Как рекомендации в карточке товара помогли интернет-магазину Toy.ru увеличить конверсию на 5%

Смотрите в каталоге
Системы персонализации

Персональные товарные рекомендации на сайте интернет-магазина приносят дополнительные продажи и помогают увеличить средний чек, но лишь малая часть онлайн-ритейлеров уделяет внимание настройке этих блоков после интеграции рекомендательной системы.

У нас в Retail Rocket есть целый отдел Growth Hacker’ов которые подключаются к работе над повышением эффективности блоков товарных рекомендаций после базовой настройки системы. Они проводят АБ-тестирования различных вариантов расположения блоков, их количества, используемых алгоритмов, визуальных элементов, заголовков, call to action и прочих нюансов, которым обычно не уделяют внимания. Такая тонкая поэтапная настройка позволяет получить максимальный результат от персонализации на каждой странице сайта.

Мы уже писали о том, как персональные рекомендации помогают увеличить эффективность разных страниц интернет-магазина, а сегодня мы расскажем о том, как проводилось итеративное тестирование блоков товарных рекомендаций в карточке товара интернет-магазина Toy.ru, и как это позволило увеличить конверсию интернет-магазина на 5%.

Все исследования эффективности проводились с использованием механики A/B-тестирования, когда покупатели делятся на равные сегменты, каждый из которых видит свой вариант рекомендательных блоков, все остальные элементы сайта неизменны.

Кейс 1. Тестирование влияния рекомендаций в карточке товара интернет-магазина Toy.ru

Посетитель, который просматривает карточку товара, уже близок к принятию решения о покупке, поэтому главная задача рекомендаций в этом случае — показать ему другие предложения интернет-магазина, не отвлекая излишним выбором, чтобы либо мотивировать совершить более дорогую покупку, либо увеличить средний чек с помощью сопутствующих товаров.

До карточки товара доходит около 20% пользователей, но поскольку это уже довольно сильно мотивированные к покупке пользователи, важно убедиться, что товарные рекомендации на этой странице не отвлекают их от покупки. Поэтому на первом этапе мы тестировали эффективность наличия блока рекомендаций.

Все посетители сайта случайным образом делились на два сегмента:

  • Первый сегмент был контрольной группой, где рекомендации не показывались.
  • Второму сегменту показывались похожие товары над описанием просматриваемого пользователем товара:

 

Результаты:

 

Прирост конверсии

Увеличение среднего чека

Без рекомендаций

Рекомендации похожих товаров

+5%

+4,2%

Согласно результатам тестирования, применение механики «Похожие товары» в блоке рекомендаций над описанием просматриваемого пользователем товара интернет-магазина Toy.ru увеличивает конверсию на 5% со статистической значимостью 82% и средний чек на 4,2% со статистической значимостью 95%.

Кейс 2. Тестирование эффективности рекомендаций товаров в карточке товара интернет-магазина Toy.ru

После того, как был доказан положительный эффект от внедрения блоков персональных товарных рекомендаций в карточку товара, мы начали тестирование различных механик, количества и расположения блоков.

Все посетители сайта случайным образом делились на 5 сегментов:

  1. Первому сегменту показывались похожие товары над описанием товара — алгоритм, выигравший в первом тесте.
  2. Второму сегменту показывались два блока одновременно: похожие товары (сверху, над описанием товара) и сопутствующие товары (внизу, под описанием товара)

  1. Третьему сегменту показывались два блока одновременно: сопутствующие товары (сверху, над описанием товара) и похожие товары (внизу, под описанием товара)

  1. Четвертому сегменту показывались два блока одновременно, и оба под описанием товара: похожие товары (сразу под описанием) и сопутствующие товары (ниже, под блоком похожих товаров)
  1. Пятому сегменту показывались два блока одновременно, и оба под описанием товара: сопутствующие товары (сразу под описанием) и похожие товары (ниже, под блоком сопутствующих товаров)

Результаты:

 

Прирост конверсии

Похожие товары (Контрольная группа)

Похожие товары над описанием товара и сопутствующие товары под описанием

+1,35%

Сопутствующие товары над описанием товара и похожие товары под описанием

+3,47%

Похожие товары под описанием товара и сопутствующие товары под похожими

+3,0%

Сопутствующие товары под описанием товара и похожие товары под сопутствующими

+4,63%

По результатам тестирования несколько вариантов блоков рекомендаций («Сопутствующие товары над описанием товара и похожие товары под описанием», «Похожие товары под описанием товара и сопутствующие товары под похожими» и «Сопутствующие товары под описанием товара и похожие товары под сопутствующими») показали близкие показатели прироста конверсии по сравнению с блоком «Похожие товары»: +3,47%, +3% и +4,63% соответственно.

Поэтому следующим тестом мы должны выявить наиболее эффективную механику из этих трех.

Кейс 3. Тестирование эффективности рекомендаций в карточке товара интернет-магазина Toy.ru

Поскольку по итогам второго теста было выявлено три варианта расположения блоков с близкими показателями конверсии, поэтому на третьем этапе тестирования эффективности рекомендаций на странице карточки товара интернет-магазина мы сосредоточились на выборе самого конверсионного варианта из них. Распределив весь трафик на три сегмента, мы смогли получить больше данных и определить вариант-победитель.

  1. Первому сегменту показывались два блока одновременно: сопутствующие товары (сверху, над описанием товара) и похожие товары (внизу, под описанием товара)
  2. Второму сегменту показывались два блока одновременно, и оба под описанием товара: похожие товары (сразу под описанием) и сопутствующие товары (ниже, под блоком похожих товаров)
  3. Третьему сегменту показывались два блока одновременно, и оба под описанием товара: сопутствующие товары (сразу под описанием) и похожие товары (ниже, под блоком сопутствующих товаров)

Результаты:

 

Прирост конверсии

Сопутствующие товары над описанием товара и похожие товары под описанием

Похожие товары под описанием товара и сопутствующие товары под похожими

Сопутствующие товары под описанием товара и похожие товары под сопутствующими

+3,3%

По итогам тестирования наилучший результат показала механика «Сопутствующие товары под описанием товара и похожие товары под сопутствующими» — по сравнению с другими вариантами расположения, она обеспечила рост конверсии на 3,3% со статистической значимостью 90,3%.

Таким образом благодаря тонкой итеративной настройке мы смогли выявить наиболее успешные алгоритмы рекомендаций, количество и расположение блоков в карточке товара, которые имеет наибольшую конверсию, и следовательно, помогут интернет-магазину Toy.ru увеличить выручку.

Комментарий Toy.ru

Евсеев Алексей, Заместитель руководителя интернет-проектов:

«Спасибо команде RetailRocket за проведенную работу. Благодаря внедрению блоков сопутствующих и похожих товаров мы получили рост среднего чека и конверсии в заказы. Система очень помогла в трансляции похожих товаров на карточках товаров, которых нет в наличии в конкретном регионе.

Машинное обучение позволило снять нагрузку по формированию рекомендаций и сопутствующих товаров с отдела товарной аналитики, при этом подмешивать важные товары в рекомендательные блоки при необходимости.

Но на этом наши тесты с командой RetailRocket не останавливаются, мы продолжаем улучшать показатели».

Компании и сервисы: Retail Rocket, Toy.ru
Автор: Светлана Золотар

Подписаться на новости

Читайте также

3 декабря / Комментарии

Имэйлы, соцсети, сайт и ещё 4 способа напомнить клиентам о программе лояльности

Покупатели перестают участвовать в программах лояльности по разным причинам. Кто-то находит более выгодные предложения у конкурентов, кто-то — новый любимый бренд, но бывает и так, что клиенты просто забывают о существовании поощрений, мотивирующих их совершать повторные покупки. Эксперты приложения «Кошелёк» узнали, как подогреть интерес клиентов к программе лояльности.

далее →

19 ноября / Комментарии

Как автоматизировать email-маркетинг и получать +58 млн в год

Для многих директ-маркетинг — один из главных каналов продаж. При этом большую часть такой коммуникации можно автоматизировать: например, рассылки-напоминания о незавершенных заказах, уведомления о новых поступлениях, реактивационные рассылки и многое другое.

далее →

7 ноября / Комментарии

Зачем бренду собственное сообщество? Подборка успешных кейсов

Современные ритейлеры собирают вокруг своих брендов сообщества покупателей (brand community). Основная миссия таких сообществ — предоставить клиентам возможность общаться с любимым брендом и друг с другом. Эксперты приложения «Кошелёк» рассказали, какие задачи ритейлеры решают с помощью сообществ, и собрали подборку успешных кейсов брендов.

далее →

23 октября / Комментарии

Как интернет-магазину не терять клиентов из-за оформления заказа: история OZON.ru

Некоторые интернет-магазины продолжают отпугивать покупателей многостраничным оформлением заказа. Давайте разберемся, как перестать терять клиентов, готовых к покупке.

далее →

22 октября / Комментарии

Как с нуля собрать «теплую» базу подписчиков

Маркетологи не устают называть email наиболее выгодным каналом коммуникации. Но что делать, если базы для рассылок пока нет и отправлять письма попросту некому? Как не спугнуть потенциальных клиентов? Как их привлечь и «разогреть» интерес так, чтобы в итоге человеку захотелось добровольно отдать вам свой электронный адрес? Давайте разбираться.

далее →

X
Нажмите «Нравится»,
чтобы читать Shopolog.ru в Facebook