Кейс "Фокстрот": + 16% продажів аксесуарів при тому самому трафіку

Успіх компаній багато в чому залежить від якості комунікації з клієнтами. Існують інструменти, що дозволяють тримати руку на пульсі будь-яких змін у поведінці користувача. А як щодо прогнозування його майбутніх купувань і створення на їхій основі індивідуальних товарних пропозицій?

У цьому кейсі розповідаємо про те, як персональні рекомендації на сайті збільшили продажі аксесуарів топовому українському ритейлеру електроніки на 16%.

Про проект

"Фокстрот" – одна з найбільших роздрібних мереж електронної та побутової техніки в Україні. Торговельна мережа входить до складу Euronics – найбільшої групи з закупівлі електроніки та побутової техніки, яка охоплює 37 країн, в т. ч. більшість держав Європи, Казахстан, ОАЕ, Єгипет та інші.

"Фокстрот" представлений 164 магазинами у 90 містах України й онлайн (середній трафік сайту за 6 місяців – 5,58 млн користувачів).

Програма лояльності "ФоксFan" налічує понад 11,5 млн клієнтів, а 92% купувань здійснюється з карткою мережі. Секрет успіху – у персоналізації: всі учасники отримують релевантні пропозиції, бонуси, а також ймовірність придбати товар за спеціальною ціною (залежно від етапу воронки й можливої ​​знижки на вподобану позицію).

"Фокстрот" та eSputnik співпрацюють вже понад 7 років, за цей час спільними зусиллями

• впровадили email-розсилки;
• підключили омніканальньну комунікацію з використанням pop-up, SMS, Viber, push;

• налаштували 25 ланцюжків і 80 тригерів.

Ритейлер не припиняє оптимізувати маркетингові процеси й удосконалювати комунікацію з ЦА.

Завдання

У торгівлі електронікою низька маржинальність основної категорії товарів. Тому головним завданням для "Фокстроту" стало збільшення продажів додаткових і супутніх позицій.

Було прийнято рішення впровадити функціональність "Товарні рекомендації на сайті", щоб збільшити:

• кількість конверсій та цільових дій на сайті;
• кількість позицій у чеку;
• продажі аксесуарів і супутніх товарів із крос-категорій.

Рішення

Не дивлячись на те, що у нас є IT-відділ, який може реалізувати будь-яку функціональність, ми вирішили співпрацювати з eSputnik. У деяких випадках недоцільно витрачати час своїх фахівців на розробку, якщо на ринку є готове рішення й результат можна отримати відразу. До того ж eSputnik безперервно удосконалює свій продукт, і ми можемо користуватися інноваційними інструментами.

Євген Кречетович – керівник CRM у “Фокстрот”

Товарні рекомендації в eSputnik створюються завдяки синергії штучного інтелекту та data-science-експертів. Нейронна мережа здатна передбачити, які товари придбають ваші споживачі, з точністю 60%. А щоб до рекомендацій не увійшли нерелевантні пропозиції, цей процес контролює аналітик (налаштовує й донавчає систему). Універсального алгоритму не існує: для ритейлера електроніки ефективні одні, для інтернет-магазину одягу – інші. Тому data scientist разом із менеджером проекту та замовником визначають категорії, які потребують особливої ​​уваги, враховуючи потреби конкретної компанії.

Як це працює

Рекомендації генеруються нейронною мережею на основі:

• історії поведінки великої вибірки покупців;
• даних про товари та їхні характеристики.

У eSputnik можна налаштувати такі види алгоритмів:

На сайті "Фокстроту" персональні рекомендації розміщені в наступних блоках:

• головна – "Рекомендовані аксесуари до останньої покупки", "Спеціально для Вас";

• сторінки категорій – "Вас зацікавить";

• картки товарів – "З цим товаром купують", "Підібрано на основі ваших запитів", "Покупці, які переглядали цей товар, також цікавляться";

• кошик – "До цього товару вам можуть знадобитися".

Для їх формування нейронна мережа враховує:

• історію поведінки користувача на сайті;
• вартість товарів;
• категорію товару та супутні категорії;
• додаткові умови від клієнта.

Особливості формування рекомендацій для "Фокстроту"

Асортимент магазину нараховує більше 10 000 аксесуарів – з таким обсягом впорається лише машина. Але оскільки структура даних у різних товарів не завжди збігається, то це може викликати складності у штучного інтелекту та зменшити точність рекомендацій. Тому необхідна участь data-фахівця: він пояснює системі, що робити, щоб у добірках не було неправильних товарів. Розберемо на прикладах декількох категорій "Фокстроту":

1. Кріплення для телевізорів – для правильного вибору настінного кріплення потрібно врахувати вагу телевізора та стандарт, наприклад VESA. Іноді дані в картках можуть бути неповними (в характеристиках одних телевізорів вага вказана з підставкою, а в інших – без неї) – у таких випадках застосовується ML-алгоритм для очищення цих даних і підбирання кріплень для всіх телевізорів.

Data scientist донавчає алгоритм: вказує вагу як ключову характеристику для телевізора, а також для підставки. Після збереження цієї інформації нейронная мережа рекомендує правильні кріплення.

Завдяки такому налаштуванню алгоритму продажі кріплень виросли на 6%.

2. ТВ-тюнери та медіаплеєри – телевізори можуть оснащуватися TV-тюнером або ні. Ця характеристика впливає на формування групи аксесуарів. Так, до телевізорів без цієї функції можна рекомендувати тюнери, оскільки їх переглядають і купують зазвичай разом. Аналогічно і з медіаплеєрами: вони релевантні для тих моделей, де немає Smart TV.

3. Аксесуари до мобільних телефонів – повинні чітко відповідати конкретній моделі. Але зважаючи на те, що в цій категорії дуже багато пропозицій (чохли, USB, карти пам'яті та ін.), існує ймовірність похибки. Для її виключення фахівець перевіряє рекомендації алгоритму і видаляє несумісні. Щоб штучний інтелект зміг підібрати правильні супутні товари, повинні збігатися бренд, назва моделі та аксесуара.

Тільки за квітень 2021 року рекомендації принесли +16% продажів аксесуарів.

4. Велика побутова техніка – для комплектації кухні зазвичай купують позиції одного кольору та одного бренду. Правильні рекомендовані товари до побутової техніки можуть приносити значний дохід, оскільки тут високий середній чек у порівнянні з іншими категоріями. Для створення релевантних рекомендаційних блоків data-фахівець вказує нейронній мережі, що бренд є ключовою характеристикою. Чим менше інших брендів потрапить у рекомендації до конкретного товару, тим краще продаватимуться супутні товари.

Для створення кращих рекомендацій потрібна спільна робота всіх сторін: нейронної мережі, команди проекту й безпосередньо бізнесу. Наприклад, створення такого складного блоку, як "Разом дешевше", відбувається так: штучний інтелект розраховує ймовірність купування та формує комплекти → на стороні клієнта відбувається перевірка відповідності категорій, виключення неактуальних + розрахунок вартості комплекту (враховується маржа, % знижки).

На даний момент за допомогою автоматизації для "Фокстроту" згенеровано понад 500 000 комплектів у всіх товарних категоріях.

Подібним чином створюється блок "З цим товаром купують". Нейронна мережа аналізує інформацію про попередні замовлення → виявляє неочевидні закономірності (наприклад, в одному замовленні періодично зустрічаються праска та набір келихів, перфоратор і кавоварка, телевізор великої діагоналі й обігрівач) → складає комплекти → рекомендації виводяться в картки товарів.

Щодня на сайт заводяться нові постачальники, оновлюється асортимент – а це тисячі товарів – тому створення таких комплектів стає можливим лише за допомогою штучного інтелекту.

Якщо ж алгоритм не може підібрати релевантні рекомендації (наприклад, через відсутність необхідних характеристик у товарів), то на сайті "Фокстроту" рекомендація не дається. Замість цього користувач може самостійно ознайомитися з товарами із загальної категорії. Ритейлер та eSputnik обрали таку стратегію, оскільки некоректні пропозиції можуть негативно вплинути на лояльність аудиторії.

Товарні рекомендації в офлайні

"Фокстрот" доповнили свій омніканальний підхід до комунікації з клієнтами рекомендаціями в офлайні.

Блоки з комплектами виводяться на робочих місцях для операторів call-центру та консультантів у магазинах. Це дозволяє зменшити навантаження на персонал і підвищити якість обслуговування. Тепер менеджерам не потрібно пам’ятати весь асортимент, який становить понад 80 тис. товарів, щоб швидко й точно порекомендувати покупцеві релевантні позиції.

Крім того, профілі клієнтів збагачуються інформацією про офлайн-перегляди. Для цього консультант бере номер телефону користувача → заносить переглянуті товари як замовлення → далі запускається триггерний ланцюжок із покинутим переглядом.

Залишити номер телефону в офлайні відвідувача мотивує:

• економія власного часу – щоб не шукати на сайті переглянуті позиції, а відразу перейти за посиланням в email і ознайомитися з характеристиками (в категорії електроніки покупець довго приймає рішення про купування, за цей час він не раз розглядає товар);
• можливість отримати спеціальну ціну на товар;
• зручність і відмова від носіння пластикових карт.

Результати

Ефективність товарних рекомендацій для "Фокстроту":

• зросла глибина перегляду й залученість на сайті – + 10%;
• зросла конверсія – + 5%;
• зросли продажі аксесуарів та супутніх товарів – + 16%.

Товарні рекомендації – функціональність, яка дозволяє "Фокстроту" пропонувати клієнтам ті товари, які вони захочуть купити. Нам подобається, як працюють рекомендації, які результати вони приносять, і разом з eSputnik ми постійно їх удосконалюємо. Впровадження всіх ідей відбувається оперативно та злагоджено, навіть не потрібно встановлювати дедлайни. Команда описує, що хоче бачити, а фахівці знаходять рішення й передають у роботу. У eSputnik ми завжди можемо отримати якісну експертизу, допомогу з налаштуваннями, оперативну роботу служби підтримки.

Євген Кречетович – керівник CRM у “Фокстрот”

До висновків

Підключення товарних рекомендацій можуть дозволити собі не лише такі гіганти ритейлу, як "Фокстрот". За довгі роки тестування й роботи з різними бізнесами команда eSputnik обрала найефективніші алгоритми та зробила їх доступними в інтерфейсі системи. Налаштувати рекомендації на сайті зможе самостійно будь-який маркетолог без сторонньої допомоги програмістів. А результати роботи блоків доступні відразу після того, як вони з'являться на сайті, що дозволить визначити найприбутковіші рекомендації. Якщо у вас залишилися питання, заповнюйте форму і ми разом знайдемо кращі рішення для вашого бізнесу!

Special Request Inline