ИМПОРТОЗАМЕЩЕНИЕ В РОССИИ: БАРЬЕРЫ И ВОЗМОЖНОСТИ
Публикация читателя iBusiness.ru

Как поднять продажи с помощью рекомендаций — опыт «Связного»

Чем сервис рекомендаций помогает большим интернет-магазинам, рассказывает Михаил Морозов, начальник управления интернет-продвижения ритейлера «Связной»
16 июня, в 13:33

Сервис рекомендаций должен быть в каждом интернет-магазине. Проще говоря, каждому посетителю сайта надо подсказывать, что купить вдобавок к тому товару, который он уже выбрал. Эти рекомендации удобны для клиента, они экономят его время и заставляют задуматься о приобретении товаров, о которых он мог не иметь представления. Это важный инструмент повышения эффективности продаж.

Например, если посетитель сайта хочет купить смартфон, то движок интернет-магазина автоматически подбирает к смартфону чехол, защитную пленку, портативное зарядное устройство или набирающие популярность «умные» аксессуары. Учитывая, что в ассортименте онлайн-магазина «Связной» более 12 000 товарных позиций, внедрение сервиса значительно упростило клиентам выбор.

После внедрения новой платформы мы на 26% увеличили конверсию в покупки, совершенные с помощью блока рекомендаций. Выручка от покупок через блоки, сформированные на новой платформе, выросла на 32% относительно прежних. Всего покупки, полученные благодаря новому сервису, формируют порядка 7% оборота онлайн-канала.

Но прежде чем добиться результата, пришлось попотеть. Сначала у нас был свой алгоритм для формирования блоков рекомендаций. Он собирал много данных. Для этого требовались значительные вычислительные мощности и постоянная поддержка со стороны технических специалистов. Как только добавлялись новые товары (а у нас каждый месяц может появляться 5 – 10 новых моделей только смартфонов, не говоря уже о других категориях), нужно было менять настройки, тестировать их, дорабатывать программный модуль. Естественно, это была большая нагрузка: наши технические специалисты должны были делать эту работу каждый день в режиме реального времени, почти не отвлекаясь на другие задачи.

Мы решили, что так дело не пойдет, и стали искать подрядчика или аутсорсинг. Нашли сервис Smartengine, который смог заменить наши рекомендательные блоки. Потребовалось около трех месяцев настройки для его нормальной работы с учетом большого количества товарных наименований (свыше 11 тысяч) и огромного количества связей между ними. Мы выбрали Smartengine, поскольку на тот момент он был единственным серьезным игроком, чей сервис рекомендаций был протестирован и внедрен у других участников рынка, причем с приемлемыми результатами. Для нас это была возможность снять постоянную нагрузку с программистов и высвободить их для других задач, а также повысить эффективность продаж.

Со временем мы получили предложение от RetailRocket. Начали тестировать и сравнивать результаты со Smartengine. Сервис RetailRocket сразу показал более высокую конверсию и больший средний чек. Однако, поскольку компания Smartengine была нашим первым партнером, мы сначала дали ей возможность усовершенствовать свой алгоритм. Но добиться аналогичных результатов у них не получилось, и мы перешли на RetailRocket.

В итоге при внедрении последней версии платформы использовались две механики рекомендаций от RetailRocket. Первый — сценарий «Рекомендации для товара». Такой алгоритм показывает позиции, которые с максимальной вероятностью заинтересуют пользователя, просматривающего конкретный гаджет в каталоге. Второй — сценарий «Рекомендации для корзины». В этом случае клиенту показывают товарные позиции, которые с максимальной вероятностью могут быть приобретены заодно с покупками, уже находящимися в корзине пользователя.

По результатам тестирования Svyaznoy.ru внедрил еще несколько дополнительных технологий: поисковые рекомендации, бестселлеры внутри товарных категорий и персонализированные email-рассылки. Все это позволило еще больше увеличить эффективность интернет-канала.

Согласно данным RetailRocket, четко выстроенная система рекомендаций позволяет увеличить оборот от внедрения такой коммуникации с покупателем на 10 – 50% в зависимости от сегмента электронной коммерции. Например, в сегменте «Бытовая техника и электроника» рост продаж после внедрения сервиса в среднем составляет 12,7%, в категории «Товары для дома» — 14,1%, а в категории «Одежда и обувь» — около 27%. Показатель «Связного» — рост выручки в 32% — почти в 3 раза выше «средней температуры по больнице». Нам удалось добиться этого благодаря широкому ассортименту товаров в разных ценовых сегментах и сочетанию разных алгоритмов рекомендаций.

Отмечу, что оценивать полезность рекомендательных блоков нужно только комплексно, по всему сайту, так как они могут «каннибализировать» конверсии из других блоков сайта, перетягивая их на себя.