В SEZON давно знают, что удобство для клиента — ключ к повторным покупкам. Команда бренда хотела автоматизировать часть взаимодействия, сделать его более точным и ориентированным на интересы каждого покупателя.

Решением стали товарные рекомендации на сайте — инструмент, который помогает показывать релевантные товары на разных этапах пользовательского взаимодействия. Его внедрили совместно с командой eSputnik, постепенно тестируя подходы и настройки.

В этом кейсе — коротко о том, с чего начали, как работали с рекомендациями, какие результаты получили и что компания планирует дальше.

О проекте

SEZON — украинский бренд, который более 10 лет продает обувь для всей семьи. Компания начинала с одного магазина в Черновцах, а со временем выросла в национальную сеть из более чем 40 торговых точек в крупных городах Украины. За это время клиенты купили более 1 600 000 пар обуви. SEZON продолжает развивать сеть физических магазинов и параллельно усиливает онлайн-направление.

Наиболее активная аудитория бренда — современные и активные женщины, возрастом 35-54 лет. Они ищут удобную, стильную и качественную обувь на каждый день, для путешествий и особых случаев.

Задание

Команда SEZON хотела избавиться от ручного подбора товаров в блоках рекомендаций и перейти к автоматизированной системе, которая подстраивается под действия каждого пользователя. Основная задача — сделать коммуникацию более точной и динамичной, чтобы лучше реагировать на интересы постоянных клиентов.

С развитием онлайн-продаж команда решила протестировать товарные рекомендации как первый инструмент автоматизированной персонализации — их внедрили на сайте вместе с CDP eSputnik.

SEZON не использовали другие CDP до сотрудничества с нами, поэтому важно было найти решение, которое будет одновременно гибким и понятным на старте. В фокусе были следующие задачи:

• автоматизировать товарные рекомендации на сайте — вместо ручного добавления товаров;
• улучшить персонализацию взаимодействия с постоянными клиентами;
• повысить эффективность коммуникаций через релевантные предложения.

Решение

Настройка рекомендаций на сайте

Рекомендательные блоки не только упрощают навигацию, но и помогают создать персонализированный опыт для каждого посетителя. Они показывают товары, которые могут заинтересовать клиента, даже если тот не искал ничего конкретного. Это удерживает внимание, мотивирует исследовать сайт дольше и в конечном итоге — стимулирует продажи.

Интеграция рекомендаций состояла из нескольких шагов:

1. Подключение тарифа Professional, который открывает доступ к расширенным возможностям персонализации.
2. Настройка вебтрекинга — он фиксирует действия пользователей на сайте: просмотры товаров, категорий, покупки и т.д. Эти данные передаются в eSputnik и становятся одной из базовых опор для формирования рекомендаций.
3. Определение страниц, на которых будут появляться рекомендательные блоки, и согласование этого с customer success manager eSputnik.
4. Выбор алгоритмов для каждого блока в соответствии с целями страницы: удержание внимания, допродажа, предложение сопутствующих товаров и т.д.

Все рекомендации формируются автоматически — на основе трансформерной модели. Она анализирует историю покупок и действия пользователя, изучает последовательность его шагов, предпочтения по категориям, ценам и времени.

Эти данные превращаются в числовые векторы, которые модель сравнивает между собой, чтобы предсказать наиболее вероятные интересы. В результате система подбирает персональные рекомендации для каждого пользователя — без лишних действий со стороны команды.

Кстати, трансформерные модели демонстрируют на 71% более высокую эффективность по сравнению с традиционными. Вы можете узнать больше о том, как это работает, из нашей статьи.

Рекомендации на главной странице

Главная страница сайта — первая точка контакта для многих посетителей. Пользователи могут заходить без четкой цели, поэтому главная задача рекомендательного блока — заинтересовать и вовлечь в просмотр.

На этом этапе был внедрен показ популярных товаров, а именно тех, которые чаще всего просматривают или покупают другие пользователи. Это создает эффект социального доказательства: “если другим понравилось, возможно, и мне подойдет”. Такой подход вызывает доверие с первого взгляда и стимулирует изучение каталога.

Рекомендации в категориях

На страницах категорий посетитель уже более ориентирован на покупку. Так, он просматривает определенную группу товаров, но еще не определился с выбором. Чтобы помочь ему на этом этапе, команда добавила блок с бестселлерами — моделями, которые чаще всего покупают другие клиенты.

Такие рекомендации позволяют быстрее найти что-то действительно популярное и проверенное. Для пользователей это может стать ориентиром и подсказкой, что именно стоит рассмотреть в первую очередь.

Рекомендации на страницах товара

Чтобы максимально использовать потенциал страницы товара, мы добавили сразу два типа рекомендаций: сопутствующие товары и альтернативные варианты.

Сопутствующие товары помогают увеличить средний чек (AOV), подталкивая пользователя добавить в корзину что-то логически связанное. А альтернативные варианты удерживают внимание, если основной товар не до конца соответствует ожиданиям. Это снижает риск потери клиента и увеличивает вероятность покупки.

Товары, которые часто покупают вместе

Этот блок показывает, что именно обычно покупают вместе с выбранным. Например, к паре с ботинками — средство для ухода за обувью или стельки. Алгоритм построен так, чтобы предлагать дополнения из релевантной категории с учетом предыдущих покупок других пользователей.

Похожие товары

Рядом с основным товаром отображаются похожие модели — по цвету, материалу, стилю. Это позволяет сравнить, выбрать лучшее, или просто увидеть больше вариантов перед принятием решения.

Рекомендации на странице 404

Попадание на 404 страницу обычно означает, что что-то пошло не так и пользователь не нашел то, что искал. Но даже в такой ситуации можно удержать его интерес. Мы решили использовать этот момент и добавили на 404 страницу блок с популярными товарами.

Это позволяет не прерывать путь клиента, а наоборот — предложить что-то релевантное на основе того, что пользуется спросом среди других покупателей. В некоторых случаях именно это побуждает продолжить просмотр или даже оформить заказ.

Результаты

Уже в первые два месяца после внедрения товарных рекомендаций SEZON зафиксировал изменения в поведении пользователей на сайте. Ключевые показатели начали расти:

• время взаимодействия с сайтом увеличилось на 17%;
• добавление товаров в корзину — на 30,5%;
• добавление в избранное — на 244,6%;
• просмотры одной страницы — на 389,2%.

Особенно высокие показатели вовлеченности продемонстрировал блок “Похожие товары”: его CTR составил 42,9%, что стало лучшим результатом среди всех типов рекомендаций.

Планы

В SEZON не планируют останавливаться на внедрении товарных рекомендаций. Команда постепенно переходит к более комплексной работе с клиентской базой — через персонализированные рассылки, гибкие сценарии коммуникаций и более глубокий анализ взаимодействий.

Среди приоритетов — тестирование новых форматов, усиление вовлеченности и работа с удержанием клиентов:

Итоги

Внедрение товарных рекомендаций стало для SEZON возможностью протестировать автоматизацию и персонализацию на своем сайте. Даже в рамках базового сценария бренд зафиксировал изменения в поведении пользователей: рост добавлений в корзину, избранного, просмотров и времени взаимодействия с сайтом.

Данный кейс демонстрирует, что персонализированные блоки могут влиять на взаимодействие, если правильно размещены, настроены и регулярно анализируются.

 Если вы тоже хотите попробовать персонализированные рекомендации на своем сайте — оставьте заявку в форме внизу. Обсудим потребности вашего бизнеса, покажем возможности и подскажем оптимальный сценарий для старта.

Получить персонализированную консультацию