Товарные рекомендации для ecommerce на сайте и в письмах

Персонализация – это ключевой маркетинговый тренд, без которого сегодня не обходится ни одна успешная онлайн-кампания. Покупатели давно успели привыкнуть, что их любимые бренды предлагают им релевантный контент. Поэтому персональные товарные рекомендации не только увеличивают продажи, но и укрепляют отношения с клиентами.

Чтобы делать предложения, соответствующие предпочтениям и интересам конкретного пользователя, в онлайн-маркетинге прежде всего используется веб-трекинг – скрипт, с помощью которого собираются данные о поведении каждого посетителя сайта.

Но для точного таргетинга веб-персонализации необходимо собирать данные из всех точек касания с брендом как онлайн, так и в офлайн. Ведь если клиент купит в офлайне, например, телевизор, рекомендательная система должна учитывать этот факт, чтобы не пытаться продать уже купленное.

О том, как настроить и использовать персональные товарные рекомендации, читайте в этой статье.

Насколько прибыльны товарные рекомендации

К этому моменту у вас мог возникнуть резонный вопрос: сколько же может принести мне этот волшебный инструмент? Приведем немного статистики из наших кейсов:

• Персонализированные рассылки магазина “Антошка” имеют на 70% больше конверсий, чем массовые.
• Сервис доставки ROCKET получил на 65% больше заказов благодаря сегментации по событиям.
• Маркетплейс Shafa.ua за полгода использования персональных рекомендаций удвоил количество заказов.
• Сеть магазинов бытовой техники “Фокстрот” увеличила продажи аксессуаров на 16% благодаря персональным рекомендациям на сайте.

А это статистика от других сервисов:

• Исследование, проведенное Barilliance в 2018 году, показало, что товарные рекомендации приносят до 31% доходов от электронной торговли. В среднем 12% покупок приходится на рекомендованные товары.
• Исследование Salesforce демонстрирует, что сеансы, во время которых покупатель нажимал на рекомендацию, составляют всего 7% от общего трафика сайта, но они же составляют 24% заказов и 26% дохода.
• Коэффициент конверсии среди посетителей, переходящих на товарные рекомендации, в 5,5 раз выше, чем у тех, кто не переходил.
• В отчете Accenture утверждается, что персонализация увеличивает вероятность покупки на 75 процентов.

И еще одно преимущество использования рекомендаций с eSputnik – это простота их внедрения. Вам не придется менять код или даже дизайн сайта – достаточно установить скрипт веб-трекинга, а в аккаунте указать страницу размещения рекомендации, настроить фильтрацию и выбрать вариант отображения карточек товаров.

Подробнее о настройках рекомендаций на сайте>>

Как работают товарные рекомендации

Товарные рекомендации в ecommerce – это карточки товаров, которые показываются пользователю на веб-сайте, в электронных письмах или в мобильном приложении. Рекомендации формируются благодаря программному обеспечению, отслеживающему поведение человека в онлайне и собирающему данные о его офлайн-заказах. На основе этой информации алгоритм предлагает товары, которые могут быть интересны покупателям. Чем круче программное обеспечение, тем точнее его прогнозы и, соответственно, тем выше продажи.

Можно выделить такие этапы работы рекомендательных систем:

• Сбор данных (исторических и в режиме реального времени): емейл, номер телефона, геолокация, история заказов и просмотров и т. д.;
• Унификация данных: по какому бы каналу пользователь ни попадал на сайт, нам нужно понимать, что это один и тот же человек, и фиксировать данные о его поведении;
• Фильтрация данных: алгоритмы, которые используются для подбора персональных рекомендаций.

Остановимся подробнее на вариантах фильтрации данных.

Способы фильтрации данных

1. Совместная фильтрация – рекомендация товаров, купленных или просмотренных пользователями со схожими паттернами поведения.

2. Контентная фильтрация – поиск товаров, похожих на те, которые пользователь просматривал, лайкал или заказывал.

3. Гибридные рекомендательные системы – в зависимости от ситуации автоматически выбирается оптимальный алгоритм подбора рекомендаций. Например, если пользователь новый и данных о нем пока недостаточно, в рекомендациях ему показываются бестселлеры.

Основные типы товарных рекомендаций

Вы можете использовать разные типы рекомендаций:

• для разных страниц сайта – главной, корзины, 404-й и т. д.
• для разных типов рассылок – промо, брошенных корзин и просмотров, транзакционных.

Рассмотрим основные типы товарных рекомендаций.

Вас заинтересует

Алгоритм находит товары, наиболее соответствующие поведенческому профилю покупателя. В расчет принимается категория товара, бренд, цена и т. д.

На сайте такие рекомендации лучше всего размещать в карточке товара. Также можно использовать этот тип в автоматической рассылке о брошенном просмотре, чтобы предоставить покупателю более широкий выбор товаров из интересующей его категории.

С этим товаром покупают

Чаще всего это рекомендации аксессуаров к товару, который собирается приобрести покупатель.

Такой тип рекомендаций отлично работает на последнем этапе продажи, например, их стоит показывать на странице корзины на сайте и в послепродажных рассылках.

Покупатели, которые просматривали этот товар, также интересуются

В этом случае товары подбираются на основе предпочтений разных пользователей со схожим поведением. Это рекомендации типа бестселлеров, только персонализированные. Они могут выступать как социальное доказательство, чтобы добавить решимости на покупку.

Рекомендации по поведению других клиентов можно использовать на странице категории товара, а если речь идет о рассылках – в письмах о брошенных корзинах.

Выгодное предложение

Алгоритмы отбирают акционные товары из категорий, которыми интересовался пользователь.

Если расположить подборку на 404-й странице, это наверняка снизит раздражение посетителя от перехода на несуществующую страницу и с большой долей вероятности приведет к продаже акционного товара. Также такие рекомендации подойдут для рассылок с брошенным просмотром.

Снижение цены на похожие товары

Этот тип рекомендаций можно использовать в рассылках: если человек просматривал товары или оставил их в корзине, но в течение недели так ничего и не купил, ему отправляется емейл с подборкой скидок на похожие товары.

Новинки из той же категории

Пользователю, не совершившему покупку, отправляется рассылка с подборкой новинок из товарной категории, которой он интересовался.

Офлайн-рекомендации

С eSputnik вы можете передавать рекомендации не только в рассылки или на сайт, но и на внешние ресурсы, такие как чаты, кол-центры или кассы офлайн-магазинов. Благодаря этому продавцы могут предлагать актуальные для покупателя товары прямо на кассе. После этого данные о покупках в офлайне передаются в CDP и также будут учитываться алгоритмами.

Теперь, когда вы ознакомились с базовыми стратегиями товарных рекомендаций, вам остается выбрать наиболее подходящий для вашей бизнес-модели вариант.

eSputnik может предложить вам и множество других вариантов построения рекомендаций, о которых с удовольствием расскажет наша поддержка. Например, мы можем привлечь аналитика, который будет настраивать и дообучать вашу модель рекомендаций.

Используйте персональные рекомендации для привлечения и удержания ваших клиентов, и будьте на шаг впереди конкурентов!