Кейс тестирования товарных рекомендаций в mysportshop.ru: рост продаж интернет-магазина на 57,6%

Ниша спортивных товаров – одна из самых быстрорастущих в Российском Ecommerce. На фоне роста спроса, растет и конкуренция. Чтобы быть впереди, предпринимателям необходимо оттачивать качество сервиса и постоянно делать свой сайт функциональнее. Интернет-магазин mysportshop.ru использует Retail Rocket для формирования блоков товарных рекомендаций на своем сайте.

Комментарий Дмитрия Мамаева (MySportShop):

Ранее у нас уже были две попытки с “рекомендательной системой”. Первая, это когда мы в самом начале, при небольшом количестве товара, для каждого объекта вручную указывали сопутствующие позиции. Вторая, когда попробовали стандартный функционал Битрикса, который, конечно же, работал с какой-то своей, понятной исключительно ему, логикой.

В начале августа вместе с коллегами из MySportShop мы провели исследование эффективности работы рекомендательной системы Retail Rocket на их сайте. Забегая вперед, результаты исследования превзошли наши ожидания!

Исследование проводилось в период с 01.08.2013 по 14.08.2013 с помощью механики А/Б–тестирования. Вся аудитория сайта случайным образом в реальном времени делилась на два сегмента. Одному сегменту показывались товарные рекомендации Retail Rocket, другому – нет. Идентификатор каждого сегмента посетителей передавался в систему Google Analytics, где производился пост-тест анализ ключевых показателей эффективности работы магазина по каждому из сегментов.

Внешний вид карточки товара с блоком рекомендаций Retail Rocket:

Как видно на скриншоте, к шлему подобрались почти идеальные сопутствующие товары, вместе образующий полноценный хоккейный комплект. Стоит отметить, что формирование товарных рекомендаций в Retail Rocket полностью автоматизировано. Ниаких “ручных” действий не требуется.

Результаты теста превзошли наши ожидания! А ведь на дворе август (прямо скажем, не самый хоккейный сезон :)). Вот как выглядят результаты теста в Google Analytics:

Для построения отчета в Google Analytics использовались расширенные сегменты (custom segments) и пользовательские отчеты (custom reports). Более подробный анализ данных по тесту из Google Analytics:

	Коэфф. конверсии	Среднее кол‐во товаров в корзине, шт.	Средний чек, руб.	Показатель отказов	Средняя продолжительность сессии, мин	Доля повторных визитов	Средняя ценность посещения, руб.
Сегмент с рекомендациями	0,46%	1,11	5105,23	32,19%	3:21	47,18%	23,69
Сегмент без рекомендаций	0,37%	1,02	4056,67	34,10%	2:56	45,91%	15,03
Влияние рекомендаций	+24,30%	+8,80%	+25,90%	-­5,9%	+14,2%	+2,80%	+57,60%

Выводы:

1. По результатам тестирования, внедрение системы Retail Rocket повышает все ключевые показатели эффективности магазина, что в результате дает рост выручки на 57,6%.
2. Помимо прямого роста выручки, Retail Rocket оказывает косвенное влияние на поведенческие факторы (среднее время на сайте, показатель отказов, конверсия), что способствует улучшению ранжирования сайта в поисковых системах и дает SEO бонусы перед конкурентами.
3. Рост доли повторных визитов в сегменте с рекомендациями свидетельствует о положительном влиянии рекомендательного сервиса на лояльность пользователей.

Такие результаты достижимы благодаря внедрению алгоритмов предсказательной аналитики, в разработке которых участвовали создатели рекомендательных систем таких магазинов, как Ozon.ru и Wikimart.ru, имеющие более чем десятилетний опыт построения систем товарных рекомендаций для электронной коммерции.

Внедрение товарных рекомендаций Retail Rocket на сайт не отнимет более 15-20 минут времени даже у младшего IT специалиста магазина.