Персонализация делает онлайн-покупки проще на 32%

Если вы занимаетесь торговлей онлайн, то наверняка много усилий тратите на увеличение конверсии, поскольку клиентам бывает тяжело найти желаемый товар. С ростом каталогов продуктов клиенты все чаще прибегают к услугам всевозможных сайтов-агрегаторов и поисковиков по товарам, причиной чему является и тот факт, что ритейлеры не спешат с реализацией более дружественного поиска и навигации.

Помочь потенциальным клиентам проще и быстрее найти то, что они ищут, могут и товарные рекомендации. Научное исследование, проведенное Häubl and Murray в 2003 году, показало, что на сайтах, использующих персонализированные товарные рекомендации, потенциальным покупателям на треть проще найти интересующие их продукты, что значительно увеличивает количество повторных визитов.

 

 

 

 

 

 

 

 

 

 

 

Подобных результатов удается добиться благодаря тому, что технология персонализации пытается изучить и понять интересы каждого посетителя. Уникальные предпочтения потенциальных клиентов становятся ясны из их поведения на сайте (просмотра различных категорий и самих товаров), и система персонализации/рекомендаций может начинать предлагать им релевантные продукты.

Системы персонализации хранят информацию о предпочтениях посетителей относительно стандартных атрибутов продукта, которые заранее известны ритейлеру (напр. категория, бренд, цвет, размер и т.п.), собранную на основе их поведения в ходе поиска и покупки товаров.

Информация о предпочтениях используется двумя способами:

• Во-первых, когда посетитель возвращается на сайт, на основе его предпочтений может быть осуществлена фильтрация товарных рекомендаций, выдаваемых алгоритмом. К примеру, если на сайт снова заходит человек, заинтересованный в «красных» «футболках», то алгоритм для определения «Хитов продаж» будет использован для подбора списка подходящих продуктов – потребитель увидит несколько наиболее популярных красных футболок.
• Во-вторых, эти предпочтения могут быть использованы для выдачи рекомендаций товаров, которые интересуют людей, похожих на этого конкретного посетителя. Благодаря использованию предпочтений для идентификации людей со схожими интересами можно получать рекомендации по каждой категории товаров, которые лучше соотносятся с интересами большинства.

Эти веские и ценные данные о предпочтениях также могут быть использованы для ретаргетинга в email-маркетинге – будь то создание релевантных сообщений для конкретных сегментов аудитории, или включение персонализированных продуктовых рекомендаций прямо в электронные письма.

По материалам Emailvision Blog.