+21,9 % выручки с помощью персонализации сайта и рассылок. Кейс «Красный Карандаш» 

+21,9 % выручки с помощью персонализации сайта и рассылок. Кейс «Красный Карандаш» 

Когда в бизнесе 97 000 товаров, показывать всем посетителям одни и те же «хиты продаж» бессмысленно. «Красный Карандаш» решил эту задачу системно: персонализация на каждом этапе пути клиента, 16 триггерных сценариев и email-рассылки, которые художники открывают ради плейлистов и обоев для телефона. Результат за 10 месяцев — +21,9% выручки, ROI 1484% и средний чек на 16% выше у тех, кто кликает по рекомендациям.

Содержание статьи

О компании

«Красный Карандаш» — крупнейшая российская сеть арт-маркетов для художников и творческих людей с более чем 97 000 SKU. Компания работает с 2013 года и за это время выстроила репутацию главного поставщика профессиональных материалов для живописи, графики, дизайна и хобби-творчества.

Специфика отрасли

Рынок товаров для творчества — это сегмент с высокой фрагментацией спроса. Один покупатель ищет акварель для пленэра, другой — маркеры для скетчинга, третий — холсты определенного размера. При этом путь к покупке редко бывает линейным: художники исследуют, сравнивают, возвращаются к просмотренным товарам, добавляют в избранное и думают неделями.

Для e-commerce это означает две вещи. Во-первых, стандартные «хиты продаж» и «популярные товары» работают плохо — слишком разные потребности у разных сегментов. Во-вторых, высокая ценность каждого контакта: если пользователь пришел на сайт, важно показать ему именно то, что соответствует его текущему интересу.

Результаты за 2025

Методика расчета — потоварная атрибуция (post-click) — учитывает только товары, на которые пользователь кликнул в блоках рекомендаций и купил в течение 24 часов.

Инструмент
Доля от всей онлайн-выручки
Товарные рекомендации
7,4%
Email-канал
14,5%
Итого
21,9%

Наивысшую конверсию показывают блоки на страницах с высоким интентом: корзина — 5,5%, успешный заказ — 5,6% и пустая корзина — 5,3%. Это подтверждает принцип: чем ближе пользователь к покупке, тем выше ценность релевантных рекомендаций.

Страница сайта и блок рекомендаций
Конверсия
Карточка товара — Альтернативные
1,1%
Категория — Персональные/Популярные
1,5%
Корзина — Сопутствующие
5,5%
Успешный заказ — Сопутствующие
5,6%
Пустая корзина — Персональные
5,3%

Детальная статистика по блокам рекомендаций показывает, какие точки контакта работают наиболее эффективно

Операционный эффект

Переход на визуальный редактор радикально сократил время на создание товарных подборок для email-рассылок. По словам маркетолога компании, это одно из ключевых изменений, повлиявших на эффективность работы.

Мы работаем с Retail Rocket Group уже больше семи лет и за это время прошли путь от базовых рекомендаций к полноценной персонализации на каждом этапе коммуникации.
Сегодня мы отправляем около двух миллионов email-писем в месяц — и каждое из них персонализировано. Для нас это ключевая ценность: миллионы писем, собранных под конкретные интересы каждого художника. В них учитываются любимые товары, сохраненные позиции и, самое главное, рекомендации, которые действительно подходят конкретному получателю.
Нам удалось уйти от одинаковых писем «на всю базу» к персональной коммуникации, которую можно измерять. Мы видим инкрементальный эффект, понимаем вклад каждого блока, каждого триггера и можем точно оценить, где есть рост, а где — пространство для новых гипотез.
Отдельное преимущество для нас — возможность интегрировать рекомендательные блоки прямо в email-письма. При ассортименте почти в 100 000 товаров это принципиально: клиент видит не статичный набор «хитов», а персонально подобранные товары. Такой подход кратно повышает эффективность email-канала и превращает рассылки в инструмент персональных продаж, а не просто витрину с одинаковыми предложениями для всех.
Picture of Евгений Коржуков
Евгений Коржуков

Директор по маркетингу и рекламе сети арт-маркетов «Красный Карандаш»

Запросите бесплатный аудит персонализации
Мы проанализируем ваш сайт, оценим потенциальный эффект от внедрения рекомендаций и покажем, какие точки контакта дадут максимальную отдачу.

Как выбирали решение

К моменту начала сотрудничества с Retail Rocket Group «Красный Карандаш» уже понимал ценность персонализации. Компания использовала email-маркетинг, но столкнулась с типичными ограничениями:

Главная цель трансформации маркетинга звучала просто: рост выручки. Но за этой формулировкой стояла комплексная задача — выстроить систему персонализации, которая будет:

«Красный Карандаш» выбрал комплексное решение Retail Rocket Group, включающее три ключевых продукта: персональные рекомендации на сайте, триггерные и массовые email-рассылки и вебпуш-уведомления.

Почему Retail Rocket Group

Сотрудничество «Красного карандаша» и Retail Rocket Group длится более 5 лет, что позволяет говорить об устойчивом партнерстве. На начальном этапе была проведена интеграция товарных рекомендаций на сайте и запуск email-триггеров. Самописный сайт клиента потребовал кастомной интеграции, но гибкость платформы Retail Rocket позволила адаптировать решение в кратчайшие сроки.

Персонализация сайта

Retail Rocket Group развернул систему AI-рекомендаций, покрывающую все ключевые точки контакта на сайте:

Страница пустой корзины с рекомендациями «Хиты продаж» на сайте «Красный Карандаш»
Узнайте подробнее, как работают алгоритмы рекомендаций Retail Rocket Group

Email-маркетинг: триггеры и массовые рассылки

Email-канал «Красного Карандаша» — экосистема из трех типов коммуникаций, а не один инструмент. У каждого своя роль и экономика.

Email-маркетинг: структура канала

Тип рассылки
Доля выручки
Конверсия
Триггерные
3,8%
12,2%
Массовые разовые
6,4%
4,3%
Массовые повторяющиеся
1,9%
4,8%
Web push
0,6%
1,1%

Триггеры эффективнее массовых рассылок в 17 раз по выручке на отправку — но требуют настроенной инфраструктуры и качественных данных о поведении пользователей.

Массовые рассылки нельзя оценивать только по конверсии — они работают на верхнюю часть воронки: удержание базы, brand awareness, возврат «уснувших» клиентов.

Триггерные рассылки — главный драйвер эффективности. Более 400 тысяч отправок принесли 3,8% выручки при конверсии 12,2%. Выручка на одну отправку в 17 раз выше, чем у массовых рассылок. Секрет — точный тайминг: письмо приходит в момент максимального вовлечения покупателя: брошенная корзина, просмотр товара, снижение цены.

Триггерная цепочка включает 16 сценариев, охватывающих весь жизненный цикл клиента:

Пример триггерного email с персональной подборкой товаров на основе алгоритма рекомендаций Next Best Offer от Retail Rocket Group

Массовые рассылки — охват и вовлеченность. Разовые и повторяющиеся сценарии в сумме генерируют 8,3% выручки. Конверсия ниже, чем у триггерных рассылок (4,8%), но эти письма решают другую задачу — поддерживают контакт с базой и формируют лояльность через нестандартный контент: плейлисты, обои для телефона, lifestyle-материалы для творческой аудитории.

Массовые рассылки «Красного Карандаша» выделяются нестандартным подходом к контенту. Помимо стандартных промо-предложений, маркетолог компании добавляет в письма ссылки на скачивание обоев для телефона, плейлисты и другой lifestyle-контент. Это работает на вовлеченность и формирует эмоциональную связь с аудиторией творческих людей.

Пример контента массовой рассылки «Красный Карандаш»

Web-push — дополнительный канал возврата. 3,1 млн отправок, 0,6% выручки сайта. Низкая конверсия (1,14%) компенсируется минимальными затратами на поддержку.

Подробнее о том, как запустить омниканальные коммуникации

Визуальный редактор: как сократить время на рутину

В 2025 году «Красный Карандаш» перевел часть email-рассылок на визуальный редактор Retail Rocket Group — и это изменило операционную экономику канала.

Визуальный редактор автоматизировал самую трудоемкую часть процесса. Теперь товарные блоки подтягиваются динамически: алгоритм сам подбирает релевантные позиции на основе сегмента получателей, проверяет наличие на складе, актуализирует цены. Маркетолог фокусируется на контенте и креативе — том, что действительно влияет на вовлеченность аудитории.

Процесс создания рассылки с блоком товарных рекомендаций в визуальном редакторе Retail Rocket Group

По словам команды клиента, переход на визуальный редактор — одно из ключевых улучшений года. Инструмент не просто экономит время, а меняет роль маркетолога: от оператора, собирающего письма, к стратегу, который тестирует гипотезы и развивает канал.

Мы рады видеть, как команда Красного Карандаша использует возможности нашей экосистемы на максимум, выстраивая для каждого покупателя по-настоящему уникальный пользовательский путь. Когда данные о поведении на сайте в реальном времени влияют на содержание email-писем и push-уведомлений, персонализация перестает быть декларацией и становится рабочим инструментом роста.
Именно такая связка данных, рекомендаций и каналов позволяет реализовать настоящую омниканальную персонализацию и получать измеримый, инкрементальный бизнес-результат.
Picture of Айгел Мударисова
Айгел Мударисова

CSM Retail Rocket Group

Выводы и инсайты

Сопутствующие товары — недооцененный драйвер среднего чека. Блоки сопутствующих товаров в корзине показывают конверсию 5,5% — одну из самых высоких среди всех точек контакта.

Контент в рассылках — не менее важен, чем алгоритмы. Нестандартный подход к email-маркетингу (обои для телефона, плейлисты) повышает вовлеченность аудитории. Персонализация усиливает эффект, но не заменяет качественный контент.

Визуальный редактор — инвестиция в масштабируемость. Сокращение времени на рутинные операции позволяет маркетологу фокусироваться на стратегических задачах вместо ручной сборки писем.

Кому подойдет похожее решение

Опыт «Красного Карандаша» наиболее релевантен для следующих сегментов:

19,6% выручки — с участием персонализации. Как «МИР ИНСТРУМЕНТА» внедрил рекомендации в B2B

19,6% выручки — с участием персонализации. Как «МИР ИНСТРУМЕНТА» внедрил рекомендации в B2B

В B2B обычно считают, что персонализация — это «про розницу». «МИР ИНСТРУМЕНТА» доказал обратное. Компания внедрила рекомендации, триггеры и web-push не для привлечения нового трафика, а для работы со своей базой клиентов. Результат — 19,6% выручки за квартал с участием персонализации и устойчивый рост среднего чека без агрессивных продаж и ручного ап-селла.

Содержание кейса

О компании

«МИР ИНСТРУМЕНТА» — один из крупнейших B2B-дистрибьюторов ручного и силового инструмента на рынке РФ. Компания основана в 1995 году. Владеет портфелем собственных торговых марок: Denzel, Matrix, Gross, Stels, Sparta, Palisad, «Сибртех», «Барс» и др.

В штате компании более 3 000 сотрудников, 9 филиалов и свыше 60 торговых представительств по всей России. Клиентская база — более 50 000 активных B2B-клиентов. Товарная база — более 19 000 SKU.

Результаты Q3 2025

В B2B рост среднего чека — постоянная работа: ассортимент большой, вручную охватить все позиции невозможно. После внедрения персонализированных рекомендаций, триггеров и вебпушей средний чек начал расти органически. В итоге доля заказов с участием алгоритмов рекомендаций заняла 19,6% в общей выручке.
Picture of Даниил Осин
Даниил Осин

Заместитель руководителя департамента интернет-маркетинга «МИР ИНСТРУМЕНТА»

Как выбирали решение

Привлечение новых B2B-клиентов — долгий и дорогой процесс. Поэтому фокус — на увеличении доли выручки от существующей базы клиентов:

Увеличить средний чек без давления на клиента. В B2B с огромным ассортиментом (19 000+ SKU) менеджеры физически не могут предложить все релевантные товары. Нужен был инструмент органического кросс-селла, который работает автоматически.

Раскачать базу. База большая, но часть клиентов давно не заказывала. Нужна была механика, которая возвращает их без холодных звонков и ручной работы менеджеров.

У проекта была не только коммерческая цель. Нужно было показать внутри компании, что B2C-инструменты персонализации могут приносить значительную прибыль в B2B.

Повторите результат в своем бизнесе
Покажем, какие механики сработали в этом кейсе, как они впишутся в вашу воронку и какие метрики можно масштабировать уже в первые месяцы.

Почему Retail Rocket Group

Важный фактор выбора — готовность Retail Rocket адаптировать B2C-решение под B2B-специфику. На рынке не было готовых предложений для сегмента. Выбран комплекс из трех инструментов в единой экосистеме:

Инструмент
Задача
Персонализация сайта
Органический ап-селл и кросс-селл
Массовые и триггерные email-рассылки
Коммуникации с базой, реактивация подписчиков и запуск автоматизации с помощью триггерных сценариев
Web-push-уведомления
Быстро донести информацию об акциях до аудитории

Ключевое преимущество — единая клиентская аналитика и сквозная атрибуция. Можно видеть инкрементальный эффект каждого канала.

Метрики можно анализировать по онлайн- и офлайн-покупкам отдельно. Для оценки доступны две модели атрибуции:
потоварная (post-click) — учитывает только товары, на которые пользователь кликнул в блоках рекомендаций и купил в течение 24 часов;
полночековая (last-click) — учитывает все заказы, оформленные в течение 24 часов после клика, независимо от того, были ли куплены рекомендованные товары.

Как проводили интеграцию

До внедрения Retail Rocket Group системы персонализации в компании не было. Существовали только статичные блоки для продвижения отдельных товаров — без сегментации, без автоматизации, без аналитики эффективности.

Главный барьер: раздробленные данные. Архитектура бизнеса создавала техническую сложность. Клиент регистрируется на сайте → прикрепляется к персональному менеджеру → менеджер относится к филиалу в зависимости от города доставки. В итоге единой базы клиентов не существовало — данные были разбиты по филиалам.

19 000+ SKU без навигации. Менеджеры по продажам физически не могли ориентироваться в полном ассортименте. Без автоматических рекомендаций ап-селл и кросс-селл зависели от памяти и опыта конкретного сотрудника — а значит, был нестабильным и немасштабируемым.

Главный вызов — данные. Бизнес-процессы построены на 1С, базы клиентов раздроблены по филиалам. Нам нужно было собрать всё воедино и передать единым списком — только тогда персонализация могла заработать.
Picture of Даниил Осин
Даниил Осин

Заместитель руководителя департамента интернет-маркетинга «МИР ИНСТРУМЕНТА»

Какие механики работают сайте и в коммуникациях

Персонализация сайта

Персонализация в «МИР ИНСТРУМЕНТА» изначально запускалась не как инструмент привлечения, а как способ масштабировать выручку с текущей B2B-базы. Поэтому блоки рекомендаций намеренно не размещаются на главной странице и не показываются неавторизованным пользователям. Все сценарии персонализации работают только с существующими клиентами.

Рекомендации встроены в ключевые точки пользовательского пути — там, где клиент уже находится в режиме выбора или принятия решения:

Такой подход позволяет работать как с активным спросом (поиск, категории, карточка), так и с «пограничными» сценариями — отсутствием результата поиска или завершением заказа.

Блок рекомендаций «Специально для Вас» в поиске — наиболее конверсионный. CTR 12,66%

Самым конверсионным оказался блок рекомендаций «Специально для вас» в поиске — он персонализирует SERP с учётом истории покупок и интересов клиента.

Топ-3 алгоритма по вкладу в выручку →

Web-push коммуникации

Главный сюрприз проекта — результативность web-push как самостоятельного канала. По итогам Q3 2025 ROI только этого канала составил 45 279%, что полностью окупило внедрение всех инструментов Retail Rocket Group и дало дополнительный инкрементальный доход. Команда выделила три ключевых фактора, которые объясняют аномально высокий эффект.

Desktop-first аудитория. В B2B 75–80% заказов оформляются с компьютера. Клиенты проводят рабочий день за десктопом и регулярно видят push-уведомления — канал попадает в естественный рабочий контекст, а не конкурирует с личными коммуникациями, как в B2C.

Эффект новизны. До внедрения Retail Rocket web-push в компании не использовались. Для лояльной, давно работающей с брендом аудитории формат оказался новым и заметным — это дало высокий CTR на старте и быстрый возврат инвестиций.

Высокий средний чек. В B2B даже небольшое количество конверсий даёт существенный вклад в выручку. Один заказ кратно дороже B2C, поэтому push-уведомления быстро выходят в плюс даже при умеренных объемах трафика.

Вебпуш показывается только тем посетителям сайта, которые проявляли интерес к определенной категории

Команда понимает, что эффект новизны от взаимодействий с вебпушами со временем будет снижаться, поэтому следующий фокус — на масштабировании триггерных сценариев и связке push с рекомендациями и массовыми email-рассылками.

Что дальше: планы на 2026 год

Для бизнеса следующий этап — переход от ручных допродаж и зависимости от менеджеров к масштабируемой модели роста, где персонализация становится отдельным каналом выручки:

Мы продолжаем усиливать вклад технологий Retail Rocket Group в рост «МИР ИНСТРУМЕНТА»: уже провели аудит рекомендаций, запустили аудит триггерных сценариев, следующие улучшения — в дорожной карте на 2026 год. Мой фокус как CSM — чтобы за сильными цифрами стоял такой же уровень сервиса. Чтобы команда «МИР ИНСТРУМЕНТА» могла спокойно масштабировать результат
Дмитрий Андреев, СSM Retail Rocket Group
Picture of Дмитрий Андреев
Дмитрий Андреев

СSM Retail Rocket Group

Пять выводов для B2B-компаний

B2C-инструменты работают в B2B. Главный итог: персонализация, которую считали «только для розницы», дает результат и в B2B-сегменте.

Вебпуши в B2B — недооцененный канал. Desktop-first аудитория видит уведомления постоянно. Эффект новизны на старте дает взрывной ROI. Со временем CTR снизится, но инвестиции уже окупятся.

Работа с собственной базой. Это осознанный фокус в ситуации, когда привлечение нового трафика труднореализуемо. Персонализация только для авторизованных клиентов позволяет получать больше ценности из уже существующей базы.

Объединение данных — главный барьер. В компаниях с филиальной структурой и legacy-системами на 1С самая сложная часть — собрать базу воедино. Это инвестиция времени, но она окупается.

Рост среднего чека за счет релевантности. Блоки рекомендаций помогают увеличивать сумму заказа за счет релевантных товаров, а не агрессивных продаж. В B2B это особенно ценно: менеджеры физически не могут охватить весь ассортимент.

Новый дашборд: наглядное влияние рекомендаций и коммуникаций на выручку

Новый дашборд: наглядное влияние рекомендаций и коммуникаций на выручку

В кабинете Retail Rocket обновили дашборд — теперь видно, как рекомендации и коммуникации влияют на онлайн- и офлайн-продажи, формируя целостную картину эффективности бизнеса.

Содержание статьи

Главные изменения в Панели информации

Теперь при входе в кабинет клиенты сразу видят, как продукты Retail Rocket Group влияют на ключевые показатели магазина и какое влияние они оказывают на продажи как онлайн, так и офлайн.

Новая панель информации, на которой видны онлайн- и офлайн-показатели магазина: заказы, выручка и средний чек по всем заказам:

После общей статистики продаж за выбранный период в кабинете Retail Rocket показываются два отдельных дашборда:

Они позволяют бизнесу сразу увидеть вклад каждого инструмента в ключевые показатели и оперативно принимать решения:

Это упрощает работу с данными и помогает использовать потенциал коммуникаций Retail Rocket на максимум.

Дашборд по рекомендациям

В личном кабинете Retail Rocket можно отследить динамику влияния товарных рекомендаций по основным параметрам:

Метрики можно анализировать отдельно по онлайн- и офлайн-покупкам. Для оценки доступны две модели атрибуции:

Особое внимание стоит обратить на показатели:

Они сравнивают результаты, связанные с рекомендациями, с общими метриками магазина. Это позволяет оценить эффективность наших продуктов без глубокого анализа данных.

❗Если эти показатели заметно ниже средних по магазину, чаще всего это говорит о проблемах с интеграцией (например, некорректная передача действий пользователей или ошибки в товарной базе). В таких случаях стоит сразу обратиться в поддержку.

Метрики «Доля заказов», «Доля выручки» и «Влияние на средний чек» помогают оценить, как рекомендации влияют на общие результаты магазина без глубокого анализа:

Дашборд по коммуникациям

Отдельный блок посвящён рассылкам. Теперь можно анализировать как общую динамику, так и эффективность каждого типа коммуникаций: массовых, повторяющихся, триггерных, транзакционных и веб-пушей. В отчете можно увидеть следующие показатели:

Аналитика учитывает и офлайн-продажи с кросс-девайсной идентификацией. Например, если пользователь получил письмо, кликнул по ссылке, а покупку совершил уже в магазине, идентифицировав себя по программе лояльности, дашборд покажет связь между рассылкой и офлайн-продажей.

Как Retail Rocket решил проблему кросс-девайсных рекомендаций

Метрики по каждому типу коммуникации можно просматривать по онлайн- и офлайн-покупкам:

Дополнительные возможности

Как IntimShop увеличил выручку благодаря персонализации блога и email-маркетинга

Как IntimShop увеличил выручку благодаря персонализации блога и email-маркетинга

Сфера товаров для взрослых — область, где привычные маркетинговые приемы часто не дают результатов. Пользователи неохотно делятся личной информацией и предпочитают оставаться анонимными. Поэтому лиды в сфере 18+ ценятся выше, чем в остальных сегментах e-commerce.

Содержание статьи

Чтобы в таких условиях удержать пользователей, команда маркетинга фокусируется на улучшении CJM, повышении персонализации сайта и коммуникаций. Как получилось это сделать в блоге и рассылках, рассказываем в статье.

О бренде

IntimShop — крупнейший секс-шоп в России с 24-летней историей. Ежегодно его сайт посещают более 8 миллионов человек. В каталоге компании более 20 000 товаров, которые укрепляют семьи, сохраняют сексуальное здоровье и улучшают отношения в парах.

Результаты персонализации сайта и email-рассылок

Читатели блога ничего не покупали

Важная часть трафика IntimShop — посетители блога. Люди приходят за ответами на вопросы о сексе и отношениях, но редко совершают покупки. Чтобы конвертировать трафик в продажи, IntimShop пробовал использовать следующие методы:

Пуш-уведомления у нас провалились два раза.
Когда это случилось в первый раз, мы сделали выводы и решили больше не возвращаться к ним. Однако спустя год решили дать им второй шанс, изменив подачу информации и визуал. К нашему сожалению, это также привело к увеличению количества отписок, а совершённые покупки не оправдывали потерю подписчиков, на привлечение которых было потрачено так много сил. Вероятно, не все были рады видеть у себя в браузере внезапное оповещение от секс-шопа. Хотя все наши коммуникации сформулированы максимально деликатно и рассылались в вечернее время.
Екатерина Мамонова

Маркетолог IntimShop

Проблему с конвертацией трафика помогли решить алгоритмы товарных рекомендаций, которые упростили путь пользователя. Рекомендации формируются автоматически: их подбирают 10 алгоритмов Retail Rocket Group на основе данных о пользовательском поведении и товарной базе IntimShop.

Например, на странице статьи пользователя встречает персонализированная подборка игрушек для пар, хотя сам материал посвящён иной теме.

Если посетитель не сделал покупку прямо из блога, то его мотивировали персонализированные рекомендации на основе прочитанных статей и просмотренных товаров в других разделах сайта: в категориях, карточке товара, корзине, личном кабинете и так далее.

Если пользователь никак не мог определиться с выбором, то мог довериться алгоритму хитов продаж на главной странице, который показывает самые популярные товары, по мнению других покупателей.

Хотите персонализировать маркетинг?

Как работает персонализация email-маркетинга

Читатели блога, которые не сделали покупку, но оставили контакты, получают персонализированные email-рассылки. Через платформу управления лояльностью Retail Rocket Group команда IntimShop запустила:

Брошенный просмотр
В данном блоке пользователю демонстрируются альтернативны из той же категории товаров, которые в данный момент можно купить в магазине.

Алгоритм помогает покупателям найти предложения, которые их заинтересуют. На основе поведения пользователей он анализирует неявную информацию о связях между товарами и свойства товаров, которые передаются в платформу управления лояльностью Retail Rocket Group.

Сопутствующие товары
Пользователю предлагаются товары, которыми он может дополнить заказ. Отличный инструмент для увеличения среднего чека интернет-магазина. Алгоритм анализирует неявную информацию о связях между товарами на основе поведения пользователей. Сначала демонстрируются рекомендации на основе совместных покупок, затем на основе совместных просмотров и добавлений в корзину, потом на основе популярных товаров в категориях, которые подходят в качестве сопутствующих.

Снижение цены на товары в корзине
Платформа управления лояльностью Retail Rocket Group анализирует изменения по цене товаров, которые пользователь добавлял в корзину. Как только стоимость меняется, отправляется письмо.

Ключевая особенность всех триггерных сценариев Retail Rocket Group — это использование персональных рекомендаций в дополнение к традиционному наполнению писем.
Рекомендации учитывают интересы и предпочтения каждого клиента, таким образом он получает товары, которые подойдут именно ему. Благодаря этому, даже если мотивация пользователя к покупке уже просмотренных или выбранных товаров снизилась, рекомендации других товаров повышают шансы совершения заказа.
Дмитрий Корочков

Senior Customer Success Manager Retail Rocket Group

Массовые email-рассылки
Отправляются два раза в неделю с фокусом на товарах определённого бренда или тематики. Если не получается собрать тематическую рассылку, то отправляются самые популярные товары по количеству отзывов или числу покупок. Чтобы персонализировать коммуникацию, работают с сегментацией.

Сегментация — наше любимое занятие.
Сегменты формируются индивидуально под каждую рассылку в зависимости от тематики письма и данных о подписчиках. Например, какими товарами и брендами интересовались пользователи. В платформе управления лояльностью Retail Rocket Group можно тонко настроить сегментирование: по полу, открытиям прошлых писем, покупкам, интересу к определённым товарам, брендам, категориям.
Ксения Трынова

Руководитель интернет-магазина IntimShop

Планы на будущее

IntimShop совместно с Retail Rocket Group продолжают работу над персонализацией сайта и коммуникаций. В ближайших планах:

Новые возможности: last-click атрибуция товарных рекомендаций и алгоритм «Товары прикассовой зоны»

Новые возможности: last-click атрибуция товарных рекомендаций и алгоритм «Товары прикассовой зоны»

Представляем два обновления. Первое — атрибуция всего заказа по последнему клику (full cart last-click). Новая модель атрибуции поможет сравнивать эффективность рекомендаций Retail Rocket Group с другими инструментами. Второе — новый алгоритм «Товары прикассовой зоны», который увеличит импульсные покупки на этапе оформления заказа.

Содержание статьи

Атрибуция всего заказа по последнему клику

В статистике товарных рекомендаций Retail Rocket Group в дополнение к традиционной атрибуции появилась новая модель — атрибуция всего заказа по последнему клику. Инструмент помогает точнее оценивать вклад товарных рекомендаций в общую выручку, сравнивая их эффективность с другими рекламными инструментами в одной системе координат.

Традиционная модель атрибуции в синем столбце, новая модель атрибуции по последнему клику — в зелёном:

Что изменилось

Условия традиционной атрибуции достаточно строгие. Цель — обеспечить максимальную точность в измерении реального инкрементального эффекта наших рекомендаций.

Традиционная атрибуция Retail Rocket учитывает исключительно стоимость и количество купленных товаров в блоках рекомендаций с которыми посетитель веб-магазина или мобильного приложения взаимодействовал через блок рекомендаций или виджет. Другие товары в заказе не учитываются. Взаимодействие — клик или добавление в корзину непосредственно из карточки товара в виджете рекомендаций.

Новая модель атрибуции учитывает весь заказ — если пользователь взаимодействовал с одним из товаров через блок рекомендаций, то все товары, приобретенные в этом заказе, будут атрибутированы этому блоку. При этом атрибутируется любой товар, который был куплен — из блока рекомендаций или другой.

Например, покупатель кликнул по чехлу для телефона в блоке рекомендаций и покинул магазин. Вернулся в течении 24 часов после клика и оформил заказ на защитное стекло и наушники. Чехла для телефона в заказе нет, но мы учтём стекло и наушники в новой модели атрибуции.

Сравнение моделей атрибуции

Традиционная атрибуция Retail Rocket
Атрибуция по последнему клику
Окно атрибуции
24 часа
24 часа
Что считаем в выручке
Только товары, с которыми взаимодействовали через рекомендации. Если покупатель кликнул по чехлу для телефона в блоке рекомендаций и помимо него добавил в корзину стекло и наушники — атрибутируется только чехол.
Весь заказ, даже если в нём нет рекомендованных товаров. Если покупатель кликнул по чехлу для телефона в блоке рекомендаций и покинул магазин. Вернулся в течении 24 часов после клика и оформил заказ на защитное стекло и наушники. Чехла для телефона в заказе нет. В новой модели атрибуции мы учтём всю сумму заказа: стекло и наушники.
Как сбрасывается
24 часа
24 часа или любой внешний переход
Особенности
Отражает эффективность работы рекомендаций
Помогает легче сравнивать с эффективностью других инструментов или компаний

Новый алгоритм — «Товары прикассовой зоны»

Алгоритм предназначен для увеличения числа импульсных покупок на финальном этапе оформления заказа, аналогично товарам, которые расположены у касс в офлайн-магазине.

Как работает алгоритм. В реальном времени алгоритм предлагает покупателям товары, которые могут быть добавлены в корзину прямо перед завершением заказа. Рекомендации подбираются на основе наблюдения за поведением покупателей.

Добавление товаров в корзину через блок рекомендаций непосредственно перед завершением заказа напрямую способствует увеличению среднего количества товаров в заказе, и, соответственно, среднего чека. Без дополнительных рекомендаций покупатель обычно завершает заказ и завершает текущую сессию, что исключает возможность приобретения товаров прикассовой зоны. Так алгоритм помогает заметно повысить доход за счет товаров, которые иначе не попали бы в корзину пользователя.

Узнайте, как алгоритмы рекомендаций Retail Rocket Group помогают людям находить то, что им нужно

Какие механики увеличивают доход от товарных рекомендаций: кейс АШАН

Какие механики увеличивают доход от товарных рекомендаций: кейс АШАН

Retail Rocket Group начали сотрудничать с интернет-магазином auchan.ru в 2015 году. За первые 6 лет работы доля рекомендаций в общем объеме онлайн-продаж составляла лишь 2%. В 2022 году e-commerce-департамент компании «АШАН Ритейл Россия» на стратегическом уровне закрепил развитие рекомендательных систем. Всего за 2 года доля дохода от алгоритмов рекомендаций увеличилась в 5 раз — до 10%.

Содержание статьи

Сейчас на сайте и в мобильном приложении АШАН интегрировано больше 30 алгоритмов Retail Rocket Group. Рассказываем о 3 механиках рекомендаций, которые были внедрены недавно, но уже вошли в топ по эффективности.

Механика № 1 — аналоги товаров «не в наличии»

На корзину интернет-магазина приходится большой объём трафика. Покупатели пользуются ей как избранным: добавляют товары, чтобы те не потерялись, а покупают только через два-три дня.

Из-за такой особенности пользовательского поведения в корзине оказываются товары, которые выходят из наличия. В итоге снижается средний чек, а в крайних случаях человек вообще отказывается от покупки, потому что нет того товара, ради которого составлялась корзина.

Раньше выбывший из наличия товар выделялся в отдельном блоке «Нет в наличии»: пользователи почти никак не могли с ним проконтактировать. Единственный вариант — перейти в карточку товара и подобрать какие-нибудь позиции из рекомендаций. Но так почти никто не делал.

Вид блока «Нет в наличии» до внедрения механик рекомендаций. Пользователь не имел возможности проконтактировать с товарами из блока

Чтобы сделать поиск аналогов более интуитивным, добавили в корзину кнопку «Найти замену» и сделали на ней большой акцент. При нажатии этой кнопки со стороны АШАН в Retail Rocket Group передаётся ID товара «не в наличии». На основе полученных данных платформа подбирает похожие товары, которые отображаются у пользователя в отдельном виджете. При этом подбирается не одна позиция, а целая серия, чтобы увеличить вероятность покупки.

Блок «Нет в наличии» дополнен кнопками «Подобрать замену». При нажатии, открывается попап с рекомендациями
Рекомендации, которые видит пользователь при нажатии на кнопку «Подобрать замену»

Механика № 2 — рекомендации в личном кабинете

Личный кабинет пользователя входит в топ-6 по количеству ежедневных посещений и глубине просмотра среди всех страниц интернет-магазина АШАН. Но несмотря на большой трафик, он не достаточно эффективно конвертировался в покупки. Чтобы исправить ситуацию, решили добавить персональные рекомендации.

На основе просмотров пользователя и прошлых покупок в личном кабинете создаётся уникальная подборка товаров, которые он с большой вероятностью купит и в этот раз. Сейчас 6% кликов по блоку рекомендаций конвертируется в заказ.

Личный кабинет входит в топ-10 страниц по посещаемости. На основе истории покупок и действий пользователя подбираются персональные товарные рекомендации.

Узнайте, как алгоритмы рекомендаций Retail Rocket Group помогают людям находить то, что им нужно

Механика № 3 — новинки в категориях

На главной странице сайта появилась товарная полка с новинками из 10 самых популярных категорий. При этом пользователь может фильтровать новинки по категории, которая его интересует. Например, молоко, мясо птицы, сладости и так далее.

Хотя у алгоритма и нет серьезного влияния на товарооборот, он значительно увеличивает количество просмотров, 3% из которых конвертируются в добавление в корзину.

Пока алгоритм работает только на адаптивной и десктопной версии сайта, в ближайшее время планируется интеграция в мобильное приложение.

Блок рекомендаций с новинками на главной странице сайта

Новая статистика по товарным рекомендациям и обновление алгоритма Next best offer

Новая статистика по товарным рекомендациям и обновление алгоритма Next best offer

Больше не нужно ждать ежемесячных отчетов — детальная статистика по товарным рекомендациям доступна в личном кабинете Retail Rocket. Анализируйте метрики каждого блока рекомендаций на сайте или в мобильном приложении в режиме реального времени за любой период, чтобы принимать решения на основе данных.

Содержание статьи

Что изменилось

Теперь можно самостоятельно анализировать детальную статистику по каждому блоку рекомендаций на сайте и в мобильном приложении за любой период времени. Информация доступна на странице «Статистика» в разделе «Рекомендации» личного кабинета Retail Rocket.

Какие метрики доступны для аналитики

Статистика товарных рекомендаций включает информацию по показам, кликам, конверсиям и другим метрикам:

Все отчёты можно скачать в формате CSV для дальнейшей обработки. Доступна выгрузка как сводной статистики за период, так и данных по каждому блоку отдельно с группировкой по дням.

Собираем данные по уникальным заказам

В разделе «Итого» обновленной статистики доступны данные по уникальным заказам и выручке, начиная с 25 мая 2024. Уникальные заказы — покупки, которые учитываются один раз, даже если они содержат товары, атрибутированные на разные блоки рекомендаций. Это помогает более точно оценить влияние товарных рекомендаций на общее количество заказов и выручку. Например:

Как использовать новую статистику

Оценивайте эффективность рекомендаций. Анализируйте кликабельность, конверсию и сравнивайте показатели разных блоков, чтобы выявить узкие места и тестировать гипотезы по их улучшению.

Находите лучшее место на сайте для рекомендаций. Поднимите блок выше на странице, если показатель просматриваемости низкий. Возможно, посетители не видят рекомендаций.

Контролируйте корректность интеграции. Если статистика отсутствует, проверьте работу блока рекомендаций.

Улучшайте дизайн и наполнение. Тестируйте дизайн и товарную базу, чтобы увеличивать показатель кликабельности.

Оптимизируйте рекомендации. Экспериментируйте с алгоритмами, чтобы найти наиболее эффективные решения.

Next best offer стал ещё умнее

Усовершенствовали алгоритм Next best offer, чтобы предоставлять более релевантные и персонализированные рекомендации. Логика выдачи основывается на последних покупках посетителей интернет-магазина.

Узнайте, как алгоритмы Retail Rocket Group помогают людям находить то, что им нужно

Как рекомендации помогли «Гуд Мебель» сохранить конверсию при увеличении трафика

Как рекомендации помогли «Гуд Мебель» сохранить конверсию при увеличении трафика

С увеличением объёма трафика обычно падает конверсия в покупку: люди чаще приходят в интернет-магазин, но бизнес от этого больше не зарабатывает. SEO-оптимизация товарной базы помогает улучшить эффективность алгоритмов рекомендаций в интернет-магазине, обеспечивая больше данных, лучшее понимание контента и пользовательскую навигацию.

Содержание статьи

О партнере

«Гуд Мебель» — российский интернет-магазин мебели, работающий с 2008 года. Два офлайн-магазина в Москве, один — во Владимире, но есть доставка по всей России. Компания продаёт мебель партнёров и собственного производства. За всё время существования больше 600 000 клиентов.

Задача — увеличить трафик и сохранить конверсию

Основные продажи «Гуд Мебели» приходятся на органический трафик, который до событий кейса составлял 57 000 посещений в месяц. Чтобы повысить количество целевых лидов, поставили задачу увеличить объём трафика.

Каких результатов достигли

Решение — оптимизировать SEO

Для увеличения трафика подключили SEO-специалистов, которые провели комплексную работу над сайтом для улучшения его ранжирования в поисковых системах.

Переработали блоки перелинковок в каталогах. Поставили популярные теги, настроили индексацию выпадашек групп по условиям количества ссылок на листинге, что помогло поисковым системам индексировать сайт более эффективно, а также улучшило пользовательский опыт.

Наполнили фильтры и наполнили карточки товаров. Добавили новые фильтры, изменили логику наследования фильтров, дополнили описания товарных карточек. Теперь покупатели быстрее находят нужные им товары, что привело к увеличению конверсии.

Теперь диваны можно отсортировать по длине, типу механизма трансформации, стилю, наличию бельевого ящика, типу обивки и другим параметрам
Доступность, цена и другие атрибуты товаров интернет-магазина могут отличаться в зависимости от региона, склада и торговой точки.
Существуют магазины с тысячами складов, атрибуты товаров в которых отличаются. Для каждого склада могут быть свои рекомендации за счёт различного поведения покупателей и различных атрибутов товаров, в первую очередь доступности. Системе рекомендаций необходимо правильно учитывать эти атрибуты в зависимости от региона покупателя.
Команда Retail Rocket Group
Фильтры до SEO-оптимизации учитывали только ценовой диапазон и категорию товара. После — учитывают все возможные атрибуты товаров

Устранили различия между мобильной и десктопной версиями. Устранение различий помогло обеспечить единое визуальное восприятие интернет-магазина на всех устройствах. Пользователям стало легче ориентироваться, а команде интернет-магазина теперь не нужно тратить дополнительные ресурсы на поддержку двух версий сайта.

Чтобы приобрести товар, 90% людей в среднем переключаются между тремя устройствами.
Для покупателей это удобно, а бизнесу создает трудности. Он не понимает — это один посетитель или разные? Данные дублируются, статистика становится некорректной. Непонятно, к какому источнику трафика и покупателю «относить» покупку. В итоге подбирать рекомендации и управлять рекламой становится сложнее.
Команда Retail Rocket Group

Cross Device Visitor (CDV) — это система, которая умеет определять одного и того же посетителя с разных устройств. Зная, что это один человек, магазин точнее рекомендует товары на сайте, в приложении, массовых и триггерных рассылках и не переспамливает посетителя. CDV максимально полезен магазинам с большим количеством трафика, товаров и заказов с разных устройств.

Автоматизировали контентную часть. Теперь многие изменения в шаблонах корректируются на всех уровнях сайта сразу, всё встаёт в нужный падеж и число. SEO-специалистам, контент-менеджерам и разработчикам стало работать значительно проще.

Оптимизация SEO помогает собирать более точные данные о посетителях интернет-магазина.
Например, анализ ключевых слов, которые приводят пользователей на сайт, может помочь понять их предпочтения и интересы. Эти данные могут быть использованы для создания более точных профилей пользователей.
Станислав Богданкевич

Основатель bogdankevich.com

За год с небольшим после выполнения задачи объем трафика на сайты вырос в 4 раза.
Решили увеличить производство, чтобы успевать закрывать все заявки.
Picture of Станислав Архангельский
Станислав Архангельский

Директор по электронной коммерции «Гуд Мебель»

Как рекомендации сохранили конверсию в покупку

Через три месяца после старта работ по SEO-оптимизации на сайте «Гуд мебели» было запущено 8 алгоритмов рекомендаций: на главной странице, в категориях, корзине, на карточках товаров и странице 404. Работа SEO-специалистов помогла оптимизировать товарную базу магазина, наполнить её дополнительными атрибутами и данными о контексте использования.

Через месяц после запуска доля заказов через блоки рекомендаций составила 25% от общего количества заказов интернет-магазина, а доля выручки — 20%. Через 6 месяцев после SEO-оптимизации и запуска алгоритмов рекомендаций выручка интернет-магазина увеличилась на 30%.

Как наполнить рекомендации полезной информацией

Если рекомендации на сайте работают не так эффективно, как хотелось бы, стоит подумать об оптимизации процессов получения данных, на основе которых рекомендации смогут эффективно работать.

Главное — правильно и наиболее подробно заполнить характеристики товаров. Большое облако характеристик позволяет покрывать поисковые запросы и давать наиболее релевантные рекомендации в соответствующем блоке.

Например, если человек ищет белый плюшевый диван, то ему скорее всего понравятся белые плюшевые кресла. Если у кресел нет свойства «плюшевые», то в блоке рекомендаций будет нечего показывать.

«Раменский деликатес» первым внедрил рекомендации в розничных магазинах и увеличил средний чек

«Раменский деликатес» первым внедрил рекомендации в розничных магазинах и увеличил средний чек

Рекомендации на сайте и в мобильном приложении — must have для любого интернет-магазина. Но как быть, если бо́льшая часть бизнеса сосредоточена в офлайне, и ее тоже хочется сделать цифровой и персонализированной?

Содержание статьи

«Раменский деликатес» с помощью Retail Rocket Group и других сервисов решил эту задачу — внедрил рекомендации в офлайн-кассы, увеличил средний чек на 80% и получил другие впечатляющие результаты. Подробности — в кейсе.

О партнере

«Раменский деликатес» — российский магазин колбасной продукции, копченостей и деликатесов из мяса и птицы. На рынке компания 50 лет. У компании 130 фирменных магазинов и франшизных точек в Москве, московской области и Рязани. В зависимости от местоположения и проходимости магазина их в среднем посещают от 1000 до 13000 человек в месяц.

В ассортименте «Раменского деликатеса» более 500 SKU собственного производства

Почему решили внедрять рекомендации в офлайн-кассы и с какими сложностями столкнулись

В 2022-2023 году основной целью было сделать офлайн-магазины более современными, цифровыми и персонализированными, так как 99 % продаж происходят в офлайне, а на сайт и мобильное приложение приходится 1 %.

Магазины «Раменского деликатеса» прилавочного типа, с работающими за ними кассирами. И из-за этого возникла проблема — кассир не мог знать историю покупок и предпочтения всех посетителей. Чаще всего он допродавал не интересные клиенту товары, а те, которые выгодны ему самому с финансовой точки зрения — например, чтобы закрыть смену, получить премию и т.д.

Чтобы решить эту проблему и автоматизировать процесс допродажи, «Раменский деликатес» в качестве эксперимента установил 5 прикассовых мониторов, на которых отображались чек и рекомендации.

В рекомендациях были только акционные товары, которые не учитывали историю покупок и интересы пользователя. Также было сложно посчитать их эффективность — товары по акции продавались, но было непонятно — это заслуга прикассовых мониторов или кассиров.

Чтобы сделать розничные магазины более персонализированными и понять, какие результаты приносит такой подход, «Раменский деликатес» обратился в Retail Rocket Group.​

Пример дизайна рекомендаций на прикассовых мониторах

Вторая попытка внедрения рекомендаций в офлайн-кассы

Чтобы внедрить в офлайн-кассы умные рекомендации от Retail Rocket Group, компания построила сложную экосистему, которая включала в себя интернет-магазин и технологии от 1С и Retail Rocket Group. Это была сложная задача, реализация которой заняла год.

Внедрили три алгоритма рекомендаций:

  1. Если покупатель авторизовался по карте лояльности, и мы знаем его историю и предпочтения — показываем товары, которые он ранее покупал. Этот алгоритм сделали с учетом особенностей поведения покупателей «Раменского деликатеса», большинство которых, как правило, покупает одни и те же товары.
  1. Если покупатель ничего не пробил, не авторизовался, и мы ничего о нем не знаем — показываем популярные товары, которые предпочитает большинство посетителей торговых точек. Например, это может быть говядина, любимая многими докторская колбаса, вареники, пельмени. Алгоритм основывался на гипотезе, что знакомить неизвестного клиента с топовыми позициями наиболее эффективно, чем показывать акционные товары.
  1. Когда покупатель начинает пробивать продукты, мы показываем сопутствующие товары. Рекомендации обновляются по мере пополнения корзины, после добавления каждого нового товара. Это помогает посетителям увидеть, что рекомендации «живые», реагируют на их интерес, и что с ними можно взаимодействовать.

Результаты за три месяца работы рекомендаций в офлайн-кассах

За три месяца работы пилотной версии магазину удалось определить внутренние метрики, по которым они оценивают результат, собрать статистику, а также понять, на что обратить внимание в случае тех или иных доработок. Одно из важных наблюдений — необходимость поощрять «нецифровых» клиентов больше взаимодействовать с прикассовым монитором.

Рассказывая о результатах офлайн-рекомендаций, нельзя не обратить внимание на способы их измерения.
Мы считаем атрибуцию на сайте и в мобильном приложении по фактическим кликам на карточки товара/добавлениям товаров в корзину из рекомендаций. Просмотры мы обычно никак не атрибуцируем из-за жесткой модели атрибуции. В офлайне же человек не всегда знает, что можно кликнуть на рекомендации, или не имеет такой возможности. Поэтому, работая с «Раменским деликатесом», мы сверяем ID товаров, указанных в рекомендациях и чеках, и при их совпадении атрибуцируем заказы и выручку на Retail Rocket Group.
Picture of Мансур Таибов
Мансур Таибов

Senior Account Manager Retail Rocket Group

Выводы и рекомендации

Мы видим, что наша экосистема с рекомендациями работает и улучшает клиентский сервис и финансовые показатели, поэтому планы по развитию проекта глобальные.
В будущем хотим оборудовать все торговые точки прикассовыми мониторами. Внедрение мониторов планируется не только на кассах прилавков, но и в залах супермаркетов. Будем пробовать новые механики, добавлять дополнительные блоки с рекомендациями, активнее продвигать собственные торговые марки. Также мы хотим расширить аналитику и объединить данные об интересах и поведении пользователей из СRM-системы и прикассовых мониторов. Чем больше информации мы собираем, тем лучше!
Picture of Артур Бурзаев
Артур Бурзаев

Руководитель интернет-проектов «Раменского деликатеса»

Новый алгоритм рекомендаций на основе нейросетей показывает релевантные товары до 23% чаще

Новый алгоритм рекомендаций на основе нейросетей показывает релевантные товары до 23% чаще

Мы разработали алгоритм рекомендаций на поиске на основе нейросетей. По сравнению с прошлым алгоритмом, новый показывает релевантные товары до 23% чаще и до 14% точнее предсказывает следующий продукт, с которым пользователь будет взаимодействовать. О других преимуществах рассказываем в статье.

Содержание статьи

Ключевые преимущества нового алгоритма

Лучше работает на новых или редких поисковых фразах

Пользователь ищет «трельяж с зеркалом». Нейросеть «понимает» смысл поискового запроса и объединяет его с другими фразами: «трельяж», «туалетный столик с зеркалом», «туалетный столик», «стол с зеркалом». Так алгоритм строит наиболее релевантные рекомендации к редкому запросу.

Пример работы алгоритма, который распознает поисковый запрос и предлагает релевантные товары:

На популярные запросы даёт более точные рекомендации

Пользователь ищет «ноутбук для графического дизайна». Вместо того, чтобы показать список всех доступных ноутбуков, новый алгоритм разберёт поисковый запрос на части. Он поймёт, какой конкретно нужен ноутбук, и предложит варианты с высокой производительностью и качественным дисплеем.

Алгоритм, который не использует нейросети, показал бы ноутбуки, которые люди чаще всего покупали по данному запросу. Новый алгоритм предлагает модели, которые лучше решают конкретную задачу.

Уменьшает зависимость рекомендаций от популярности товара

Во многих онлайн-магазинах старый алгоритм слишком часто показывал сверхпопулярные товары, порой заслоняя более релевантные варианты. Из-за такого подхода снижалась конверсия. Новый алгоритм предлагает товары, которые точнее соответствуют намерениям покупателя.

Зависимость рекомендаций от популярности товаров ещё называют «банановой проблемой». В продуктовых магазинах одним из самых популярных товаров являются бананы, и они сильно влияют почти на все блоки рекомендаций. Даже если человек ищет говяжий фарш, в рекомендациях он с большой вероятностью увидит эти популярные фрукты. Новый алгоритм умеет решать эту проблему и полностью убирает нерелевантные товары.

Как подключить

Обратитесь к вашему персональному менеджеру, который проконсультирует вас о том, стоит ли использовать новый алгоритм в вашем случае. А если вы захотите использовать нейросети в работе, то поможет настроить пробный запуск.

Оставьте заявку на демо, чтобы увидеть возможности алгоритма.