Валерия Шудрик

Контент-маркетолог

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).

Переваги учасника програми лояльності

"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;

Пуш-повідомлення з акційною пропозицією від "Фокстрот"

  • налаштували 25 ланцюжків і 80 тригерів.

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

Last post

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.

Консультація щодо товарних рекомендацій для вашого сайту

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:

Алгорми

Сторінки

Джерела даних

Загальні алгоритми

Показують лише товари, які купують найчастіше.

Для будь-яких сторінок.

Використовують загальні дані сайту, без персоналізації: бестселери, популярне на сайті.

На основі даних товару

Враховують дані товарів.

Для сторінок, що показують конкретний товар або категорію товарів.

Персональні рекомендації з категорії – на основі переглядів.

Користувачі, які переглядали цей товар, також переглядали – на основі кліків.

Користувачі, які додали товар до кошика, також додали до кошика – аналізується категорія, опис, назва та ціна.

З цим товаром купують – на основі купувань.

Схожі товари – на основі категорії, опису, назви та ціни товару.

На основі даних контакту

Унікальні добірки для кожного користувача.

Для будь-яких сторінок.

Переглянуті товари – на основі поведінки контакту.

Персональні рекомендації – складний алгоритм, що аналізує купування, поведінку на сторінках категорій і в картках товарів.

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

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

Персональні рекомендації

  • сторінки категорій – "Вас зацікавить";

Індивідуалізовані пропозиції

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

Рекомендації в картці товару

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

Пропозиції в кошику

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%.

Пропозиції настінних кріплень

  1. 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.

Допродаж ТВ-тюнерів

  1. 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.

Персоналізовані товарні рекомендації на вашому сайті

Cross-sell для телефонів

  1. 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.

Рекомендації до варильної поверхні GORENJE у чорному кольорі

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.

Комплект зі знижкою

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.

Товари, що купують із пилососом HOOVER

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.

Персональні рекомендації для покупців офлайн

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

3.0 з 5 на основі 2 оцінок

Валерия Шудрик

Контент-маркетолог

В контент-маркетинге с 2017 года. Рассказываю, как с помощью digital-инструментов находить, удерживать клиентов и продвигать свой продукт.

Коментарі 0