- CX & Loyalty, Теория и практика
Как работает персонализация и товарные рекомендации в Ozon.ru
Ozon — один из лидеров российского e-commerce. Внешне всё просто: сайт, товары, корзина. Но за этим фасадом скрывается сложная работа команды, которая занимается персонализацией. Здесь нет случайных баннеров или одинаковых для всех подборок — каждый пользователь видит то, что важно именно ему.
Персонализация в e-commerce
Раньше магазины просто советовали товары, похожие на то, что уже купил клиент. Сейчас всё иначе — алгоритмы изучают поведение покупателя, его интересы, покупки, поведение на сайте, даже местоположение и время суток. На основе этих данных они создают уникальные предложения в реальном времени. Это помогает компаниям увеличивать доход, а покупателям — быстрее находить то, что нужно.
По разным оценкам, компании, которые используют персонализацию, зарабатывают на 10–30% больше Например, в Amazon до 35% продаж приносит система рекомендаций. При этом, 71% пользователей ожидают, что к ним будут обращаться лично. 76% чувствуют недовольство, когда видят одинаковые предложения, не подходящие под их запрос. Современные системы могут учитывать сотни параметров и менять контент для каждого пользователя за доли секунды.
От простых писем до умных систем
Раньше под персонализацией понимали обращение по имени в письме. Потом компании начали делить клиентов на группы — по полу, возрасту, интересам, поведению. Сейчас, вместо деления на группы системы анализируют данные каждого человека отдельно и предлагают то, что именно ему может быть полезно.
Это стало возможным благодаря развитию технологий. Большие объёмы данных, машинное обучение и автоматизация — всё это позволяет не просто угадать, а точно знать, что нужно клиенту в конкретный момент. Например, если человек часто смотрит кроссовки, но не покупает, система может показать ему скидку на похожие модели.
Исследование PwC показывает, что аудитории трудно выбирать из-за большого количества товаров. Это обескураживает и может привести к тому, что человек уйдёт с сайта. Персонализированный подход помогает сузить выбор и принять решение быстрее.
Сейчас люди ожидают, что бренд будет помнить их интересы и подстраиваться под них. Вот что говорят исследования:
- 84% хотят, чтобы к ним обращались лично;
- 70% ожидают, что компания поймёт, что им нужно;
- 59% хотят, чтобы опыт был основан на прошлых покупках.
При этом большинство легко меняет магазины, если им не нравится подход. Бренду нужно учитывать ожидания клиента, иначе он уйдёт туда, где чувствует внимание к себе.
Как работают современные системы рекомендаций
Машинное обучение. Алгоритмы учатся на действиях клиентов. Чем больше данных, тем точнее советы. Система анализирует:
- что человек смотрел;
- сколько времени проводил на странице;
- добавлял ли товар в корзину;
- покупал ли что-то ранее;
- делал ли похожие запросы.
На основе этих данных алгоритм может предсказать, что ещё может заинтересовать клиента. Например, если пользователь недавно купил детское кресло в машину, возможно, его интересуют и другие товары для младенцев — коляски, сумки, автошампуни без запаха и так далее.
Какие данные учитываются:
- Поведение на сайте: система запоминает, что человек просматривал, к каким товарам возвращался, сколько времени проводил.
- Покупки: анализируются прошлые заказы. Это помогает предлагать подходящие товары или напоминать о повторной покупке.
- Поисковые запросы: если пользователь что-то искал и не нашёл — это фиксируется. При следующем визите система может показать ему нужный товар.
- Внешние данные: система может учитывать время суток, тип устройства, браузер, геолокацию.
Как формируются рекомендации Ozon
Рекомендательные алгоритмы Ozon работают в несколько этапов:
- Сначала отбираются товары, которые теоретически могут подойти.
- Затем система оценивает каждый товар по многим параметрам.
- Алгоритм присваивает каждому товару баллы — от 0 до 1 — в зависимости от вероятности, что человек с ним взаимодействует.
- Далее сортируются лучшие варианты и показываются пользователю.
Рекомендации формируются не только по принципу «этот товар похож на другой». Используются разные подходы:
- Коллаборативная фильтрация: товары советуются на основе того, что покупали другие люди с похожими интересами.
- Контентные методы: учитываются свойства товара — бренд, цвет, размер, описание.
- Последовательные алгоритмы: анализируют, в каком порядке человек просматривает товары.
- Списочные методы: оценивают не каждый товар по отдельности, а всю подборку целиком.
Что получает бизнес от персонализации
Персонализация влияет не только на клиента, но и на доход компании. Исследования показывают:
- Доход компаний с персонализацией выше на 40%.
- Средний чек может вырасти на 20%.
- Лояльность клиентов повышается, когда они чувствуют, что их понимают.
- Поведенческие метрики на сайте становятся лучше — люди проводят больше времени, чаще возвращаются.
Для бизнеса это означает:
- рост числа заказов и выручки;
- оптимизация рекламных бюджетов;
- повышение отклика на рассылки и акции.
Где применяется персонализация
Персонализация сегодня используется не только в рекомендательных блоках или рассылках. Она становится частью всей клиентской воронки — от первого касания до повторных покупок. Ниже — основные области, где персональные данные и алгоритмы помогают брендам повышать конверсию и улучшать пользовательский опыт.
Динамический контент
Одна и та же страница сайта может выглядеть по-разному для разных людей. Для одного — скидки на технику, для другого — подборка одежды. Это зависит от интересов, поведения, источника перехода, даже от устройства.
Такие страницы эффективны на всех этапах: сначала привлекают, потом предлагают релевантные продукты, и в итоге помогают купить.
Fashion e-commerce
В индустрии моды персонализация особенно важна. Люди хотят видеть вещи, которые подходят именно им — по вкусу, стилю, цене. Поэтому здесь используют:
- рекомендации;
- чат-ботов-стилистов;
- голосовых помощников, которые советуют, как сочетать вещи.
Проблемы и вызовы
Несмотря на очевидные преимущества, персонализация остаётся сложным направлением. Чтобы она работала эффективно, компаниям нужно решать технические, организационные и этические задачи. Ниже — ключевые вызовы, с которыми сталкивается рынок.
Приватность
После появления новых правил и настроек, как в iOS 14.5, стало сложнее собирать данные. Люди чаще отказываются от отслеживания. Бренды перешли к более осторожному сбору данных — только то, что нужно. Это помогает сохранить доверие и избежать проблем с законом.
Технические трудности
Компании сталкиваются с рядом ограничений:
- данные хранятся в разных местах;
- нет единой системы;
- команды не всегда работают вместе;
- сложно быстро запускать креативные изменения.
Коротко о главном
Персонализация стала необходимостью. Это фактор, который напрямую влияет на успех. Компании, которые умеют правильно использовать данные и технологии, выигрывают. Те, кто не вкладывается в персонализацию, рискуют потерять клиентов.
Персонализация будет развиваться. Маркетологи уже выделяют больше бюджета на это направление. Все больше компаний заявляют, что планируют усилить работу с персонализированными предложениями, особенно в режиме реального времени.
ИИ играет ключевую роль. Он помогает быстрее анализировать большие объёмы данных, лучше понимать клиентов и предлагать им то, что нужно. Со временем системы будут не только реагировать на действия клиента, но и предсказывать, что он захочет в будущем.
Гиперперсонализация — следующий шаг. Она будет учитывать не только, что человек делал, но и в каком он настроении, где находится, что может захотеть дальше. Это требует усилий, инвестиций, времени. Но те, кто начнут сейчас — окажутся в большом плюсе уже завтра.
