Кейс интернет-магазина «Буквоед»: рост выручки до 5,8% благодаря персональным рекомендациям
Оказываясь в книжном магазине, многие не могут остановиться на чем-то одном: глаза разбегаются, хочется всего и сразу. В интернет-магазине на пользователя действуют не меньше отвлекающих факторов. Как помочь клиенту сделать выбор и попутно поднять выручку? Рассказываем о проекте персонализации сайта Bookvoed.ru и росте выручки на 5,8%.
Книжная сеть «Буквоед» – это современный культурный оператор, который без перерыва, 24 часа в сутки, сохраняет, поддерживает и транслирует высшие культурные ценности для развития полноценного интеллектуального общества. Интернет-магазин Буквоед предлагает более 2 000 000 книг на всех языках мира, а его посещают более 1 000 000 уникальных посетителей в месяц. Чтобы каждый пользователь нашел идеальную книгу в таком широком ассортименте, сайт использует персонализированные рекомендации на ключевых страницах – карточке товара и поиске.
Карточка товара
Во многом роль консультанта розничного магазина в интернете выполняет карточка товара. Здесь потенциальный клиент может увидеть все характеристики товара, фотографии и отзывы других покупателей.
До сих пор преимущество розницы было в том, что консультант может порекомендовать в режиме реального времени альтернативные товары, если рассматриваемый по каким-то причинам не подходит. В онлайне все иначе: клиенту гораздо проще уйти к другому магазину, если его не устраивает увиденное.
Персональные рекомендации смогут это исправить. Алгоритмы Retail Rocket подстраиваются под каждого покупателя и показывает ему наиболее подходящие товары, значительно повышая продажи.
Кейс 1. Тестирование алгоритмов рекомендаций в карточке товара
В рамках оптимизации работы рекомендательной системы на сайте Bookvoed.ru мы провели исследование эффективности разных алгоритмов в блоке рекомендаций в карточке товара магазина.
Исследование эффективности проводилось с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на 5 сегментов:
Первому сегменту показывались похожие товары:
Второму сегменту показывались сопутствующие товары:
Третьему сегменту показывались два блока одновременно – похожие и сопутствующие товары:
Четвертому сегменту показывались те же два блока, но в другом порядке: сначала сопутствующие, а ниже – похожие товары:
Пятому сегменту рекомендации не показывались. Он выступал в качестве контрольной группы.
Результаты
По итогам тестирования были получены следующие результаты:
|
Сегмент |
Изменение конверсии | Изменение среднего чека |
Оценка увеличения выручки |
| Похожие товары |
+1,74% |
+0,78% |
+2,53% |
| Сопутствующие товары |
+4,80 |
-0,04% |
+4,76% |
| Похожие товары (выше) и сопутствующие товары (ниже) |
+3,17% |
+0,19% |
+3,36% |
| Сопутствующие товары (выше) и похожие товары (ниже) |
+0,55% |
-1,52% |
-0,98% |
| Контрольная группа |
– |
– |
– |
Согласно результатам тестирования, применение механики «Сопутствующие товары» в блоке рекомендаций в карточке товара интернет-магазина Bookvoed.ru увеличивает конверсию на 4,8% со статистической значимостью 97,3%. В сочетании с незначительным снижением среднего чека, это приносит прогнозируемое увеличение выручки на 4,76%.
Кейс 2. Настройка рекомендаций сопутствующих товаров в карточке товара интернет-магазина Bookvoed.ru
После выбора наиболее эффективного алгоритма можно приступать к более тонкой его настройке механики, чтобы выяснить, какой вариант даст лучший результат. Мы исследовали эффективность различных вариаций алгоритмов сопутствующих товаров в соответствующем блоке карточки товара магазина.
Исследование эффективности проводилось с использованием механики A/B-тестирования, при которой все посетители сайта случайным образом делились на 3 сегмента:
Первому сегменту показывались сопутствующие товары, персонализированные с учетом интересов пользователя:
Второму сегменту показывались персонализированные сопутствующие товары из категорий, отличных от категории просматриваемого товара:
Третьему сегменту показывались стандартные сопутствующие товары. Этот сегмент взят за контрольную группу, поскольку он победил по итогам предыдущего теста:
Результаты
По итогам тестирования были получены следующие результаты:
|
Сегмент |
Изменение конверсии |
Изменение среднего чека |
Оценка увеличения выручки |
| Персонализированные сопутствующие товары |
+2,53% |
+3,15% |
+5,76% |
| Персонализированные сопутствующие товары из категорий, отличных от категории просматриваемого товара |
-0,21% |
+3,05% |
+2,83% |
| Контрольная группа |
– |
– |
– |
Согласно результатам тестирования, применение механики «Сопутствующие товары, персонализированные с учетом интересов пользователя» в блоке рекомендаций в карточке товара интернет-магазина Bookvoed.ru увеличивает конверсию на 2,5% со статистической значимостью 87%. В сочетании с ростом среднего чека на 3,2% это дает прогнозируемый рост выручки на 5,8%.
Кейс 3. Тестирование эффективности рекомендаций товаров на странице поиска интернет-магазина Bookvoed.ru
Данные поиска интернет-магазина очень важны для понимания интересов покупателя. С их помощью можно провести эффективную кампанию по персонализации, которая значительно повысит средний чек. Главный секрет – использование правильного алгоритма.
Для повышения эффективности рекомендательной системы поиска Bookvoed.ru мы решили использовать поисковые рекомендации, основанные на интересах пользователей сайта. Исследование эффективности проводилось с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на 2 сегмента:
Первому сегменту показывались поисковые рекомендации:
Второй сегмент был контрольной группой, рекомендации пользователям не показывались.
Результаты
По итогам тестирования были получены следующие результаты:
| Сегмент | Изменение конверсии | Изменение среднего чека |
Оценка увеличения выручки |
| Поисковые рекомендации |
-0,73% |
+3,84% |
+3,08% |
| Контрольная группа |
– |
– |
– |
Согласно результатам тестирования, применение механики «Поисковые рекомендации» в блоке рекомендаций на странице поиска интернет-магазина Bookvoed.ru увеличивает средний чек на 3,8%. В сочетании с незначительным снижением конверсии на 0,7% это обеспечивает магазину прогнозируемый рост выручки на 3,1%.
Комментарий Bookvoed.ru:
«Технологии персонализации позволяют нам стать ближе к нашему клиенту, лучше понять потребности и предложить именно то, что ему нужно. И все это без усилий с нашей стороны и без постоянной поддержки IT-департамента. Спасибо команде Retail Rocket за качественный продукт и профессионализм в работе. Персональные рекомендации помогают нам увеличивать показатели конверсии, размер среднего чека и выручку магазина».
Евгений Михальский, заместитель руководителя интернет-магазина сети «Буквоед»
Инфоподдержка: vc.ru
