Товарные рекомендации: где и зачем использовать, как измерять эффективность

Содержание

• Товарные рекомендации: что это
• Как работают алгоритмы рекомендаций товаров
• 4 типа товарных рекомендаций
• Как запустить товарные рекомендации от Retail Rocket Group
• Как измерить эффективность товарных рекомендаций

Товарные рекомендации: что это

Товарные рекомендации — товары, которые предлагают пользователям рекомендательные алгоритмы. Товарные рекомендации показывают в контексте самых разных страниц интернет-магазина — на главной, в карточке товара и так далее.

Рассмотрим разные товарные рекомендации на примере клиента Retail Rocket Group, одной из крупнейших и динамично развивающихся российских мебельных сетей HOFF ↓

Главная страница

Товарные рекомендации на главной показывают популярные товары — те, которые интересуют покупателей чаще всего.

Карточка товара

Товарные рекомендации в карточке товара помогают знакомить пользователей:

• с альтернативными товарами — похожие на то, что смотрит пользователь;
• с сопутствующими товарами — которые стоит добавить вместе в корзину.

Страница категорий

Алгоритмы знакомят с товарами, которые пользователи смотрят или покупают чаще всего внутри одной категории.

Кроме главной, карточек товара и страниц категорий, товарные рекомендации используют:

• в корзине;
• странице поиска;
• странице бренда;
• избранном;
• на странице 404 интернет-магазина и других страницах интернет-магазина.

Клиент Retail Rocket Group, крупная сеть гипермаркетов АШАН, внедрила товарные рекомендации на самых разных страницах интернет-магазина и приложения — на главной, в корзине, личном кабинете и других страницах. За два года алгоритмы товарных рекомендаций от Retail Rocket Group помогли увеличить выручку от алгоритмов в 5 раз — с 2 до 10%.

Читать кейс → Какие механики увеличивают доход от товарных рекомендаций в 5 раз: кейс АШАН.

Как работают алгоритмы рекомендаций товаров

Для работы алгоритма рекомендаций товаров достаточно трех компонентов ↓

Товарная база. Данные по товарам магазина с подробными характеристиками каждого — например, категория, идентификатор и цена.

Данные о поведении посетителей. Информация о том как пользователи используют сайт, какие товары смотрят, что добавляют в корзину и какие товары доходят до покупки.

Рекомендательная система. Алгоритм, который отслеживает и анализирует данные о поведении пользователей, чтобы предложить релевантные товары и увеличить вероятность покупки.

Если коротко, то вот как все три компонента работают вместе ↓

4 типа товарных рекомендаций

Товарные рекомендации бывают четырех типов: персонализированные, неперсонализированные, категорийные и рекомендации внутри карточки товара ↓

Персонализированные товарные рекомендации

Предлагают пользователю товары на основе его поведения — что смотрел до этого, искал или уже покупал. Персонализированные рекомендации используют на главной странице магазина и страницах категорий — чтобы сразу подсказать товары, которые могут быть интересны пользователю.

Например, если клиент часто покупает посуду — персональные алгоритмы будут показывать ему товары из этой категории ↓

Неперсонализированные товарные рекомендации

Знакомят посетителя с товарами, которые интересуют других пользователей. Алгоритм рекомендаций еще не знает интересов и предпочтений нового клиента — поэтому советует то, что нравится другим.

Обычно такие рекомендации показывают на главной странице — чтобы познакомить нового пользователя с популярными товарами. Вот как выглядят рекомендации для нового клиента на сайта HOFF ↓ 

Категорийные товарные рекомендации

Показывают товары внутри одной категории — популярное, новинки и товары со скидками. Категорийные рекомендации используют на страницах, где сложно выявить и рекомендовать товар или группу товаров, которые ищет пользователь.

Например, если покупатель ищет новогодние украшения и выбирает категорию «Все для Нового года», то алгоритм сначала покажет популярные украшения, елочные игрушки со скидками и новинки ↓

Товарные рекомендации к конкретным товарам

Дают рекомендации к конкретному товару внутри карточки товара, в корзине или избранном. Для этого показывают:

• похожие товары — чтобы оценить аналогичные товары по характеристикам или цене;
• сопутствующие товары — чтобы покупатель сразу подобрал аксессуары, добавил их в корзину и увеличил средний чек.

Как запустить товарные рекомендации от Retail Rocket Group

Чтобы запустить товарные рекомендации на платформе Retail Rocket, понадобится около 5 шагов. 

Шаг 1. Познакомиться с персональным менеджером

Персональный менеджер — проводник клиента, который помогает бизнесу с подключением товарных рекомендаций и отвечает за эффективную работу с Retail Rocket. Чтобы познакомиться с менеджером и начать работу, проводят встречу — на ней обсуждают задачи, согласовывают план по интеграции рекомендаций в интернет-магазин и оформляют договор. 

Задачи и ожидания от рекомендаций могут быть разными, и зависят от конкретного клиента. Например, среди таких ожиданий могут быть как внедрение персонализированных товарных рекомендаций, так и увеличение среднего чека в приложении и выручки на сайте интернет-магазина.

Владимир Золотарёв

Руководитель продукта Персонализация Retail Rocket Group

Шаг 2. Выполнить чек-лист по интеграции

Чек-лист нужен, чтобы подружить систему Retail Rocket с интернет-магазином — алгоритмы точно анализировали поведение пользователей, быстро обрабатывали данные и предоставляли эффективные товарные рекомендации. От клиента к клиенту чек-лист может быть разным и доходить даже до 30 пунктов.

Шаг 3. Собрать данные по поведению пользователей

Чтобы алгоритмы учитывали поведение пользователей и предлагали подходящие рекомендации, интернет-магазин встраивает в сайт трекинг-коды пользовательского поведения. Например, вот такой ↓

↑ Пара строчек в коде сайта, и алгоритм начинает отслеживать, какие кнопки и разделы магазина приводят к добавлению товара в корзину и приближают к совершению заказа

После этого системе дают некоторое время на сбор данных. Конечный срок зависит от трафика и ассортимента интернет-магазина, но в среднем на сбор данных уходит не более двух недель.

Шаг 4. Внедрить блок рекомендаций

Для этого клиент размещает фрагмент кода на сайте — так алгоритм понимает, где показывать популярные, а где сопутствующие товары. После в Retail Rocket верстают блоки рекомендаций:

• учитывают пожелания клиента и отрисовывают блоки товарных рекомендаций за три дня, а когда клиент согласовывает дизайн — адаптируют макет для остальных блоков за день;
• разрабатывают код верстки на основных страницах сайта, чтобы ускорить внедрение рекомендаций.

Итоговый результат может выглядеть так ↓

Шаг 5. Запустить товарные рекомендации и получить рост продаж

Последний шаг — запустить товарные рекомендации и следить за ростом ключевых показателей интернет-магазина. В среднем, к этому шагу приходят за полтора-два месяца с момента подписания договора. Бывают исключения — например, клиент Retail Rocket выделил под интеграцию отдельного разработчика и срок интеграции удалось сократить до одного дня.

Как измерить эффективность товарных рекомендаций

Измерить эффективность товарных рекомендаций помогут ↓

CR (Conversion Rate) — конверсия в заказ, главный показатель эффективности алгоритма товарных рекомендаций. Показывает сколько пользователей, которые взаимодействовали с товарной рекомендацией, сделали покупку. Для оценки эффективности  сравнивают две конверсии — до и после внедрения алгоритма.

Выручка — простой способ оценить эффективность товарных рекомендаций, который показывает как работает конверсия в заказ. Если выручка выросла — все отлично, рекомендации работают. Если выручка не изменилась или упала по сравнению с прошлыми периодами — самое время задуматься о замене рекомендательной системы.

Средний чек — показывает, как товарные рекомендации влияют на общую сумму покупки. Если средний чек растет — товарные рекомендации работают.

LTV (Lifetime Value) — пожизненная ценность клиента. Товарные рекомендации помогают знакомить пользователей с ассортиментом интернет-магазина, делают покупки удобнее и улучшают пользовательский опыт. В результате клиентам нравится пользоваться магазином, и они возвращаются за повторными покупками.

CTR (Click-through Rate) — клики на рекомендации. Вспомогательная метрика, которую используют для оценки заинтересованности пользователей. Обычно на рост CTR после внедрения алгоритмов смотрят магазины, которым важна вовлеченность пользователей и внутренние KPI.

Post-view атрибуция — метод, при помощи которого оценивают, как рекомендации влияют на покупки в будущем. С помощью post-view атрибуции замеряют, как рекомендации влияют на посетителей, которые не взаимодействую с рекомендацией на прямую. Например, видят рекомендацию, но не кликают на нее и делают покупку позже.

Post-click атрибуция — способ оценить связь между товарной рекомендацией и покупкой. Post-click атрибуция поможет узнать, сколько пользователей кликнули на рекомендацию, а позже что-то купили.