Персонализация мерчандайзинга

Создаёт свою версию сайта, приложения и email-рассылки и покажет товарные рекомендации для каждого пользователя с учётом предпочтений и истории покупок

Запросить демо

Чем полезен

Увеличит средний чек и выручку за счёт рекомендаций нужных товаров и услуг
Адаптирует контент с учётом региона покупателя и остатков на складе
Поможет проверять маркетинговые гипотезы и запустить непрерывное тестирование

Про искусственный интеллект

В основе Online Merchandising — искусственный интеллект. Он подстраивает сайт, приложение или рассылки в реальном времени и показывает покупателю нужные товары и услуги.

Искусственный интеллект считывает поведение и историю покупок каждого покупателя и постоянно обучается. Если у интернет-магазина несколько складов в разных городах, то Online Merchandising проследит за остатками и покажет покупателям товары, которые есть в наличии рядом с ним.

Где появятся персональные предложения

На главной странице на сайте и в приложении
Персональные предложения появятся в трёх блоках: хитах, новинках и персональных рекомендациях.

Хиты — самые популярные товары из категорий, которые интересны покупателю. Рекомендации основаны на просмотрах, истории покупок, запросах и добавлении в корзину.

Новинки — недавние поступления брендов и категорий, которые могут заинтересовать покупателя.

Персональные рекомендации — товары, которые интересны покупателю. Основаны на индивидуальных предпочтениях, истории поведения, предыдущих покупках и других данных.
В товарных категориях на сайте и в приложении
Персонализированный контент появляется в трёх блоках: хитах, новинках и персональных рекомендациях.

Хиты — самые популярные товары из категорий, которые интересны покупателю. Рекомендации основаны на просмотрах, истории покупок, запросах и добавлении в корзину.

Новинки — недавние поступления брендов и категорий, которые могут заинтересовать покупателя.

Персональные рекомендации — товары, которые интересны покупателю. Основаны на индивидуальных предпочтениях, истории поведения, предыдущих покупках и других данных.
На страницах акций и распродаж на сайте и в приложении
Появится сортировка товаров от самых интересных — к менее интересным. Этот алгоритм основан на анализе поведения каждого покупателя в реальном времени.
На карточке товара на сайте и в приложении
Персонализированный контент появятся в трёх блоках: сопутствующие товары, похожие и самые популярные в категории.

Сопутствующими товарами покупатель может дополнить свой заказ. Эта рекомендация часто увеличивает средний чек.

Похожие — это альтернативные товары. Например, из другого материала или другого размера. Рекомендации основаны на анализе свойств товаров и поведении покупателей.

Самые популярные в категории — товары из той же категории, которые часто смотрят и покупают.

Если товара нет в наличии, то покупатель увидит только похожие и сопутствующие товары.
В корзине на сайте и в приложении
Появятся сопутствующие товары — ими покупатель может дополнить свой заказ. Этот алгоритм увеличивает средний чек.
В личном кабинете на сайте и в приложении
Персонализированный контент появятся в трёх блоках: новинках, популярных товарах и персональных рекомендациях.

Новинки — недавние поступления брендов и категорий, которые могут заинтересовать покупателя.

Популярные товары — наиболее интересные пользователю категории. Рекомендации основаны на просмотренных товарах, запросах, долгосрочных интересах, заказах и других данных.

Персональные рекомендации — товары, которые интересны покупателю. Основаны на индивидуальных предпочтениях, истории поведения, предыдущих покупках и других данных.
На страницах ошибки на сайте
Персональные предложения появятся в трёх блоках: поисковом, популярных товарах и персональных рекомендациях.

Поисковые рекомендации — товары, максимально подходящие к запросу, который искали на сайте. Этот алгоритм помогает настраивать сайт под нужды покупателя.

Популярные товары — наиболее интересные пользователю категории. Рекомендации основаны на просмотренных товарах, запросах, долгосрочных интересах, заказах и других данных.

Персональные рекомендации — товары, которые интересны покупателю. Основаны на индивидуальных предпочтениях, истории поведения, предыдущих покупках и других данных.
В емейл-рассылках: триггерных и транзакционных
Товарные рекомендации легко встраиваются в рассылки. Например, можно подключить Next Best Offer — он рассчитывает прогноз следующей наиболее вероятной покупки. А потом отправит товарные рекомендации письмом в нужное время.

Средние показатели писем Next Best Offer:

Open Rate — 20,6%,

CTR — 13,3%,

конверсия в заказы — 15,91%.

Как работать с модулем

1.
Интеграция

Настройка логики показов, вёрстка блоков для сайта, приложения и в письмах.
2.
Аналитика

Сбор и анализ Big Data о поведении покупателей и товарной матрице.
3.
Запуск товарных рекомендаций

В блоке с рекомендациями на сайте, в приложении и в письмах.
4.
Проверка гипотез и рост продаж

С помощью непрерывного тестирования и алгоритмов искусственного интеллекта.

Получите доступ к экспертизе Retail Rocket

Наша growth-команда знает, как добиться максимального эффекта от технологий Retail Rocket.

Для каждого заказчика мы составляем план тестирования гипотез, приоритезируем их и запускаем тесты — на них проверяем алгоритмы, размещение блоков и другие элементы.

Результаты тестов показываем клиенту и объясняем, как их применять, чтобы средний чек и выручка росли, а покупатели видели только нужные и интересные товары.

Наша growth-команда помогла внедрить модули Retail Rocket для 1000+ клиентов и провела 7000+ тестов. Мы работаем быстро и точно знаем, какие решения сработают, а какие — нет.

Какой будет результат

Увеличите конверсию в покупку и средний чек
Будете показывать покупателям только нужные товары и услуги в реальном времени
Сэкономите время и силы — техническую поддержку и интеграцию можем взять на себя
Сможете быстро проверять маркетинговые гипотезы
Увеличите выручку и LTV
Система будет учитывать остатки на складах в разных регионах и корректировать условия показа