Кожному за потребам: як впровадити ефективну персоналізацію на сайті рітейлера

Які практики впровадження системи рекомендацій клієнтам можуть підвищити рівень продажів у омніканальних рітейлерів.

Цей матеріал доступний російською мовою

Богдан і Ярослав Шкарупа, співзасновники компанії Neu Current, в ході своєї доповіді на RAU Expo 2020 розповіли про важливість розуміння клієнтського шляху, запитів клієнта і характеристик товару як необхідних елементів для впровадження ефективної персоналізації веб-сайту. RAU пропонує ознайомитися з основними тезами їх виступу.

NeuCurrent впроваджує персоналізовані рекомендації, комунікації та централізовану систему для збору та обміну клієнтських даних. Система рекомендацій і комунікацій NeuCurrent працює за принципом «завжди є що запропонувати клієнту», і дозволяє підібрати товари, промо-кампанії, бренди для кожного клієнта в реальному часі протягом усього клієнтського шляху.

Кому і навіщо це треба

Практично у кожного сучасного рітейлера настає момент, коли компанія «впирається в стелю» можливостей з розширення кола своїх клієнтів. І тоді доводиться думати над тим, як поліпшити взаємодію з уже існуючими покупцями.

Персоналізовані рекомендації та комунікації зі споживачем дозволяють збільшити конверсію і середній чек, частоту покупок. В цілому система рекомендацій дозволяє наростити виручку рітейлера на 10-15%. В ідеалі можна домогтися частки продажів через рекомендації в 35%, як це виходить у найбільшого міжнародного онлайн-рітейлера Amazon.

Рекомендації на сайті і в подальшій комунікації з клієнтом – це не новий інструмент. Але рітейлери його використовують дуже обмежено в силу технічних і організаційних труднощів.

Це і неповні клієнтські профайли, і технічні обмеження, що не дозволяють впровадити якісь рекомендації без розбудови інфраструктури інтеграції даних для всіх внутрішніх і зовнішніх систем.

Наприклад, на початку роботи Neu Current у одного рітейлера не було навіть системи збору даних про клієнтів і її довелося створювати буквально «з нуля». Тепер це є базовою частиною платформи системи рекомендацій.

Щоб скористатися системою персональних рекомендацій у рітейлера повинна бути CRM-система і налаштований Google Analytics, плюс SQL-база онлайн і офлайн продажів.

Під час карантину система отримала додатковий функціонал, щоб відстежувати купівельні запити, які швидко змінюються, і пропонувати рекомендації для продажу трендових товарів.

Чому не спрацьовують рекомендації

Зазвичай у рітейлерів перша сторінка сайту не персоналізована. Що добре для тих покупців, які завітали на сайт в перший раз. Так користувача знайомлять з максимально широким асортиментом товарів, представлених на сайті.

Зазвичай також використовується невеликий блок рекомендацій, який формується на основі минулих переглядів тих, хто знову зайшов на сайт. Тобто, рітейлери в основному орієнтуються на конверсію нових клієнтів, а старі клієнти бачать на сайті практично одне і те ж.

Та ж ситуація спостерігається і в каталогах товарів, які взагалі не персоналізовані. Максимум – сортують товар за популярністю. Однак це не так ефективно працює для вже існуючих клієнтів.

Система рекомендацій не спрацьовує, якщо вони мають занадто загальний характер, без урахування характеристик товару і персональних переваг клієнта. Також рекомендації часто бувають неактуальні і не враховують час і частоту покупок. Не використовуються всі дані про клієнтів, наприклад, не враховуються офлайн-покупки. Тим часом, у рітейлера є маса інформації, яка ніяк не використовується для персоналізації пропозиції.

Коли рітейлери впроваджують рекомендації, вони чекають зростання продажів в три рази і досягнення частки продажів за рекомендаціями в 10%. Але на практиці буває, що згенерований додатковий дохід не покриває всіх витрат на впровадження персоналізації.

Три складових успіху

Рекомендаційні системи для збільшення продажів передбачають наявність трьох обов’язкових компонентів. Перш за все мова йде про правильну побудову customer journey – визуалізованого шляху покупця, який він проходить від моменту виникнення потреби в певному продукті і до моменту здійснення покупки. Крім стандартного набору даних про клієнта в систему потрібно включати інформацію, яка є на даний момент.

Друге – потрібно використовувати і регулярно оновлювати всі товарні атрибути в рекомендаційній системі. У тому числі текстовий опис і зображення, скомбіновані з характеристиками товарів.

Третє – і найголовніше – регулярно збирати та оновлювати всі дані по взаємодії покупця з рітейлером. Потрібна наскрізна аналітика всіх взаємодій від першого візиту на сайт, покупок, повернень на сайт і загальної цінності клієнта.

Маршрут для клієнта

Для нових клієнтів важливо зрозуміти, який асортимент пропонує рітейлер. Тут основне завдання інформації на головній сторінці та в каталогах товарів – якомога швидше перетворити його з відвідувача в покупця. Далі рітейлер зацікавлений збільшувати середній чек покупки.

У рішенні першого завдання рекомендаційні системи можуть лише трохи поліпшити продажі, так як рітейлер може самостійно представити свій товар найкращим чином.

Зате, щоб конвертувати інтерес відвідувача в покупку, система рекомендацій вкрай важлива, оскільки дозволяє запропонувати те, що потрібно конкретному споживачеві (в даному випадку на основі вже переглянутих товарів). Для збільшення середнього чека також важливим є аналіз купівельних кошиків і рекомендації до покупки товарів, які можуть доповнити ті, що вже опинилися в кошику.

Коли мова йде про постійного покупця, шлях роботи з ним зовсім інший. На основі наявних даних про покупця системи машинного навчання можуть спрогнозувати майбутні потреби такого клієнта. І вивести на головну сторінку сайту товари, які можуть зацікавити саме його. Точно так само і в каталогах товари впорядковуються під конкретні інтереси клієнта.

Інформація про товар

Звичайна рекомендаційна система використовує два максимально загальних атрибута товару. Наприклад, категорія першого і другого рівня. Але для правильної персоналізації цього недостатньо. Потрібно використовувати всі атрибути, в тому числі текстові описи, картинки тощо.

А також відображати в реальному часі ціну і послідовність покупок. Точно так само в реальному часі треба збирати дані про клієнтів та їх дії як онлайн, так і в офлайн.

Скажімо, після покупки в звичайному магазині нового товару клієнт, зайшовши на сайт, зможе побачити рекомендовані речі, з урахуванням попередньої покупки.

Це дозволяє підібрати правильний товар для правильного клієнта в потрібний час.

Так, наприклад, може виглядати головна сторінка сайту для чоловіка, який цікавиться купівлею одягу. З відповідним підбором брендів і акційних пропозицій.

Аналогічно найбільш релевантні товари виводяться в топ каталогу для такого клієнта згідно з розумінням його загальних потреб. Цей прийом може використовуватися і для стимулювання крос-продажів. Наприклад, при покупці синіх штанів клієнту запропонують придбати краватку в тон або запонки, піджак тощо. Цю комунікацію можна продовжити, наприклад, електронною поштою, щоб клієнт «дозрів» і повернувся за новими покупками пізніше.

Приклад з життя

Великий спеціалізований онлайн-рітейлер з клієнтською базою в 2,5 млн людей і 1,5-2 млн відвідувань сайту в місяць взяв за мету максимально задовольнити запити існуючих клієнтів. У нього вже були реалізовані рекомендаційні рішення, але їх ефективність була невисокою. Так як товарний каталог налічував приблизно 500 000 SKU, розподіл його за категоріями максимум на 1-2 рівня не дозволяв домогтися потрібної персоніфікації пропозиції.

Після побудови customer journey були впроваджені 17 блоків рекомендацій з різною логікою роботи в усіх точках взаємодії клієнта на сайті.

Додатково протестували кожну сторінку сайту і комунікацію з нею, щоб зрозуміти які блоки і стратегії працюють якнайкраще. А також впровадили систему, яка збирає в режимі реального часу всю інформацію про клієнта.

Все разом це привело до збільшення частки продажів через систему рекомендацій до 10-15%. У планах – зробити персональну сторінку з особистими рекомендаціями для кожного існуючого клієнта. Плануємо далі рухатися в область персоналізації комунікацій відповідно до циклів життя клієнта. Очікуємо, що це значно збільшить конверсію існуючих клієнтів. Кінцева мета – довести частку продажів за рекомендаціями до 20%.

Читайте також –

Прийняти платіж: топ-5 технологій для рітейлу в онлайн-платежах