
Как увеличить продажи call-центра на 15% с помощью персональных рекомендаций? Кейс ElytS
Подготовить сотрудника call-центра к выходу на работу за один день? Не проблема, если вы используете рекомендации Retail Rocket.
Содержание
- Об интернет-магазине ElytS
- Весь процесс от настройки до результата
- Результат
- Отзывы по проекту Retail Rocket & ElytS
Чтобы эффективно выполнять работу, сотрудник call-центра должен пройти обучение, погрузиться в ассортимент и понять, как предлагать товары магазина совершенно разным клиентам. Как жаль, что не существует волшебной палочки, которая упростит подготовку персонала. Или же есть? Рассказываем об опыте интернет-магазина ElytS по внедрению персональных рекомендаций Retail Rocket в call-центр.
Об интернет-магазине ElytS
ElytS.ru — интернет-магазин модной одежды, обуви и аксессуаров. Компания объединяет бренды различных ценовых категорий в онлайне, делая шопинг доступным в любое время суток. На данный момент ежемесячный трафик магазина составляет более 250 тысяч пользователей по данным Similar Web.
Образы, которые можно приобрести в интернет-магазине ElytS
ElytS использует персональные рекомендации Retail Rocket на всех ключевых страницах, которые приносят магазину дополнительную выручку. Однако мы решили не останавливаться и перенесли персональные рекомендации и в офлайн обслуживание.
Чтобы улучшить работу call-центра, ElytS и Retail Rocket обеспечили каждому сотруднику доступ к рекомендациями. Цели стояли следующие:
- Упростить работу с клиентами;
- Ускорить подготовку новых сотрудников;
- Предлагать более релевантные товары, тем самым увеличивая продажи.
Весь процесс от настройки до результата
Идея перенести персональные рекомендации в офлайн пришла к нам несколько месяцев назад. Для магазинов это отличная возможность улучшить покупательский опыт и упростить подготовку сотрудников. У Retail Rocket цели несколько иные — выход из зоны комфорта и испытание рекомендаций на новом поле боя.
Ранее мы уже рассказывали о похожих кейсах внедрения рекомендаций в call-центр. Идентификация происходила по номеру телефона. Рекомендации передавались по API и каждый сотрудник видел релевантные товары для покупателя на линии:
Скриншот рабочего компьютера сотрудника call-центра ElytS
ElytS использует два алгоритма для call-центра: похожие и сопутствующие товары. Первые подбираются на основе явных и неявных признаков, обеспечивая лучшие альтернативы основной позиции. Сопутствующие товары строятся на истории покупок всех пользователей. Алгоритм высчитывает соответствия и предлагает собственную подборку. Обе механики работают автоматически без непосредственного участия сотрудников магазина.
Результат
Покупатель на линии перестал быть для магазина «тёмной лошадкой». Сотрудник четко понимает интересы клиента и это дает значительные преимущества при общении:
- Стало проще найти подход к покупателю. Клиент настроен более позитивно, когда сотрудник понимает его без слов;
- Дополнительные продажи. Рекомендации значительно упрощают сотрудникам поиск сопутствующих и альтернативных товаров;
- Предвосхищение ожиданий. Сотрудник, который словно экстрасенс угадывает желания клиента, производит «вау-эффект».
Стоит отметить, что использование рекомендаций может значительно сократить подготовку нового сотрудника. Таким образом ElytS увеличил продажи в call-центре в среднем на 15%. При этом время на одну консультацию значительно снизилось. Таким образом рекомендации упростили работу команде и уменьшили затраты на обучение.
Отзывы по проекту Retail Rocket & ElytS
«ElytS поддерживает не только fashion-тренды: мы всегда за новые инновационные решения в сфере обслуживания. Retail Rocket гарантирует высокий ROI и мы подтверждаем это. Персонализация сайта и call-центра обеспечивает дополнительную выручку и упрощает работу с клиентами».
Клим Ядринцев, коммерческий директор интернет-магазина ElytS
«Это удивительный проект, которым можно гордиться. Мы вложили много сил в реализацию рекомендаций по API и хотим поблагодарить коллег из ElytS за сотрудничество. Постараемся и дальше радовать вас новыми возможностями!».
Михаил,
менеджер,
Retail Rocket