fbpx

Обновления платформы Retail Rocket в марте

884 Просмотров

Март подошел к концу, а значит пришло время рассказать о новостях платформы Retail Rocket. Обновили несколько алгоритмов рекомендаций, расширили возможности платформы для массовых рассылок и улучшили формирование триггерных писем.

Если точнее, то у нас в этом месяце обширный список обновлений и улучшений:

— Улучшили алгоритм формирования триггерного сценария «предложение следующей наиболее вероятной покупки»
— Обновили алгоритм рекомендаций сопутствующих товаров в карточке товара для продуктовых интернет-магазинов
— Улучшили алгоритм рекомендаций сопутствующих товаров в корзине
— Добавили слайдер с автопрокруткой в блоки рекомендаций
— Добавили возможность отслеживания статуса интеграции
— Расширили возможности инициализации отправки сервисных писем
— Добавили и улучшили несколько важных функций в платформе e-mail рассылок
— Разработали систему измерения уровня лояльности клиентов для поиска точек роста компании

А теперь обо всем по порядку.

Обновление триггерного сценария «предложение к следующей наиболее вероятной покупке»

Мы обновили логику алгоритма формирования рекомендаций в триггерном сценарии «предложение следующей наиболее вероятной покупки», и теперь платформа формирует еще более точные рекомендации и генерирует большее количество отправок писем. Значительно увеличилось количество товаров, к которым строятся прогнозы будущих покупок. Даже для товаров, которые быстро выходят из наличия, алгоритм строит качественные рекомендации вероятных покупок.

Результаты:

  • Рост охвата товаров, к которым строятся рекомендации следующих вероятных покупок, до 200%
  • Рост отправки триггерных сценариев по сценарию до 40%
  • Рост конверсии до 10%
  • Рост количества заказов до 4%
  • Рост выручки до 14%

Обновление алгоритма рекомендаций сопутствующих товаров в карточке товара для продуктовых магазинов

У интернет-магазинов продуктов существуют товары, которые клиенты покупают при каждом посещении. Это, так называемая «банановая ловушка»: почти каждый посетитель в продуктовом магазине покупает бананы. Рекомендательные алгоритмы начинают считать его популярным товаром и рекомендовать пользователям. Но нет смысла рекомендовать товар, который и так купят.

Мы обновили алгоритм рекомендаций сопутствующих товаров в карточке товара специально для продуктовых интернет-магазинов. Теперь алгоритм автоматически убирает из выдачи рекомендации товаров, которые пользователь купит в любом случае, рекомендуя те позиции, о которых он может забыть.

Обновление алгоритма рекомендаций сопутствующих товаров в корзине

В марте мы обновили алгоритм рекомендаций сопутствующих товаров на странице корзины. Обновленный алгоритм более точно анализирует товары, составляет профиль интересов пользователя к их свойствам и отсортировывает выдачу рекомендаций. Таким образом формируется выдача товаров, максимально близких профилю интересов пользователя по свойствам, таким как цена, бренд, тип товара и т.д.

Это позволяет рекомендовать в корзине максимально релевантные товары, увеличивая конверсию и средний чек интернет-магазина. Совсем скоро поделимся успешными кейсами по этой теме.

Автопрокрутка в блоках рекомендаций

Мы не только постоянно улучшаем наши алгоритмы, но и тестируем новые варианты дизайна и функции блоков рекомендаций. Не так давно мы начали исследовать использование слайдеров с автопрокруткой.

По итогам тестов на магазинах разных тематик и на разных страницах сайта мы видим разные результаты, но уже есть много успешных кейсов. Например, кейс интернет-магазина Lacywear.ru: блок рекомендаций со слайдером и автопрокруткой каждые 5 секунд обеспечил рост конверсии на 8,79% и увеличении среднего чека на 0,81%, что дает прогнозируемый рост выручки на 9,68%.

Отслеживание статуса интеграции в реальном времени

Главная ценность платформы Retail Rocket в ее алгоритмах, но чтобы они работали на полную мощность, важно следить за качеством интеграции на всех страницах сайта. Для этого мы разработали отдельную страницу «Статус интеграции», где в реальном времени отслеживается правильность интеграции.

Теперь наши специалисты каждый день могут в личном кабинете следить за статусом интеграции, и оперативно реагировать в случае возникновения каких-то проблем. Если что-то работает некорректно, автоматически формируется отчет, который аккаунт-менеджер может отправить клиенту.

Инициализация отправки сервисных писем с помощью CSV загруженного на SFTP

Для расширения способов инициализации отправки сервисных писем мы разработали новую возможность — отправку писем с помощью CSV-файла на сервере клиента. Это дает клиенту возможность автоматизировать массовые отправки через CRM интернет-магазина.

С определенной периодичностью система Retail Rocket проверяет наличие новых CSV-файлов и отправляет письма заданной email-кампании по новым адресам.

Обновления в платформе email-рассылок

И еще несколько важных обновлений произошли в нашей платформе для массовых рассылок:

  • увеличили скорость загрузки базы подписчиков в 4 раза, что будет заметно на больших объемах загружаемых адресов
  • структурировали механизм отписок, что позволит оптимизировать количество подписчиков, которые отписываются от рассылок

Отслеживание индекса лояльности клиентов

Важный шаг на пути клиенту и более качественному сервису мы сделали за счет измерения NPS (NetPromoterScore — индекс потребительской лояльности). Нам важно мнение каждого клиента, поэтому мы начали рассылать письма, в которых клиент отмечает уровень удовлетворенности работы, с возможностью перехода на лендинг, где можно оставить более детальный и подробный отзыв. Все оценки и отзывы получает наш CEO Николай Хлебинский.

Это позволяет нам получать фидбек и повышать качество сервиса. Процесс был запущен несколько месяцев назад и благодаря тому, что мы находим точки роста и уже видим рост по NPS.