Умный мерчандайзинг в карточке товара интернет-магазина: 4 кейса и рост выручки до 25%
Карточка товара – одна из самых важных страниц, которая помогает пользователю принять решение о покупке. Это почти финальный шаг на пути к совершению заказа и поэтому крайне важно, какую информацию посетитель найдет на странице: насколько качественные фото, насколько полное описание, и насколько понятен процесс выбора параметров и оформления заказа.
На этом этапе пользователь уже почти готов к совершению покупки, поэтому задача рекомендаций на странице карточки товара – не отвлекать от покупки, увеличивать средний чек, и при необходимости предлагать похожие альтернативы. Поэтому в карточке товара, как правило, используются различные алгоритмы сопутствующих или альтернативных товаров.
Сегодня на примере 4 кейсов интернет-магазинов разной тематики мы расскажем, как различные алгоритмы и количество блоков товарных рекомендаций в карточке товара могут увеличить конверсию и выручу онлайн-ритейлера.
Кейс тестирования рекомендаций на странице карточки товара интернет-магазина Vans.ru
Vans.ru – интернет-магазин обуви и одежды для скейтбордистов и поклонников экстремального спорта. Бренд собирает вокруг себя целое сообщество, и одна его из ключевых особенностей – это большой упор на лояльность клиентов. Хороший способ увеличения лояльности – использование персональных рекомендаций на всех этапах customer journey.
На странице карточки товара интернет-магазина Vans.ru располагается два блока рекомендаций – сопутствующие и похожие товары. Часто считается, что чем больше товаров показать пользователю, тем больше вероятность его заинтересовать, но такая тактика не всегда эффективна.
Команда Online Growth Hacker’ов Retail Rocket провела тестирование эффективности различных алгоритмов рекомендаций в карточке товара Vans.ru, чтобы определить, какие блоки рекомендаций, в каком количестве и в какой последовательности показывают наилучший результат.
Исследование эффективности проводилось с использованием механики A/B тестирования, при которой все посетители сайта случайным образом делились на четыре сегмента:
1. Первому сегменту показывались два блока одновременно: похожие товары (сверху) и сопутствующие товары (снизу). Такая конфигурация действовала на момент запуска теста, поэтому этот сегмент был контрольной группой.
2. Второму сегменту показывались два блока одновременно: сопутствующие товары (сверху) и похожие товары (снизу)
3. Третьему сегменту показывались похожие товары
4. Четвертому сегменту показывались сопутствующие товары
Результаты
По итогам тестирования были получены следующие результаты:
| Сегмент | Прирост конверсии | Изменение среднего чека | Оценка увеличения выручки |
| Два блока одновременно: похожие товары и сопутствующие товары (контрольная группа) | – | – | – |
| Два блока одновременно: сопутствующие товары и похожие товары | -5,44% | +0,38% | -5,08% |
| Похожие товары | -1,47% | +1,50% | 0,01% |
| Сопутствующие товары | +8,67% | +5,27% | +14,40% |
Согласно результатам тестирования, применение механики «Сопутствующие товары» в блоке рекомендаций на странице карточки товара интернет-магазина vans.ru увеличивает конверсию на 8,67% со статистической значимостью 90,7%, а средний чек на 5,27%, что дает предсказанное увеличение выручки на 14,4%.
Кейс тестирования рекомендаций на странице карточки товара интернет-магазина mytoys.ru
mytoys.ru – крупный интернет-магазин детских товаров, который ежемесячно посещают более 3 млн посетителей согласно SimilarWeb. Для более удобной навигации по широкому ассортименту магазина, mytoys используют блоки товарных рекомендаций на различных страницах сайта, в том числе в карточке товара.
В рамках улучшения эффективности рекомендаций на сайте интернет-магазина mytoys.ru было проведено исследование эффективности различных алгоритмов рекомендаций на странице карточки товара магазина.
Исследование эффективности проводилось с применением механики A/B тестирования, при которой все посетители сайта случайным образом разделены на 3 сегмента:
1. Первому сегменту показывались стандартные сопутствующие товары
2. Второму сегменту показывались сопутствующие товары из категорий, отличных от категории просматриваемого товара. Такая конфигурация действовала на момент проведения теста, поэтому этот сегмент был контрольной группой.
3. Третьему сегменту показывались сопутствующие товары на основе персональных интересов
Результаты
По итогам тестирования были получены следующие результаты:
| Сегмент | Прирост конверсии |
| Стандартные сопутствующие товары | -2,40% |
| Сопутствующие товары из категорий, отличных от категории просматриваемого товара (контрольная группа) | – |
| Сопутствующие товары на основе персональных интересов | +3,2% |
Согласно результатам тестирования, применение механики «Сопутствующие товары на основе ассоциативных связей» в блоке рекомендаций на странице карточки товара интернет-магазина mytoys.ru увеличивает конверсию целевых посетителей на 3,2% со статистической значимостью 93,6%.
Кейс тестирования рекомендаций на странице карточки товара интернет-магазина Shopandshow.ru
Shopandshow.ru – официальный сайт телемагазина Shop&Show, где можно найти множество различных товаров от одежды и обуви до электроники и домашней утвари. Чтобы предложить каждому покупателю то, ему понравится, интернет-магазин использует персональные рекомендации на различных страницах сайта: от главной страницы до страницы корзины, а также в карточке товара.
Чтобы выбрать наиболее эффективную конфигурацию рекомендаций на странице карточки товара, командой специалистов Retail Rocket было проведено тестирование различных алгоритмов.
Исследование эффективности проводилось с использованием механики A/B-тестирования, при которой все посетители сайта случайным образом были разделены на два сегмента:
1. Первому сегменту показывались стандартные альтернативные товары. Этот сегмент был контрольной группой
2. Второму сегменту показывались персонализированные альтернативные товары
Результаты
По итогам тестирования были получены следующие результаты:
| Сегмент | Изменение конверсии | Изменение среднего чека | Оценка увеличения выручки |
| Стандартные альтернативные товары | – | – | – |
| Персонализированные альтернативные товары | +27,96% | -2,01% | +25,38% |
Согласно результатам тестирования, применение механики «Персонализированные альтернативные товары» в блоке рекомендаций на странице карточки товара интернет-магазина Shopandshow.ru увеличивает конверсию на 27,96% со статистической значимостью 99,97%. С учетом незначительного уменьшения среднего чека на 2,01%, предсказанное увеличение выручки составляет 25,38%.
Кейс тестирования рекомендаций на странице карточки товара интернет-магазина Sela.ru
Sela – крупный сетевой ритейлер сегмента fashion с активно развивающимся интернет-магазином. Для удобной навигации по ассортименту интернет-магазин использует блоки персональных товарных рекомендаций на всех этапах customer journey, в том числе на странице карточки товара.
В карточке товара Sela.ru на момент запуска теста действовал алгоритм «сопутствующие товары из категорий, отличных от категории просматриваемого товара». Но команда Growth Hacker’ов Retail Rocket постоянно проводит тестирование эффективности различных алгоритмов рекомендаций для улучшения эффективности.
Исследование эффективности проводилось с использованием механики A/B-тестирования, все посетители сайта случайным образом делились на два сегмента:
1. Первому сегменту показывались сопутствующие товары из категорий, отличных от категории просматриваемого товара. Такая вариация алгоритма стояла на сайте на момент начала тестирования, поэтому этот сегмент был контрольной группой
2. Второму сегменту показывались сопутствующие товары, персонализированные по интересам пользователя
Результаты
По итогам тестирования были получены следующие результаты:
| Сегмент | Изменение конверсии | Изменение среднего чека | Оценка увеличения выручки |
| Сопутствующие товары из категорий, отличных от категории просматриваемого товара | – | – | – |
| Сопутствующие товары на основе персональных интересов | +10,20% | +0,12% | +10,34% |
Согласно результатам тестирования, применение механики «Сопутствующие товары на основе ассоциативных связей, персонализированные с учетом интересов пользователя к свойствам товаров» в блоке рекомендаций на странице карточки товара интернет-магазина sela.ru увеличивает конверсию на 10,2% со статистической значимостью 94,1%. В сочетании с повышением среднего чека на 0,12% это принесет прогнозируемый рост выручки на 10,34%.
Заключение
Таким образом, не существует единого решения и «волшебной таблетки», которые сработают для любого интернет-магазина. В каждом случае требуется индивидуальный подход и тестирования различных вариантов, чтобы определить конфигурацию блоков персональных рекомендаций, которая принесет максимальный эффект, увеличивая конверсию и выручку интернет-магазина. Поэтому в Retail Rocket есть отдельная команда Growth Hacker’ов, которая занимается поиском наилучших вариантов конфигурации рекомендаций для каждой страницы интернет-магазина, постоянно проводя тестирования и итеративно улучшая все показатели.
