Будущее e-commerce: стратегии и инструменты, которые понадобятся завтра
--
:
--
:
--
:
--
Зарегистрироваться
Войти

Шесть подходов к рекомендациям товаров в интернет-магазине

post-intro-500-340-83

Одного взгляда на стартовую страницу Amazon достаточно для того, чтобы понять всю важность рекомендательных систем в электронной коммерции.

Согласно одному из исследований, 70% интерфейса Amazon.com посвящены рекомендациям – очевидно, что рекомендации играют жизненно важную роль в процессах расширения покупательской корзины и стимулирования продаж.

Более того, инфографика от агентства Monetate демонстрирует, что рекомендательные системы могут обеспечить 300%-ный рост выручки, увеличить показатели конверсии на 150%, а размер среднего чека – на 50%.

Само собой, эти цифры существенно варьируются в зависимости от выбора их первоначальных значений и от того, насколько широко используются на сайте рекомендательные блоки, но факт роста kpi магазина слишком очевиден, чтобы его игнорировать.

На самом деле среди крупнейших ритейлеров вы едва ли найдете сайт, который так или иначе не использовал бы рекомендательные системы – благо способов работы с данным механизмом существует немало.

Зная об этом, я решил, что было бы полезно взглянуть на различные приемы, которые используются в электронной коммерции для рекомендации продуктов…

Обновленная кнопка «Дополнить образ» от ASOS

Мы часто хвалим ASOS за то, что этот онлайн-ритейлер стоит в авангарде инноваций и лучших практик – а не так давно он, к тому же, продемонстрировал новый способ порекомендовать тот или иной продукт на страницах со своими товарами.

Как и в случае с другими ecommerce-сайтами, ASOS демонстрирует свои продукты на моделях, в наряде которых присутствует не только выбранный пользователем товар, но и другая одежда, доступная на сайте.

Это не только помогает пользователю понять, как вещь смотрится на живом человеке, но и позволяет сделать предположение о том, какие еще товары могут заинтересовать покупателя.

ASOS всегда пытался увеличивать продажи, предлагая другие вещи, представленные на модели, в секции под названием «Дополнить образ» с правой стороны экрана, но сейчас бренд добавил новый call-to-action-элемент «Купить полный образ», который позволяет пользователю приобрести сразу все товары из одного окна.

asos

Это действительно эффективный способ рекомендации продуктов, так как покупатель сразу же видит, что все товары подходят друг другу, и легко может добавить их в корзину, не утруждая себя необходимостью переходить со страницы на страницу в поисках интересующих вещей.

Другие пользователи также интересовались…

Компания John Lewis использует рекомендательную систему, которая предоставляет пользователям информацию о предположениях, выдвигаемых на основе объединенных данных анализа потребительского поведения и анализа отношений между продуктами и продуктовыми категориями.

Именно использование такой системы обеспечило этому ритейлеру рост продаж в размере 27,9% на Рождество 2011 года.

Шон О’Коннор, глава отдела онлайн-продаж и управления пользовательскими впечатлениями компании John Lewis, рассказал, что рекомендательная система превратилась в средство стимулирования «краудшоппинга» [краудшоппинг – по аналогии с краудфандингом – средство, позволяющее пользователям «покупать вместе», создавая условия, когда приобретения одного человека стимулируют и определяют содержимое корзины другого – прим. переводчика].

John Lewis

Такая система учитывает не только то, что делает на сайте отдельно взятый пользователь в определенный момент времени, но также и то, что другие покупатели с похожей историей просмотров страниц, искали ранее.

Нам кажется, что в этом заключается самая суть социального шоппинга: принимать во внимание не только опыт отдельно взятого пользователя, но также совокупную мудрость его многочисленных предшественников.

Опросы пользовательского мнения

Большинство магазинов размещают рекомендации только на страницах с информацией о товарах (карточках товаров_, однако некоторые ритейлеры применяют более проактивный подход, предварительно опрашивая покупателей, а затем предоставляя им продукты, рекомендованные для них по результатам ответов.

Интернет-магазин сноубордов Burton использует механизм Board Finder, для того, чтобы давать рекомендации основанные на показателях физической формы пользователя, включающих его рост и вес, уровень катания, предпочтениях пользователя относительно скорости, гибкости и дизайна доски.

Board Finder

Результаты поиска сопровождаются значением в процентах, показывающим, насколько хорошо тот или иной сноуборд соответствует ответам пользователя.

Для дальнейшей персонализации пользовательских впечатлений Burton объясняет, почему были введены такие рекомендации и различия в оформлении каждой доски. Компания даже сняла короткий видеоролик для демонстрации особенностей каждого дизайна.

Лично я не являюсь большим поклонником конкретно этого подхода, в частности – использования процентов при оценке соответствия товара требованиям пользователя – компания сильно рискует потерять доверие потребителя в случае, если вещь, отмеченная как 100%-но подходящая в итоге его не удовлетворит.

Хиты продаж от отдельных брендов

Довольно часто на ecommerce-сайтах можно увидеть рекомендации, объединенные как «Наиболее популярные товары», однако John Lewis поступает несколько иначе, демонстрируя хиты продаж от каждого бренда в отдельности.

Если вас заинтересовала рубашка от Ben Sherman, то внизу страницы вы увидите «Хиты продаж от Ben Sherman».

Ben Sherman

Потребители часто остаются верны конкретному бренду, так что рекомендации, основанные на этом аспекте их поведения могут стать отличным решением.

Несметное множество опций от Amazon

Говоря об ошеломляющем успехе Amazon в электронной коммерции, не стоит удивляться тому, что эта компания самым активным образом работает над рекомендациями продуктов. Однако стоит отметить пару интересных рекомендательных механик, характерных именно для этой компании.

Описания продуктов включают категории: «Что приобрели пользователи после просмотра данного товара» и «С этим товаром часто покупают».

Последняя опция немного напоминает сервис «Дополнить образ» от ASOS, поскольку позволяет пользователям добавлять три продукта в корзину лишь по одному клику.

Amazon

Это отличный способ принимать более активное участие при рекомендации продуктов, поскольку такой подход подталкивает пользователя совершать импульсные покупки, не переходя со страницы на страницу в поиске товаров, которые предложила им рекомендательная система.

Amazon не опускает руки даже когда вы совершили покупку – на экране с подтверждением заказа отображаются пять различных категорий рекомендованных товаров.

Среди этих категорий: «Рекомендации на основе просмотренных страниц», «Новинки» и «Рекомендации на основе вашего заказа».

Но лично я считаю, что наиболее интересной является категория «Что сейчас просматривают другие пользователи», поскольку это абсолютно новый подход по отношению к более распространенной демонстрации «Наиболее популярных продуктов» – в нем присутствует элемент привязки к настоящему времени.

Он показывает, как простое изменение названия может дать новую трактовку продуктовым рекомендациям.

Товарные рекомендации

 «Что происходит в данный момент?» от Naked Wines

Это механизм, близкий к тому, что в Amazon называется «Что сейчас просматривают другие пользователи», однако он более убедителен, поскольку включает имя пользователя который поставил продукту «лайк» или купил его.

Бизнес-модель Naked Wines основывается на формировании сообщества любителей вин, которые используют сайт в равной степени как площадку для обсуждения и интернет-магазин.

Naked WInes

Поскольку все пользователи зарегистрированы (часто через Facebook), рекомендации при таком подходе имеют больший вес, так как вы сразу видите, кто из пользователей их дал.

Это отличный пример добавления социальных механик в рекомендательную систему, который работает гораздо более эффективно, нежели анонимные рекомендации или отзывы.

По материалам Econsultancy.

Понравилась статья? Подпишитесь на рассылку, чтобы получать свежие статьи на почту.

Подписаться на рассылку

Еще статьи по теме