Як товарні рекомендації в промолистах збільшили дохід “ІБІС” на 96%

Під час створення розсилок легко не врахувати головне: користувач не хоче витрачати час на вибір із десятків варіантів. Йому важливо швидко знайти те, що відповідає його потребам. У сегментах із широким асортиментом саме персоналізація стає інструментом, який допомагає зменшити когнітивне навантаження й сконцентрувати увагу на справді релевантних пропозиціях.

Цей кейс — про те, як персоналізовані товарні добірки підвищили цінність масових розсилок, зробивши комунікацію точнішою, а рішення для користувача — простішим.

Далі покажемо практичні рішення, що дали змогу “ІБІС” перетворити масову розсилку на джерело подвійного прибутку.

Про проєкт

“ІБІС” — один із найбільших онлайн-ритейлерів товарів для активного відпочинку в Україні. У каталозі — зброя, рибальські снасті, туристичне спорядження та аксесуари. Компанія працює з 1994 року, поєднує офлайн-магазини й цифрову платформу, а її клієнтська база охоплює різні профілі покупців — від мисливців до мандрівників.

“ІБІС” також активно розвиває стрілецьку культуру, створюючи навчальний контент разом з інструкторами та спортсменами.

У Києві працює сучасний стрілецький клуб із найбільшою в країні колекцією прокатної зброї, риболовний сервісний центр, що обслуговує топові бренди, та зброярська майстерня, яка виконує понад 400 видів робіт.

Завдання

Онлайн-магазин “ІБІС” має великий асортимент і різнопрофільну аудиторію. Команда шукала спосіб:

• зробити проморозсилки персоналізованішими;
• активізувати підписників, які раніше не взаємодіяли з листами;
• підвищити конверсію розсилок у покупки;
• збільшити середній дохід із кожного листа.

Рішення

Налаштування алгоритму товарних рекомендацій 

На старті впровадження команда зіткнулась із нетиповим технічним завданням. Сайт “ІБІС” складається з двох доменів: один охоплює товари для риболовлі та туризму, інший — для мисливства і зброї. Користувачі можуть перемикатися між ними за допомогою повзунка, проте з погляду вебтрекінгу це два окремі середовища.

Як працює система: скрипт вебтрекінгу збирає поведінкові дані користувача та пов’язує їх із контактами в базі. На основі цієї інформації AI-алгоритм формує релевантні добірки товарів за заданими правилами — з урахуванням інтересів, історії переглядів, покупок тощо.

У чому була складність: щоб персоналізовані рекомендації працювали коректно, потрібно було встановити скрипт вебтрекінгу на обидва домени. Але:

• cookie-файл, який фіксує поведінку користувача, створюється окремо для кожного домену;
• саме cookie забезпечує персоналізацію, тож без уніфікації виникала плутанина з ідентифікацією користувачів і дублюванням контактів.

Завдяки CDP eSputnik усі зібрані поведінкові дані — з обох доменів — потрапляють у єдиний профіль користувача. Це дозволяє точно ідентифікувати підписника незалежно від його маршруту й створити безшовний досвід персоналізації.

Рішення: спільно з технічною підтримкою eSputnik команда налаштувала однаковий cookie-файл, що працює для обох доменів. Це дозволило:

• уникнути дублювання контактів у базі;
• зібрати єдину поведінкову історію для кожного користувача;
• забезпечити стабільну роботу рекомендацій, незалежно від того, на якому домені перебуває відвідувач.

Додаткові налаштування рекомендацій

“ІБІС” приділяє особливу увагу сегментації. Уся база розділена на три основні групи за інтересами:

• риболови;
• мисливці;
• туристи.

Проморозсилки формуються окремо для кожної категорії — з урахуванням специфіки товарів та поведінкових інтересів.

Щоб рекомендації були максимально релевантними, для кожного сегменту ми налаштували окрему логіку формування добірок. У промолистах використовується алгоритм “Бестселери”, який підбирає до трьох позицій — найпопулярніших у відповідній категорії.

Завдяки такому підходу кожний користувач бачить добірку, що відповідає його інтересам: нічого зайвого, лише те, що справді може зацікавити.

Тестування рекомендаційних блоків у масових листах

Щоб перевірити, як блок товарних рекомендацій впливає на ефективність проморозсилок, команда “ІБІС” провела тестування упродовж місяця. Аудиторію розділили на дві групи:

• група А отримувала листи з персоналізованими рекомендаціями;
• група B — ті самі листи, але без блоку рекомендацій.

Обидва повідомлення містили банер, основний текст і блок із шести акційних товарів. У листах з персоналізованими рекомендаціями додали ще й добірку “Також тобі може сподобатись”, яка автоматично генерується алгоритмами eSputnik.

Тестування показало, що додавання блоку товарних рекомендацій до листів підвищує залучення. У тестовій групі CR (Click Rate) становив 2,06% проти 1,76% у контрольній — це означає зростання клікабельності на 17% у порівнянні з емейлами без рекомендацій.

Важливо, що підвищена залученість не залишилася лише на рівні кліків.

Кількість покупок у групі з рекомендаціями була на 52,38% вищою, ніж у листах без них. Персоналізовані добірки не просто привертають увагу — вони допомагають швидше прийняти рішення про покупку. Особливо це актуально для ніш із великим асортиментом, адже рекомендації скорочують шлях від інтересу до дії.

Ще один показник, який ми проаналізували, — середній чек замовлень з листів. У листах із рекомендаціями він виявився на 22,66% вищим, ніж у тих, що не містили цього блоку.

Це означає, що персоналізований контент впливає не лише на кількість покупок, а й на їхню вартість. Коли користувач бачить добірку товарів, що відповідає його інтересам, він частіше обирає дорожчі позиції або додає до кошика кілька продуктів замість одного. Рекомендації стимулюють не просто конверсію, а більш цінне замовлення.

Ключовим показником ефективності кампанії став дохід, отриманий з кожної групи листів. І тут персоналізовані рекомендації продемонстрували найсильніший ефект: листи з рекомендаційним блоком принесли на 96,35% більше грошей, ніж ті, що його не містили.

Фактично, це майже подвоєний результат. Персоналізований підхід не просто підвищує зацікавленість, він безпосередньо впливає на фінансовий результат. І саме тому персоналізація — не прикраса листа, а потужний важіль зростання.

Персоналізація у тригерних листах

“ІБІС” послідовно впроваджує персоналізований підхід не лише в проморозсилках, а й у тригерних сценаріях. Разом ми налаштували декілька поведінкових тригерів, які охоплюють різні етапи шляху користувача.

Серед основних сценаріїв:

• “Покинутий кошик”;
• “Покинутий перегляд”;
• Next Best Offer;
• “Товар з wishlist з’явився в наявності”;
• “Знижена ціна на переглянуті товари”;
• “Знижена ціна на товари в кошику”;
• “Зниження вартості на схожі товари”:
  • з wishlist;
  • з переглядів;
  • з покинутих у кошику.

Ці тригери допомагають повернути користувача в момент максимальної зацікавленості — тоді, коли рішення про покупку вже дозріває.

Підсумки

Більше товарів не завжди означає більше цінності для користувача. В умовах інформаційного перевантаження люди дедалі частіше шукають не вибір, а його спрощення — менше зусиль, менше шуму, і більше відчуття, що їхні інтереси враховано. 

Персоналізовані листи працюють саме тому, що знімають з користувача частину навантаження, говорячи: “Не шукайте — ось, що може вам підійти”.

Кейс “ІБІС” показує, що такий підхід:

• стимулює більше кліків;
• збільшує середній чек;
• майже вдвічі підвищує дохід із розсилок.

AI-алгоритми eSputnik не просто автоматизують рутину. Вони допомагають маркетологам надсилати кожному підписнику саме ті пропозиції, які дійсно можуть зацікавити.

Щоб отримати максимальний результат від персоналізованих рекомендацій, важливо враховувати специфіку бізнесу, структуру сегментів і поведінкові сценарії.

Заповніть форму нижче, і ми проведемо для вас демо. Покажемо, як інтегрується модуль, які алгоритми підходять саме для вашого бізнесу і як швидко можна запустити рекомендації в drag-and-drop шаблонах.

Special Request Inline