Три новых алгоритма товарных рекомендаций, которые приносят пользу магазину и покупателям
Наши аналитики и разработчики постоянно работают над повышением эффективности товарных рекомендаций: улучшают простые алгоритмы и создают новые, более сложные и дорогие. Все это ради того, чтобы обеспечивать покупателям лучший пользовательский опыт и помогать интернет-магазинам растить ключевые метрики. В новом продуктовом дайджесте мы подробно расскажем сразу про три алгоритма товарных рекомендаций, которые вышли на платформе Retail Rocket за последний год.
Upsell
Этот алгоритм рекомендует максимально похожие товары, но с улучшенными характеристиками и более дорогие. Например, если пользователь смотрит проводные наушники за 2000 рублей, то ему покажут очень похожие, но беспроводные за 3000 рублей. Покупатель может сравнить их, посчитать, что без провода ему все же удобнее, и в итоге купить более дорогую версию.
В оффлайн-магазинах улучшенные и более дорогие альтернативы обычно предлагают консультанты. Алгоритм Upsell заменяет такого продавца в онлайне. Он помогает пользователю лучше удовлетворить свой запрос, а интернет-магазину увеличить средний чек.
Кому подойдет
Алгоритм лучше всего подойдет магазинам, у которых в ассортименте много похожих товаров с разными свойствами: объем памяти, размер, диагональ экрана, скорость чтения и записи данных. К ним относятся, например, строительные магазины, магазины бытовой техники и электроники, автотоваров. Эффективность работы алгоритма также зависит от того, насколько качественно сделано описание и прописаны свойства товаров.
Улучшение алгоритма
Где размещать
• Карточка товара
• Корзина
Интересные наблюдения
Во время тестирования алгоритма мы обнаружили интересный паттерн поведения, на который влияет Upsell. Пользователь смотрит интересующий его товар, но при этом в нем сомневается и продолжает поиск. Без Upsell сравнить товары между собой сложно – для этого нужно выйти из карточки или даже уйти на другой сайт и, возможно, больше не вернуться. Алгоритм же позволяет посетителю сравнить сразу несколько вариантов текущего товара в одном месте. Человек убеждается, что просматриваемый товар больше всего подходит ему по соотношению цены и качества, и совершает покупку.
Аналоги к товарам, которых нет в наличии
Алгоритм показывает аналоги к просматриваемому товару, если его на момент заказа нет в наличии. Подборка формируется на основе описаний и свойств товаров.
Например, пользователю нравится косметичка MISS PINKY. Он уже готов добавить ее в корзину, но видит, что ее нет в наличии. Если мы не покажем ему аналоги, большая вероятность, что он просто уйдет с сайта без покупок. Благодаря алгоритму он посмотрит максимально похожие косметички того же бренда и, возможно, найдет понравившуюся замену.
Кому подойдет
Алгоритм лучше всего подойдет магазинам, в которых пользователи часто делают повторные заказы и сталкиваются с тем, что в продаже нет товаров, которые они уже покупали. Например, такое встречается в категориях продукты, зоотовары, детские товары. Также будет эффективен в магазинах, где пользователи долго собирают корзину, и за это время товары из нее могут закончиться. К ним относятся, например, товары для дома, электроника и техника.
Чем отличается от алгоритма «Альтернативные товары»
Где размещать
• Карточка недоступного товара
• После блока с товарами в корзине
Сопутствующие товары к текущей корзине
Персонализированный алгоритм, который подбирает сопутствующие товары к текущей корзине посетителя. Выдача обновляется в реальном времени по мере того, как человек формирует корзину.
Например, пользователь добавил в корзину каркас кровати и комод и продолжил покупки на сайте. Тогда в карточках просматриваемых дальше товаров мы порекомендуем ему сопутствующие позиции к тому, что уже лежит в корзине. Для кровати наверняка понадобится матрас, а к комоду не помешает подобрать журнальный стол.
Кому подойдет
Лучше всего алгоритм подойдет продуктовым магазинам, а также магазинам, где корзина большая и долго формируется или где можно оформить заказ без перехода на страницу корзины.
Где и зачем использовать
Мы рекомендуем добавлять этот алгоритм в виде дополнительного блока к уже имеющимся блокам рекомендаций в карточке товара.
Посетители часто добавляют товар в корзину, продолжают покупки и на страницу корзины возвращаются уже только для оформления заказа. Чаще всего к этому моменту они уже определяются с покупкой, и показывать сопутствующие товары может быть поздно.
Если человек положил часть выбранных товаров в корзину, но еще не оформил заказ и продолжил шопинг, лучше показать ему сопутствующие позиции в карточке товара. Пользователь может ими заинтересоваться и тоже добавить в корзину.
Такой подход помогает улучшить конверсию в покупателя, а также увеличить среднее количество товаров в заказе и среднее количество заказов на посетителя.
Интересные наблюдения
Когда мы тестировали этот алгоритм на странице карточки товара, то заметили интересное поведение. Посетитель делает заказ, затем задерживается на сайте, видит блок сопутствующих товаров к корзине в карточке товара и делает ещё один заказ в рамках той же сессии.
Почитать о работе всех 27 алгоритмов товарных рекомендаций Retail Rocket и посмотреть примеры их реализации можно в нашем новом гиде «Какие товарные рекомендации на каких страницах лучше размещать»
Чтобы подключить новые алгоритмы или задать вопросы по ним, напишите своему персональному менеджеру или на почту нашему директору по работе с клиентами Анне Исаковой anna.isakova@retailrocket.io.
