Что важнее при оптимизации сайта? Diginetica рассказывает, как заработать на поведенческих факторах. 

Представьте себе крупнейшую российскую онлайн-платформу нового поколения:  мультикатегорийный ассортимент, место в тройке лидеров Forbes по обороту, единственная на рынке электронной торговли логистическая инфраструктура и ускоренные темпы роста. Что ещё нужно, правда? А теперь представьте, что есть потенциал бизнесу развиваться ещё масштабнее, а выручке - расти ещё быстрее. Прежде чем начать скептически улыбаться, взгляните на историю наших партнёров.

Юлмарт – это команда высококлассных специалистов и отличных менеджеров. Федеральная интернет-компания, которая непрерывно развивается в сегменте eCommerce и важным драйвером роста для себя считает новые технологии. На этой почве сложился наш масштабный проект по персонализации и дружба с Юлмартом. 

Первые в персонализации

Мы предложили Юлмарту стать первыми в России, кто персонализирует выдачу товаров на листинговых страницах каталога. После детальной оценки продукта и потенциала, они приняли решение о его внедрении в пилотном режиме. Юлмарт поставил нам и себе амбициозную задачу: максимально увеличить выручку за счет использования поведенческих факторов при построении выдачи товаров в каталоге.

В основу решения мы положили гипотезу, что сортировка товаров в каталоге влияет на выручку сильнее, чем рекомендательные блоки. Каталог – это первый и самый важный элемент навигации пользователя по сайту.

“До начала внедрения и мы, и команда Юлмарта понимали, что оптимизация и внедрение продукта для персонализации листинговых страниц даст результат практически сразу, учитывая посещаемость страниц категорий и трафик Юлмарта. Именно поэтому первичный фокус был дан на оптимизацию сортировки” - говорит Антон Коробков, директор по бизнес-решениям компании Diginetica.

Немного науки

Согласно нашим исследованиям, около 70% пользователей в процессе совершения покупки посещают страницу категорий. При этом через рекомендательные блоки на остальных страницах сайта проходит всего 30-40% клиентов. Этот показатель зависит как от количества блоков, так и от их расположения на пути покупателя по онлайн-магазину. Этот факт легко иллюстрируется статистикой кликов до совершения покупки.

Аналитика проводилась командой по анализу данных Diginetica среди российских и международных ритейлеров. В исследовании использовали набор обобщенных (сэмплированных) данных.

Страница категорий товаров (или каталог) – своеобразный перекресток, на который неизбежно попадают все пользователи. Поэтому мы решили сконцентрироваться на построении персонального каталога для каждого клиента. Сегодня большинство ритейлеров использует классический подход к сортировке товаров по популярности: за основу принимается статистика покупок плюс определенные бизнес-требования. Требованиями могут выступать, например, недельная оборачиваемость товаров или нахождение в матрице core-ассортимента. Мы уважаем классику, но всё же решили усовершенствовать подход – учитывать поведение покупателей в реальном времени.

Весь процесс строится на продукте RichRelevance Discover, который формирует персонализированную выдачу в каталоге на основе глобальных и персональных рангов в реальном времени. В основу продукта положена проприетарная технология, учитывающая покупки, просмотры, интерес к бренду, цвет, ценовой квантиль предпочтений, бизнес-задачи и многие другие факторы одновременно.

До запуска теста на сайте онлайн-магазина, продукт позволяет симулировать товарную выдачу в различных условиях, на основе накопленных исторических данных. Вместе с командой Юлмарта мы составили 6 конфигураций сортировки, запустили тест, в котором на каждую из конфигураций было выделено по 15% трафика. По итогам теста мы получили чёткую картину того, какие факторы в каких категориях влияют наилучшим образом на показатель RPS (выручка на сессию). Из этого набора сформировалась окончательная конфигурация, и мы пустили её в соревнование с текущей выдачей Юлмарта.

Больше оптимизации!

На этом мы не остановились: если можно оптимизировать работу первого элемента навигации, то почему не взяться сразу за ещё один и получить ещё больший результат?
Следующим шагом для оптимизации на пути клиента по сайту были выбраны блоки рекомендаций. Классический подход к рекомендациям заключается в выводе одного блока с одной, максимум несколькими механиками выдачи, построенной по заранее выбранной ритейлером логике (cross-sell, сопутствующие товары, похожие товары). Мы же, вместе с Юлмартом, применили другой подход: с помощью продукта Recommend из линейки RichRelevance мы даём клиенту несколько различных контекстов, позволяя выбрать товар из необходимой ему категории.

По сути каждый клиент сам рассказывает нам, что ему рекомендовать. Каждый раз, находясь на сайте и просматривая категории товаров, пользователи показывают все аспекты своих интересов. Накопленный покупательский опыт используется для выбора контекста и построения рекомендательных блоков с помощью механизма King of the Hill (KOTH). Это технология принятия решений RichRelevance, которая по соревновательному принципу выбирает наиболее актуальный контент для каждого пользователя в режиме реального времени. Возможности RichRelevance позволяют тестировать разные контексты и подбирать наиболее работающие сценарии, тем самым эффективно определять потребности клиентов, грамотно генерировать выдачу и увеличивать в конечном итоге вероятность покупки.

Команда Юлмарта запустила множество блоков для создания разных контекстов, что позволило обеспечить максимально полный опыт для клиента. Наши коллеги сфокусировались не только на технической стороне вопроса, но и особенно ответственно подошли вместе с нами к смысловой части. Вместе с ними мы старались подобрать понятные заголовки к блокам рекомендаций, которые дают однозначное представление о том, почему именно этот товар присутствует в выдаче.

В результате мы провели несколько совместных А/В-тестов по оптимизации, которые позволили увеличить эффект от выдачи рекомендаций на 30%.

“Специалисты компании Diginetica, используя возможности платформы RichRelevance, предложили простую и прозрачную методологию оценки факторов, влияющих на RPS, которую мы впоследствии неоднократно использовали при проведении внутренних тестов для принятия управленческих решений по модификации категорийной сортировки и блоков рекомендаций” - добавляет Светлана Кутуева, руководитель направления.

Победные цифры.

Итак, за 2016 год нам вместе с Юлмартом удалось увеличить суммарный объем выкупленной выручки более, чем на 800 миллионов рублей.

Кстати, заслугу команды Юлмарта в успехе всего проекта трудно переоценить. Команда работала в режиме жестких временных ограничений и четко следовала нашим рекомендациям. Корректировки Юлмарта в соответствии с бизнес-целями помогли нам качественно выстроить работу обоих продуктов - Discover и Recommend: тонко настроить правила и подобрать сценарии для эффективной выдачи.

Следующим большим шагом в персонализации страниц каталога станет учёт маржинальности, конкурентоспособности и эластичности спроса, а также баланс этих параметров с предпочтениями пользователей. В целом, наши планы можно смело назвать грандиозными - мы намерены выйти на уровень персонализации всего регионального контента, обеспечить работы омни- и онлайн-триггеров и многое, многое другое. Мы помогаем Юлмарту двигаться к своей глобальной цели – быть игроком №1 на рынке онлайн ритейла в России.

“Компания Diginetica доказала эффективность от платформы RichRelevance для нашего бизнеса, что позволяет нам говорить о дальнейшем развитии плодотворного сотрудничества с командой, и ставить всё более амбициозные и интересные бизнес-задачи в будущем” - резюмирует Игорь Кузьменко, директор управления продукта и продаж "Плейсы и купоны".