Как обеспечить персонализированный подход в онлайне: кейс Московского ювелирного завода
Ювелирные изделия, тем более премиум сегмента – это не тот товар, который с легкостью покупают в интернете. В этой сфере важно доверие и лояльность клиентов, поэтому особенное внимание нужно уделять построению коммуникации с покупателями во всех каналах и постоянно работать над улучшением сервиса.
В оффлайн-магазине хороший консультант всегда подскажет, что выбрать, подберет комплект и поможет сориентироваться в ассортименте. В интернет-магазине эту роль берут на себя персональные товарные рекомендации.
Дарья Велигодская, руководитель отдела онлайн-продаж Московского ювелирного завода, рассказывает о том, как тестирование рекомендаций на страницах сайта помогает увеличить конверсию в покупки.
Московский ювелирный завод – одно из старейших ювелирных предприятий России с богатой историей. Созданная почти 100 лет назад компания сочетает в себе уважение к традициям и внимание к современным трендам.
За почти вековую историю сеть Московского ювелирного завода выросла до 300 магазинов по всей России. А в 2010 году был открыт интернет-магазин компании miuz.ru, которой предлагает услугу резервирования и перемещения украшений в любой фирменный розничный магазин сети.
Мы уже 2 года успешно сотрудничаем с платформой Retail Rocket, которая позволяет нам переносить наши ценности из офлайна в онлайн и обеспечивать персонализированный подход.
На нашем сайте miuz.ru персональные рекомендации сопровождают покупателя на протяжении всех этапов выбора и покупки товара: от главной страницы до корзины. Они помогают найти то, что им нравится, служат своего рода консультантами, предлагающими товары, которые будут интересны конкретному покупателю.
Одно из преимуществ Retail Rocket состоит в том, что команда платформы старается улучшить то, что и так работает. Через некоторое время после установки блоков персональных рекомендаций они запустили серию тестов, чтобы понять, какие виды рекомендаций, какое количество блоков и в каком порядке принесут магазину наибольшую конверсию и выручку.
Кейс тестирования рекомендаций в карточке товара
Мы многое знаем о поведении наших покупателей, но любое экспертное мнение нужно проверять. Какие рекомендации хотят видеть наши покупатели вместе с товаром? Похожие альтернативы или дополняющие товары для комплекта? А может быть и то, и другое? Наша задача – мягко и ненавязчиво предложить покупателю увеличить количество покупок или их стоимость, как это делает консультант в офлайне.
Именно поэтому мы рады, что все гипотезы можно проверить и подтвердить цифрами.
Команда Retail Rocket провела AB-тестирование, при котором все посетители сайта были случайным образом разделены на 5 сегментов:
1. Первый сегмент видел похожие товары. То есть альтернативы, похожие на товар, который пользователь смотрит в данный момент:
2. Второй сегмент видел сопутствующие товары – предложения, которыми можно дополнить заказ:
3. Третьему сегменту показывались сразу два блока: похожие товары (сверху) и сопутствующие товары (под блоком с похожими товарами):
4. Четвертому сегменту также показывались сразу два блока, но в обратном порядке: сопутствующие товары сверху и похожие товары под ним:
5. Пятый сегмент был контрольной группой, т.е. этим пользователям рекомендации не показывались.
В результате теста мы получили следующие данные:
| Изменение конверсии (%) | |
|
Похожие товары |
+3,91% |
|
Сопутствующие товары |
-6,90% |
| Похожие товары (сверху) и сопутствующие товары (ниже) |
+10,52% |
|
Сопутствующие товары (сверху) и похожие товары (ниже) |
+2,36% |
| Контрольная группа |
– |
По итогам теста наилучший результат показал третий сегмент, т.е. сразу два блока: похожие товары (сверху) и сопутствующие товары (ниже). Прирост конверсии составил 10,5% со статистической значимостью 97,6%.
Кейс тестирования рекомендаций на странице категории
Посетителей сайта, которые просматривают товары в категории, можно сравнить с клиентами, которые пришли в магазин и хотят купить серьги или колье, но пока не знают, что конкретно выбрать. Грамотные консультанты оценивают стиль и предпочтения клиента, задают наводящие вопросы и предлагают подходящие варианты. Ту же самую роль играют рекомендации на сайте. С помощью анализа поведения пользователей, их истории покупок и просмотров формируется персонализированная подборка товаров для каждого клиента.
На странице категории мы также провели тестирование, чтобы понять, какой из вариантов рекомендаций эффективнее. Как и в случае с карточкой товара, все посетители сайта были случайным образом разделены на 4 сегмента:
1. Первому сегменту показывались хиты продаж магазина, т.е. самые популярные товары среди всех пользователей:
2. Второму сегменту показывались популярные товары, персонализированные с учетом интересов пользователя:
3. Третьему сегменту показывались персональные рекомендации товаров из категории на основе истории просмотров пользователя:
4. Четвертый сегмент был контрольной группой: рекомендации пользователям не показывались.
По итогам тестирования мы получили такие результаты:
| Изменение конверсии (%) | |
|
Хиты продаж |
+2,57% |
|
Персонализированные хиты продаж |
+6,18% |
| Персональные рекомендации товаров из категории |
-2,82% |
| Контрольная группа |
– |
Самый высокий результат показали рекомендации персонализированных хитов продаж – прирост конверсии составил 6,18% со статистической значимостью 90%.
Заключение
Персональные рекомендации помогают нам выстраивать коммуникацию с интернет-покупателями и предоставлять им тот уровень сервиса, который мы обеспечиваем в офлайне. С помощью нашей внутренней экспертизы и команды Retail Rocket нам удается создавать персонализированный покупательский опыт в онлайн-пространстве. А тестирование эффективности различных алгоритмов и вариантов расположения рекомендательных блоков позволяет увеличить конверсию интернет-магазина.
