Кейс “Фокстрот”: +16% продаж аксессуаров при том же трафике 

Успех компаний во многом зависит от качества коммуникации с клиентами. Существуют инструменты, позволяющие держать руку на пульсе любых изменений в поведении пользователя. А как насчет прогнозирования его будущих покупок и создания на этой основе индивидуальных товарных предложений? 

В этом кейсе расскажем о том, как персональные рекомендации на сайте увеличили продажи аксессуаров топовому украинскому ритейлеру электроники на 16%.

О проекте

“Фокстрот” – одна из крупнейших розничных сетей электронной и бытовой техники в Украине. Торговая сеть входит в Euronics – самую большую группу по закупке электроники и быттехники, которая охватывает 37 стран, в т. ч. большинство государств Европы, Россию, Казахстан, ОАЭ, Египет и другие.

“Фокстрот” представлен 164 магазинами в 90 городах Украины и онлайн (средний трафик сайта за 6 месяцев – 5,58 млн пользователей).

Программа лояльности “ФоксFan” насчитывает более 11,5 млн клиентов, а 92% покупок совершается с картой сети. Секрет успеха кроется в персонализации: все участники получают релевантные предложения, бонусы, а также вероятность купить товар по специальной цене (в зависимости от этапа воронки и возможной скидки на интересующую позицию).

“Фокстрот” и eSputnik сотрудничают уже более 7 лет, за это время совместными усилиями

• внедрили email-рассылки;
• подключили омниканальньную коммуникацию с использованием pop-up, SMS, Viber, push;

• настроили 25 цепочек и 80 триггеров.

Ритейлер не прекращает оптимизировать маркетинговые процессы и совершенствовать коммуникацию с ЦА.

Задача

В бизнесе электроники низкая маржинальность основной категории товаров. Поэтому главной задачей для “Фокстрота” стало увеличение продаж дополнительных и сопутствующих позиций.

Было принято решение внедрить функциональность “Товарные рекомендации на сайте”, чтобы увеличить:

• количество конверсий и целевых действий на сайте;
• количество позиций в чеке;
• продажи аксессуаров и сопутствующих товаров из кросс-категорий.

Решение

“Несмотря на то, что у нас есть IT-отдел, который может реализовать любую функциональность, мы решили сотрудничать с eSputnik. В некоторых случаях нецелесообразно тратить время своих специалистов на разработку, если на рынке есть готовое решение и результат можно получить сразу. К тому же eSputnik непрерывно совершенствует свой продукт, и мы можем пользоваться самыми продвинутыми инструментами”.

Евгений Кречетович – глава CRM в “Фокстрот”

Товарные рекомендации в eSputnik создаются благодаря синергии искусственного интеллекта и экспертов в data science. Нейронная сеть способна предсказать, какие товары купят ваши потребители, с точностью 60%. А чтобы в рекомендации не вошли нерелевантные предложения, этот процесс контролирует аналитик (настраивает и дообучает систему). Универсального алгоритма не существует: для ритейлера электроники эффективнее одни, для интернет-магазина одежды – другие. Поэтому data scientist вместе с менеджером проекта и заказчиком определяют категории, которые требуют особого внимания, исходя из потребностей конкретной компании.

Как это работает

Рекомендации генерируются нейросетью на основе:

• истории поведения большой выборки покупателей;
• информации о товарах и их характеристиках.

В eSputnik можно настроить такие виды алгоритмов:

У “Фокстрота” персональные рекомендации размещены в следующих блоках:

• главная – “Рекомендованные аксессуары к последней покупке”, “Специально для Вас”;

• страницы категорий – “Вас заинтересует”;

• карточки товаров – “С этим товаром покупают”, “Подобрано на основе ваших запросов”, “Покупатели, которые просматривали этот товар, также интересуются”;

• корзина – “К этому товару вам могут понадобиться”.

Для их формирования нейросеть учитывает:

• историю поведения пользователя на сайте;
• стоимость товаров;
• категорию товара и сопутствующие категории;
• дополнительные условия от клиента.

Особенности формирования рекомендаций для “Фокстрота”

Ассортимент магазина насчитывает более 10 000 аксессуаров – с таким объемом справится только машина. Но поскольку структура данных у разных товаров не всегда совпадает, то это может вызывать сложности у ИИ и уменьшать точность рекомендаций. Поэтому необходимо участие data-специалиста: он объясняет системе, как добавлять в подборки только правильные товары. Разберем на примерах нескольких категорий у “Фокстрота”:

1. Крепления для телевизоров – для правильного выбора настенного крепления нужно учесть вес телевизора и стандарт, например VESA. Иногда данные в карточках могут быть неполными (в характеристиках одних телевизоров вес указан с подставкой, а в других – без нее) – в таких случаях применяется ML-алгоритм для очистки этих данных и подбора подставок для всех телевизоров.

Data scientist дообучает алгоритм: указывает вес как ключевую характеристику и для телевизора, и для подставки. После сохранения этой информации ИИ рекомендует правильные крепежи.

Благодаря такой настройке алгоритма продажи креплений выросли на 6%.

2. ТВ-тюнеры и приставки – телевизоры могут оснащаться TV-тюнером или нет. Эта характеристика влияет на формирование группы сопутствующих позиций. Так, для телевизоров без этой функции можно рекомендовать тюнеры, поскольку их просматривают и покупают обычно одним чеком. Аналогично с и медиаплеерами: они релевантны для тех моделей, где нет Smart TV.

3. Аксессуары к мобильным телефонам – должны четко соответствовать конкретной модели. Но т. к. в этой категории очень много предложений (чехлы, USB, карты памяти, держатели и др.), есть вероятность погрешности. Для ее исключения специалист проверяет рекомендации алгоритма и удаляет несовместимые. Чтобы ИИ смог подобрать правильные сопутствующие товары, должны совпадать бренд, название модели и аксессуара.

Только за апрель 2021 года рекомендации принесли +16% к продажам аксессуаров.

4. Крупная бытовая техника – на кухню часто приобретают позиции в одном цветовом решении и одного бренда. Правильные рекомендуемые товары к быттехнике могут приносить значительный доход, поскольку здесь высокий средний чек по сравнению с другими категориями. Для создания релевантных рекомендательных блоков data-специалист указывает нейросети, что бренд является ключевой характеристикой. Чем меньше других брендов попадет в рекомендации к конкретному товару, тем лучше будут продаваться сопутствующие.

Для создания лучших рекомендаций нужна совместная работа всех сторон: нейронной сети, команды проекта и непосредственно бизнеса. Например, создание такого сложного блока, как “Вместе дешевле”, происходит так: ИИ просчитывает вероятность покупки и формирует комплекты → на стороне клиента происходит проверка соответствия категорий, исключение неактуальных + расчет стоимости комплекта (учитывается маржа, % скидки).

На данный момент с помощью автоматизации для “Фокстрота” сгенерировано более 500 000 комплектов во всех товарных категориях.

Подобным образом создается блок “С этим товаром покупают”. Нейронная сеть анализирует информацию по предыдущим заказам → выявляет неочевидные закономерности (например, в одной покупке периодически встречаются утюг и набор бокалов, перфоратор и кофеварка, большой ТВ и обогреватель и др.) → строит комплекты → рекомендации выводятся в карточки.

Ежедневно на сайт заводятся новые поставщики, обновляется ассортимент – а это тысячи товаров – поэтому создание таких комплектов становится возможным только с помощью искусственного интеллекта.

Если же алгоритм не может подобрать релевантные рекомендации (например, из-за отсутствия необходимых характеристик у товаров), то на сайте “Фокстрота” рекомендация не дается. Вместо этого пользователю предлагается самостоятельно изучить товары из общей категории. Ритейлер и eSputnik выбрали такую стратегию, поскольку некорректные предложения могут негативно сказаться на лояльности аудитории.

Товарные рекомендации в офлайне

“Фокстрот” дополнили свой омниканальный подход к коммуникации с клиентами рекомендациями в офлайне.

Блоки с комплектами выводятся на рабочих местах для операторов call-центра и продавцов в рознице. Это позволяет снизить нагрузку на персонал и повысить качество обслуживания. Теперь консультантам нет необходимости заучивать весь ассортимент, который составляет более 80 тыс. товаров, чтобы быстро и точно порекомендовать покупателю релевантные позиции.

Кроме того, карточки клиентов обогащаются информацией про офлайн-просмотры. Для этого консультант берет номер телефона посетителя → заносит просмотренные товары как заказ → далее запускается триггерная цепочка с брошенным просмотром.

Оставить номер телефона в офлайне посетителя мотивирует:

• экономия собственного времени – чтобы не искать по сайту просмотренные позиции, а сразу перейти по ссылкам в email и ознакомиться с характеристиками (в категории электроники покупатель долго принимает решение о покупке, за это время он не раз возвращается к изучению описания товара);
• возможность получить спеццену на товар;
• удобство и отказ от ношения пластиковых карт.

Персональные рекомендации для покупателей офлайн Подключить

Результаты

Эффективность рекомендаций для “Фокстрота”:

• рост глубины просмотра и вовлеченности на сайте – +10%;
• рост конверсии – +5%;
• рост продаж аксессуаров – +16%.

“Товарные рекомендации – функциональность, которая позволяет “Фокстроту” предлагать клиентам те товары, что они захотят купить. Нам нравится, как работают рекомендации, какие результаты они приносят, и вместе с eSputnik мы постоянно их совершенствуем. Внедрение всех идей происходит оперативно и слаженно, даже не нужно устанавливать дедлайны. Команда описывает, что хочет видеть, а специалисты находят решения и передают в работу. В eSputnik мы всегда можем получить качественную экспертизу, помощь в настройках, оперативную работу поддержки“.

Евгений Кречетович – глава CRM в “Фокстрот”

К выводам

Подключение товарных рекомендаций могут позволить себе не только такие гиганты ритейла, как “Фокстрот”. За долгие годы тестирования и работы с разными бизнесами команда eSputnik выделила лучшие алгоритмы и поместила их в интерфейс системы. Настроить рекомендации на сайте сможет самостоятельно любой маркетолог без сторонней помощи программистов. А результаты работы блоков доступны сразу после того, как они появятся на сайте, что позволит определить самые прибыльные рекомендации. Если у вас остались вопросы, заполняйте форму и мы вместе найдем лучшие решения для вашего бизнеса!

Special Request Inline