Каждому по потребности: как внедрить эффективную персонализацию на сайте ритейлера

Какие практики установки системы рекомендаций клиентам могут повысить уровень продаж у омниканальных ритейлеров.

Читайте українською

Богдан и Ярослав Шкарупа, сооснователи компании Neu Current, в ходе своего доклада на RAU Expo 2020 рассказали о важности понимания клиентского пути, запросов клиента и характеристик товара как необходимых элементов для внедрения эффективной персонализации веб-сайта. RAU предлагает ознакомиться с основными тезисами их выступления.

NeuCurrent внедряет персонализированные рекомендации, коммуникации и централизованную систему для сбора и обмена клиентских данных. Система рекомендаций и коммуникаций NeuCurrent работает по принципу «всегда есть что предложить клиенту», и позволяет подобрать товары, промо-кампании, бренды для каждого клиента в реальном времени в течение всего клиентского пути.

Кому и зачем это надо

Практически у каждого современного ритейлера однажды наступает момент, когда компания «упирается в потолок» возможностей по расширению круга своих клиентов. И тогда приходится думать над тем, как улучшить взаимодействие с уже существующими покупателями.

Персонализированные рекомендации и коммуникации с потребителем позволяют увеличить конверсию и средний чек, частоту покупок. В целом система рекомендаций позволяет нарастить выручку ритейлера на 10-15%. В идеале можно добиться доли продаж через рекомендации в 35%, как это получается у крупнейшего международного онлайн-ритейлера Amazon.

Рекомендации на сайте и в последующей коммуникации с клиентом — это не новый инструмент. Но ритейлеры его используют весьма ограниченно в силу технических и организационных сложностей.

Это и неполные клиентские профайлы, и технические ограничения, не позволяющие внедрить какие-то рекомендации без перестройки инфраструктуры интеграции данных для всех внутренних и внешних систем.

Например, в начале работы Neu Current у одного ритейлера не было даже системы сбора данных о клиентах и ее пришлось создавать буквально «с нуля». Теперь это является базовой частью платформы системы рекомендаций.

Чтобы воспользоваться системой персональных рекомендаций у ритейлера должна быть CRM-система и настроенная Google Analytics, плюс SQL-база онлайн и офлайн продаж.

Во время карантина система получила дополнительный функционал, чтобы отслеживать быстро меняющиеся покупательские запросы и предлагать рекомендации для продажи трендовых товаров.

Почему не срабатывают рекомендации

Обычно у ритейлеров первая страница сайта не персонализирована. Что хорошо — для тех покупателей, которые заглянули на сайт в первый раз. Так пользователя знакомят с максимально широким ассортиментом товаров, представленных на сайте.

Обычно также используется небольшой блок рекомендаций, который формируется на основе прошлых просмотров тех, кто снова зашел на сайт. То есть, ритейлеры в основном ориентируются на конверсию новых клиентов, а старые клиенты видят на сайте практически одно и то же.

Та же ситуация наблюдается и в каталогах товаров, которые вообще не персонализированы. Максимум – сортируют товар по популярности. Однако это не так эффективно работает для уже существующих клиентов.

Система рекомендаций не срабатывает, если они имеют слишком общий характер, без учета характеристик товара и персональных предпочтений клиента. Также рекомендации часто бывают неактуальны и не учитывают время и частоту покупок. Не используются все данные о клиентах, например, не учитываются офлайн-покупки. Между тем, у ритейлера есть масса информации, которая никак не используется для персонализации предложения.

Когда ритейлеры внедряют рекомендации, они ждут роста продаж в три раза и достижения доли продаж по рекомендациям показателя в 10%. Но на практике бывает, что сгенерированный дополнительный доход не покрывает всех затрат на внедрение персонализации.

Три составляющих успеха

Рекомендационные системы для увеличения продаж предполагают наличие трех обязательных компонентов. Прежде всего речь идет о правильном построении customer journey – визуализированного пути покупателя, который он проходит от момента возникновения потребности в определенном продукте и до момента совершения покупки. Кроме стандартного набора данных о клиенте в систему нужно включать информацию, которая есть на данный момент.

Второе – нужно использовать и регулярно обновлять все товарные атрибуты в рекомендационной системе. В том числе текстовое описание и изображения, скомбинированные с характеристиками товаров.

Третье – и самое главное – регулярно собирать и обновлять все данные по взаимодействию покупателя с ритейлером. Нужна сквозная аналитика всех взаимодействий от первого визита на сайт, покупок, возвратов на сайт и общей ценности клиента.

Маршрут для клиента

Для новых клиентов важно понять, какой ассортимент предлагает ритейлер. Здесь основная задача информации на главной странице и в каталогах товаров – как можно быстрее превратить его из посетителя в покупателя. Далее ритейлер заинтересован увеличивать средний чек покупки.

В решении первой задачи рекомендационные системы могут лишь немного улучшить продажи, так как ритейлер может самостоятельно представить свой товар наилучшим образом.

Зато, чтобы конвертировать интерес посетителя в покупку, система рекомендаций крайне важна, так как позволяет предложить то, что нужно конкретному потребителю (в данном случае на основе уже просмотренных товаров). Для увеличения среднего чека также важен анализ покупательских корзин и рекомендации к покупке товаров, которые могут дополнить те, что уже оказались в корзине.

Когда речь идет о постоянном покупателе, путь работы с ним совсем иной. На основе имеющихся данных о покупателе системы машинного обучения могут спрогнозировать будущие потребности такого клиента. И вывести на главную страницу сайта товары, которые могут заинтересовать именно его. Точно также и в каталогах товары упорядочиваются под конкретные интересы клиента.

Информация о товаре

Обычная рекомендационная система использует два каких-то максимально общих атрибута товара. Например, категория первого и второго уровня. Но для правильной персонализации этого недостаточно. Нужно использовать все атрибуты, в том числе текстовые описания, картинки и т.п.

А также отражать в реальном времени цену и последовательность покупок. Точно также в реальном времени надо собирать данные о клиентах и их действиях как онлайн, так и в офлайн.

Скажем, после покупки в обычном магазине нового товара клиент, зайдя на сайт, сможет увидеть рекомендованные вещи, с учетом предыдущей покупки.

Это позволяет подобрать правильный товар для правильного клиента в нужное время

Так, например, может выглядеть главная страница сайта для мужчины, который интересуется покупкой одежды. С соответствующим подбором брендов и акционных предложений.

Аналогично самые релевантные товары выводятся в топ каталога для такого клиента согласно пониманию его общих потребностей. Этот прием может использоваться и для стимулирования кросс-продаж. Например, при покупке синих брюк клиенту предложат приобрести галстук в тон или запонки, пиджак и т.д. Эту коммуникацию можно продолжить, например, по электронной почте, чтобы клиент «созрел» и вернулся за новыми покупками позднее.

Пример из жизни

Крупный специализированный онлайн-ритейлер с клиентской базой в 2,5 млн человек и 1,5-2 млн посещений сайта в месяц задался целью максимально удовлетворить запросы существующих клиентов. У него уже были реализованы рекомендационные решения, но их эффективность была невысока. Так как товарный каталог насчитывал примерно 500 000 SKU, деление его по категориям максимум на 1-2 уровня не позволяло добиться нужной персонификации предложения.

После построения customer journey были внедрены 17 блоков рекомендаций с разной логикой работы во всех точках взаимодействия клиента на сайте.

Дополнительно протестировали каждую страницу сайта и коммуникацию с ней, чтобы понять какие блоки и стратегии работают лучше всего. А также внедрили систему, которая собирает в режиме реального времени всю информацию о клиенте.

Все вместе это привело к увеличению доли продаж через систему рекомендаций до 10-15%. В планах – сделать персональную страницу с личными рекомендациями для каждого существующего клиента. Планируем дальше двигаться в область персонализации коммуникаций в соответствии с циклом жизни клиента. Ожидаем, что это значительно увеличит конверсию существующих клиентов. Конечная цель – довести долю продаж по рекомендациям до 20%.

Читайте также — 

Принять платеж: топ-5 технологий для ритейла в онлайн-платежах