fbpx

Предиктивный маркетинг в интернет-магазине Hoff: рост входящего оборота на 13%

752 Просмотров

Для предсказания поведения пользователей маркетологу важно пользоваться не только экспертным мнением, но и современными системами предиктивного маркетинга, которые оценивают как историю покупок пользователя, так и его паттерны поведения в реальном времени. Именно такой подход позволил интернет-магазину Hoff увеличить входящий оборот каждой страницы до 13%.

Цели и задачи Hoff

Сеть гипермаркетов Hoff — это одна из крупнейших и динамично развивающихся российских мебельных сетей. На сегодняшний день сеть гипермаркетов мебели и товаров для дома Hoff насчитывает 40 магазинов по всей России. Это единственная российская сеть мебели и аксессуаров для дома, работающая в формате гипермаркетов. Также у Hoff огромный охват покупателей в сети: по данным ритейлера в месяц сайт посещают около 5 миллионов пользователей.

Открытие гипермаркета Hoff в Липецке

Гипермаркеты Hoff специализируются на формате «Всё в одном месте» и предлагают  комплексные интерьерные решения на основе широкого мультибрендового ассортимента. В онлайне, как и в офлайне, пользователь оказывается перед широким выбором товаров. Однако возможности консультантов в интернет-магазине ограничены. Решить эту проблему может персонализация сайта — она помогает сориентироваться и рекомендует оптимальные варианты товаров для каждого пользователя.

Для того, чтобы создать уникальный персонализированный опыт на сайте для каждого клиента, интернет-магазин Hoff уже несколько лет сотрудничает с платформой Retail Rocket. В этом кейсе мы поговорим о следующих задачах, которые стоят перед ритейлером:

  • Персонализировать ключевые страницы сайта
  • Упростить поиск товара с помощью блоков персональных товарных рекомендаций
  • Увеличить входящий оборот интернет-магазина за счет внедрения алгоритмов, учитывающих пожелания клиентов в реальном времени.

Решение Retail Rocket

Hoff использует Retail Rocket для создания персонализированного опыта на сайте, и мы уже рассказывали о работе над триггерными рассылками и персонализацией главной страницы.

Блоки рекомендаций Retail Rocket расположены на всех ключевых страницах сайта Hoff.ru. Сегодня мы хотим показать вам самые интересные тесты на важнейших этапах customer journey:

  • Главная страница
  • Категория
  • Карточка товара
  • Поиск

В ходе тестирования мы выяснили какие алгоритмы дают наибольший прирост. Но обо всём по порядку.

Персонализация главной страницы

Каждый день на сайт Hoff заходят около 160 тыс. пользователей, и хотя сегодня уже далеко не все пользователи просматривают главную страницу, она по-прежнему остается важным элементом восприятия сайта. Чтобы заинтересовать и удержать пользователя используются различные элементы, в том числе правильно подобранные блоки товарных рекомендаций.

Исследование эффективности проводилось с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на 4 сегмента:

Первому сегменту показывались хиты продаж:

Второму сегменту показывались персонализированные хиты продаж — популярные товары магазина, подобранные по интересам и предпочтениям пользователя:

Третьему сегменту показывались популярные товары из интересных пользователю категорий:

Четвертый сегмент был контрольной группой, которой рекомендации не показывались.

Результаты

По итогам тестирования были получены следующие результаты:

Сегмент

Прирост конверсии Изменение среднего чека

Оценка увеличения входящего оборота

Хиты продаж

+3,74%

+3,93%

+7,81%

Персонализированные хиты продаж

+4,31%

+6,93%

+11,54%

Популярные товары из интересных пользователю категорий

+0,61%

+4,98%

+5,61%

Контрольная группа

Вывод

Согласно результатам тестирования, применение механики «Персонализированные хиты продаж» в блоке рекомендаций на главной странице интернет-магазина Hoff.ru увеличивает конверсию на 4,3%. В сочетании с ростом среднего чека на 6,9% это дает прогнозируемый рост входящего оборота на 11,5%.

Персонализация страницы категории

Страница категории ставит перед ритейлером сложную задачу: помочь клиенту сфокусировать внимание на поиске необходимых товаров. Так вероятность покупки значительно увеличивается.

Сориентироваться покупателю помогут блоки персональных рекомендаций. Их задача — показать пользователю лучшие варианты из огромного ассортимента и плавно провести клиента дальше по воронке.

Для того, чтобы понять, какой алгоритм справится наилучшим образом, мы провели A/B-тестирование. Все посетители сайта случайным образом делились на 4 сегмента:

Первому сегменту показывались хиты продаж из категории:

Второму сегменту показывались персонализированные хиты продаж из категории — популярные товары из категории, подобранные по интересам каждого пользователя:

Третьему сегменту показывались персональные рекомендации товаров из категории — подборка товаров из конкретной категории, максимально подходящих под интересы и предпочтения пользователя:

Четвертый сегмент был контрольной группой, рекомендации не показывались.

Результаты

По итогам тестирования были получены следующие результаты:

Сегмент

Прирост конверсии Изменение среднего чека

Оценка увеличения входящего оборота

Хиты продаж категории

+6,12%

+2,18%

+8,44%

Персонализированные хиты продаж категории

+4,76%

+8,51%

+13,68%

Персональные рекомендации из категории

+6,17%

-0,13%

+6,03%

Контрольная группа

Вывод

Согласно результатам тестирования, применение механики «Персонализированные хиты продаж» в блоке рекомендаций на странице категории интернет-магазина Hoff.ru увеличивает конверсию целевых посетителей на 4,8%. В сочетании с ростом среднего чека на 8,5% это дает прогнозируемый рост входящего оборота на 13,7%.

Персонализация карточки товара

Карточка товара — один из важнейших элементов пути клиента. Во многом именно от неё зависит, совершит ли пользователь заказ.

Существует много стереотипов о «правильных» рекомендациях, например, что в карточке товара нужны исключительно блоки сопутствующих товаров. «Все знают, что к рубашке нужно рекомендовать галстук» периодически пишут нам в комментариях к кейсам. Но не бывает двух одинаковых магазинов и таких же одинаковых решений, подходящих для всех.

Обратите внимание, что в одиночку блок сопутствующих товаров показал отрицательный результат. Но в сочетании с похожими товарами картина совершенно другая. Посмотрите, насколько сильно отличаются значение прибыли в зависимости от расположения блоков!

Как всегда для проверки эффективности использовалась методика A/B-тестирования, при которой пользователи случайным образом делились на 5 сегментов:

Первому сегменту показывались похожие товары:

Второму сегменту показывались сопутствующие товары:

Третьему сегменту показывались два блока одновременно: похожие товары (сверху) и сопутствующие товары (снизу):

Четвертому сегменту показывались также два блока одновременно, но в обратном порядке. Сопутствующие товары располагались сверху, а похожие снизу:

Пятый сегмент был контрольной группой, рекомендации не показывались.

Результаты

По итогам тестирования были получены следующие результаты:

Сегмент Прирост конверсии Изменение среднего чека

Оценка увеличения входящего оборота

Похожие товары

+1,82%

+2,05%

+3,91%

Сопутствующие товары

-2,04%

-2,29%

-4,29%

Два блока: похожие товары и сопутствующие товары

-0,40%

+6,26%

+5,84%

Два блока: сопутствующие товары и похожие товары

-1,56%

1,55%

-0,03%

Контрольная группа

Вывод

Согласно результатам тестирования, применение механики «Похожие товары и сопутствующие товары» в блоке рекомендаций в карточке товара интернет-магазина Hoff.ru увеличивает средний чек на 6,3%. В сочетании с незначительным уменьшением конверсии это дает прогнозируемый рост входящего оборота на 5,8%.

Персонализация страницы поиска

Поисковая страница очень важна для тех покупателей, которые не любят вручную просматривать страницу категории в поисках подходящего товара. Обычно такие пользователи уже знают чего хотят и ждут от магазина полного взаимопонимания.

Для того, чтобы генерация товаров по запросу проходила наиболее точно, мы решили добавить поисковые рекомендации. Они ориентируются на запрос и предлагают подборку, подходящую к ключевым словам, учитывая неправильное написание, ошибки и опечатки.

В ходе A/B-тестирования все посетители сайта случайным образом делились на 3 сегмента:

Первому сегменту показывались поисковые рекомендации:

Второй сегмент был контрольной группой, рекомендации которой не показывались.

Результаты

По итогам тестирования были получены следующие результаты:

Сегмент Прирост конверсии Изменение среднего чека

Оценка увеличения входящего оборота

Поисковые рекомендации

+0,64%

+8,45%

+9,15%

Контрольная группа

Вывод

Согласно результатам тестирования, применение механики «Стандартные поисковые рекомендации» в блоке рекомендаций в поиске интернет-магазина Hoff.ru увеличивает средний чек на 8,5%. В сочетании с приростом конверсии на 0,6% это дает прогнозируемый рост входящего оборота на 9,15%.

Комментарий Hoff

«Мы давно сотрудничаем с Retail Rocket и полностью доверяем их решениям, каждое из которых основывается на глубоких знаниях и опыте. Персонализация ключевых страниц нашего сайта принесла нам отличный прирост в конверсии и входящем обороте. Мы планируем и дальше проводить АБ-тестирование новых механик в рекомендациях и персонализации страниц нашего сайта.

Создавая персонализированный опыт для каждого пользователя на сайте, мы увеличиваем доверие наших клиентов, обеспечиваем рост их лояльности и мотивируем возвращаться к нам снова и снова».

Дмитрий Дворецкий, директор по электронной коммерции Hoff


Инфоподдержка: vc.ru