки
План
шеты
Мул
ьтив
арки
Ноутбу
ки
Свар
очны
е
Холо
диль
ники
Котл
ы
Электроника – отработала хорошо
Не-электроника (которая дает нам основные продажи) – плохо
Причины – на поверхности:автоматический алгоритм рекомендовал к детской кроватке – шины, к мультиварке – планшет, к сварочному аппарату – унитаз, а к котлу – ноутбук
Зато получили мини вирусный эффект!)Люди делились в соцсетях друг с другом и с нами в рассылках смешными скринами рекоммендаций
Попытка #2. Структура продаж очень важна
Алгоритмы хорошо работают на лидерах продаж и вирусных товарах – много неединичных продаж за период – много позиций в одном заказе
Очень длинный хвостУ нас львиная доля продаж внутри категорий – единичная В электронике гораздо больше лидеров продаж, чем в духовых шкафах
доля
про
даж
0
15
30
45
60
кол-во продаж 1 товара10+ 5-10 2-5 1
планшеты чайники
Попытка #2. Гибкость настройки правил
Автоматические правила не могут обеспечить адекватную картинку (+рост конверсии) по всем категориям
Значит нужно отключать категорию / иметь возможность настраивать
mix ручных+авто алгоритмов
Обучение каждой системы занимает примерно 4-12 недель
Лучше подключить сразу 2-3 системы на тест и сравнить их друг с другом.
Это очень долго…
Попытка #2. Тестировать параллельно
Попытка #3. Подход
Сторонняя система
Возможность гибко настраивать бизнес-правила (автоматический+полуручной режимы)
Возможность выводить и сравнивать разные алгоритмы на страницах
+/- 80% разница
алгоритмовИнтересно, что персонализированные стратегии до +70% (относительная! динамика) более успешные, чем обычные
Попытка #3. Главная страница
Лидеры продаж Пример: сезонные товары)
Товары по истории просмотров Пример: длинные продажи (КБТ)
…
Попытка #3. Листинг
Попытка #3. Карточка товара
4 шишки, которые мы уже набили
Не использовать искуственные метрики
Сегментировать по категориям
Не только сайт, также рассылки + колл-центр
Возможность гибко настраивать правила
Спасибо за внимание!
Григорий Дерновдиректор по продукту E96.ru
Найти презентацию можно здесь
dernov@e96.ru@e96ru