Как увеличить конверсию интернет-магазина с помощью товарных рекомендаций: Кейс Quelle

Смотрите в каталоге
Системы персонализации

Fashion-ритейл — одна из самых разнообразных по ассортименту отраслей e-commerce, где очень высока доля эмоциональных покупок. Это означает, что иногда посетитель сайта просто не в состоянии просмотреть весь ассортимент и найти подходящий товар, а вовремя предложенные рекомендации товаров помогают ему сориентироваться, увеличивая конверсию интернет-магазина. Чем больше интересных для себя товаров видит пользователь, тем больше вероятность совершения покупки, очень важно глубоко проработать внедрение персональных рекомендаций на разных этапах customer journey, от главной страницы до страницы корзины, не забывая учесть особенности каждой из страниц.

Сегодня на примере интернет-магазина Quelle мы рассмотрим, как товарные рекомендации помогают увеличить конверсию на главной странице, странице категории и на странице корзины.

Все исследования эффективности проводились с использованием механики A/B-тестирования на десктопной версии сайта.

Кейс 1. Тестирование эффективности рекомендаций товаров на главной странице

Оптимизацию работы рекомендательной системы в интернет-магазине Quelle.ru начали с исследования эффективности различных алгоритмов рекомендаций на главной странице сайта.

Все посетители сайта случайным образом делились на три сегмента:

  1. Первому сегменту показывались хиты продаж магазина

  1. Второму сегменту показывались персонализированные хиты продаж с учетом интересов пользователей

  1. Третий сегмент был контрольной группой, которой рекомендации не показывались

Результаты

По итогам тестирования были получены следующие результаты:

 

Прирост конверсии

Хиты продаж

+0,65%

Персонализированные хиты продаж

+3,3%

Контрольная группа

Вывод

Согласно результатам тестирования, применение механики «Персонализированные хиты продаж» на главной странице интернет-магазина Quelle.ru увеличивает конверсию посетителей страницы с блоком рекомендаций на 3,3% со статистической значимостью 98,7%.

Кейс 2. Тестирование эффективности рекомендаций товаров на главной странице

По результатам предыдущего теста, мы выявили, что наибольший показатель конверсии у блока «Персонализированные хиты продаж», и на следующем этапе решили выяснить, как повлияет увеличение количества блоков рекомендаций, а также их расположение на главной странице на показатель конверсии.

Исследование эффективности проводилось с использованием механики A/B-тестирования.

Все посетители сайта случайным образом делились на три сегмента:

  1. Первому сегменту показывался блок персонализированных хитов продаж

  1. Второму сегменту показывались персонализированные хиты продаж (сверху) и персональные рекомендации на основе истории взаимодействия с товарами (под первым блоком)

  1. Третьему сегменту показывались персональные рекомендации на основе истории взаимодействия с товарами (сверху) и персонализированные хиты продаж (под первым блоком), т.е. те же блоки, что и второму сегменту, но в обратном порядке.

Результаты

По итогам тестирования были получены следующие результаты:

 

Прирост конверсии

Персонализированные хиты продаж (контрольная группа)

-

Персонализированные хиты продаж (сверху) + Персональные рекомендации на основе истории браузинга (ниже)

-1,8%

Персональные рекомендации на основе истории браузинга (сверху) + Персонализированные хиты продаж (ниже)

-2,6%

Вывод

По результатам проверки этой гипотезы было выявлено, что добавление второго блока рекомендаций на главной странице интернет-магазина Quelle.ru не является эффективным изменением и гипотеза должна быть отвергнута.

Применение механики «Персонализированные хиты продаж» без дополнительных блоков рекомендаций на главной странице интернет-магазина Quelle.ru, является наиболее эффективной конфигурацией.

Полученные выводы еще раз доказывают, что одни и те же механики могут давать различные результаты на различных сайтах и любые значимые изменения следует применять только после детального исследования их влияния на ключевые показатели интернет-магазина, не гонясь бездумно за модными тенденциями.

Кейс 3. Тестирование эффективности рекомендаций товаров на странице категории

Если пользователь зашел на страницу категории, он уже проявляет интерес к группе товаров, а значит, стоит показать ему наиболее интересные для него модели, чтобы помочь сориентироваться в широком ассортименте.

Продолжая работу над оптимизацией рекомендательной системы на сайте интернет-магазина Quelle.ru, мы провели исследование эффективности различных алгоритмов рекомендаций на странице категории магазина.

С помощью механики А/В-тестирования все посетители сайта случайным образом делились на три сегмента:

  1. Первому сегменту показывались хиты продаж из категории

  1. Второму сегменту показывались хиты продаж из категории, персонализированные с учетом интересов пользователя

  1. Третий сегмент был контрольной группой, которому рекомендации не показывались

Результаты

По итогам тестирования были получены следующие результаты:

 

Прирост конверсии

Хиты продаж в категории

+3,5%

Персонализированные хиты продаж в категории

+6,4%

Контрольная группа

-

Вывод

Согласно результатам тестирования, применение механики «Персонализированные хиты продаж в категории» на странице категории интернет-магазина Quelle.ru увеличивает конверсию посетителей страницы с блоком рекомендаций на 6,4% со статистической значимостью 99,96%.

Кейс 4. Тестирование эффективности рекомендаций товаров на странице корзины

Страница корзины — это отличная возможность предложить пользователю сопутствующие товары, дополняющие его выбор. Это поможет увеличить количество позиций в чеке.

Чтобы определить наиболее эффективную конфигурацию рекомендаций на странице корзины интернет-магазина Quelle.ru, было проведено исследование эффективности различных алгоритмов рекомендаций на странице корзины магазина. Исследование эффективности проводилось с использованием механики A/B-тестирования.

Все посетители сайта случайным образом делились на пять сегментов:

  1. Первому сегменту показывались сопутствующие товары, т.е. дополняющие добавленные в корзину модели.

  1. Второму сегменту показывались сопутствующие товары, за исключением товаров из категорий, добавленных в корзину. Это позволяет сделать выдачу более разнообразной, что повышает вероятность добавления сопутствующих товаров в корзину.

  1. Третьему сегменту показывались сопутствующие товары с фильтрацией бестселлеров, т.е. подборка дополнительных товаров, из которой исключались хиты продаж.

  1. Четвертому сегменту показывались рекомендации товаров из категории «Аксессуары»

Результаты

По итогам тестирования были получены следующие результаты:

 

Прирост конверсии

Сопутствующие товары (контрольная группа)

-

Сопутствующие товары из категорий, отличных от категории просматриваемого товара

+0,75%

Сопутствующие товары на основе ассоциативных связей

+0,56%

Рекомендации товаров из категории «Аксессуары»

+5,8%

Вывод

Согласно результатам тестирования, применение механики «Сопутствующие товары из „аксессуарных“ категорий» на странице корзины интернет-магазина Quelle.ru увеличивает конверсию посетителей страницы с блоком рекомендаций на 5,8% со статистической значимостью 99%.

Таким образом, чтобы понять, какой алгоритм рекомендаций сработает эффективнее в каждом конкретном случае необходимо постоянно проводить тестирование разных механик и их вариантов.

Комментарий Quelle

Андрей Осокин, Директор по маркетингу Quelle/Otto

Конкуренция в fashion становится все жестче и перед ритейлерами встаёт вопрос — бороться за место под солнцем, снижая цены, убивая тем самым маржу или сфокусироваться на повышении эффективности, отвоевывая процент за процентом, сохраняя хорошую рентабельность. Мы идем именно этим путём. Каждый 1% роста конверсии ключевых страниц магазина дает общий, ощутимый прирост выручки. Это особенно актуально при текущей стоимости входящего трафика. В лице команды Retail Rocket мы видим не просто подрядчика, а единомышленников и больших профессионалов своего дела.

Компании и сервисы: Retail Rocket
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