Как увеличить выручку интернет-магазина за счет конфигурирования стратегии мерчендайзинга: кейс магазина BUTIK.
Помимо hi-end технологий в области рекомендательных систем, клиенты Retail Rocket получают и экспертизу нашей команды. После внедрения платформы к каждому проекту подключается команда аналитиков, которая постоянно работает над максимизацией эффективности рекомендательной системы и повышением продаж интернет-магазина за счет регулярного проведения АБ-тестов различных версий алгоритмов, позиционирования и внешнего вида блоков, тонких настроек системы и других аспектов, которые влияют на показатели конверсии и выручки онлайн-ритейлеров.
Магазин BUTIK., один из лидеров отечественного рынка eCommerce в сегменте fashion, уже убедился в эффективности рекомендательной системы, получив рост продаж на 27% после внедрения Retail Rocket. Но работа наших специалистов после внедрения постоянно продолжается, и сегодня мы поделимся результатами тонкой настройки блоков рекомендаций на странице категории, в карточке товара и в корзине интернет-магазина.
Сколько рекомендательных блоков стоит показывать, чтобы максимально увеличить конверсию, и какие рекомендации приносят наибольший результат? Ответ, как всегда, выясняем опытным путем — проведением АБ-тестирований.
Кейс 1. Конфигурирование рекомендаций товаров на странице категории магазина BUTIK.
Чтобы облегчить покупателю выбор товаров среди широкого ассортимента, интернет-магазины используют различные алгоритмы рекомендаций, показывая самые интересные для него товары в отдельных блоках «Вам может понравится», «Хиты продаж» и т.д. . На страницах категорий это, как правило, самые популярные товары из категории или персональные рекомендации товаров из категории на основе интересов, истории просмотров и покупок и других сведений о пользователе.
В рамках оптимизации работы рекомендательной системы на сайте магазина BUTIK. было проведено тестирование эффективности нескольких алгоритмов рекомендаций на странице категории магазина.
Исследование эффективности проводилось с использованием механики A/B-тестирования, когда все посетители сайта случайным образом делились на два сегмента:
1. Первому сегменту показывались хиты продаж магазина из категории. Этот сегмент был контрольной группой.
2. Второму сегменту показывались персонализированные хиты продаж из категории
Результаты:
|
|
Прирост конверсии |
Изменение среднего чека |
Оценка увеличения выручки |
|---|---|---|---|
|
Хиты продаж из категории (Контрольная группа) |
— |
— |
— |
|
Персонализированные хиты продаж из категории |
+6,92% |
-0,58% |
+6,35% |
По итогам тестирования, применение механики «Персонализированные хиты продаж из категории» в блоке рекомендаций на странице категории сайта магазина BUTIK. увеличивает конверсию на 6,92% со статистической значимостью 97,9% по сравнению с базовым сегментом «Хиты продаж». Несмотря на незначительное снижение среднего чека, увеличение конверсии на 6,92% принесет магазину увеличение выручки на 6,35%.
Кейс 2. Конфигурирование рекомендаций в карточке товара на сайте магазина BUTIK.
В карточке товара на сайте магазина BUTIK. расположены два блока рекомендаций одновременно: похожие товары и сопутствующие товары.
Часто встречается мнение, что два блока рекомендаций показывают лучшие результаты, чем один, но иногда уменьшение количества блоков показывает более высокую конверсию, помогая пользователю сосредоточиться.
В некоторых случаях, именно два блока показывают наилучшие результаты, как в случае с интернет-магазином Toy.ru, но каждая сфера и интернет-магазин уникальны, поэтому верный вариант всегда нужно выявлять посредством тестирования.
Чтобы определить наиболее эффективную конфигурацию рекомендаций в карточке товара на сайте магазина BUTIK., было проведено исследование эффективности различных алгоритмов рекомендаций с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на четыре сегмента:
1. Первому сегменту показывались похожие товары
2. Второму сегменту показывались сопутствующие товары
3. Третьему сегменту показывались два блока одновременно: похожие товары (сверху) и сопутствующие товары (под блоком с похожими товарами)
4. Четвертому сегменту показывались два блока одновременно: сопутствующие товары товары (сверху) и похожие товары (под блоком с сопутствующими товарами)
Результаты:
|
|
Прирост конверсии |
Изменение среднего чека |
Оценка увеличения выручки |
|---|---|---|---|
|
Похожие товары |
4,22% |
-1,34% |
+2,88% |
|
Сопутствующие товары |
+0,66% |
+0,10% |
+0,76% |
|
Два блока одновременно: похожие товары и сопутствующие товары (под блоком похожим). Контрольная группа |
— |
— |
— |
|
Два блока одновременно: сопутствующие товары и похожие товары (под блоком сопутствующих). |
-2,37% |
-0,55% |
-2,92% |
По итогам тестирования блок «Похожие товары» показал наибольшую эффективность и позволил магазину BUTIK. увеличить конверсию на 4,22%. Несмотря на незначительное уменьшение среднего чека, это позволит интернет-магазину увеличить выручку на 2,88%.
Кейс 3. Конфигурирование рекомендаций на странице корзины магазина BUTIK.
На странице корзины крайне важно, не отвлекать пользователя от покупки и при этом по возможности увеличить средний чек. Поэтому к рекомендациям на этой странице нужно подходить с особенной аккуратностью.
Как правило, на странице корзины наилучший результат приносят блоки сопутствующих товаров или аксессуарных категорий. Например, в случае с интернет-магазином Quelle, наилучший результат на странице корзины показал блок с рекомендациями аксессуаров.
В рамках оптимизации системы рекомендаций на странице корзины на сайте магазина BUTIK. мы протестировали несколько алгоритмов. Исследование эффективности проводилось посредством АБ-тестирования, когда все посетители сайта делились на несколько сегментов:
1. Первому сегменту показывались сопутствующие товары
2. Второму сегменту показывались сопутствующие товары из категорий, отличных от категории просматриваемого товара
3. Третьему сегменту показывались сопутствующие товары из «аксессуарных» категорий
Результаты:
|
|
Прирост конверсии |
Изменение среднего чека |
Оценка увеличения выручки |
|---|---|---|---|
|
Сопутствующие товары (Контрольная группа) |
— |
— |
— |
|
Сопутствующие товары из категорий, отличных от категории просматриваемого товара |
+1,12% |
-3,03% |
-1,90% |
|
Сопутствующие товары из «аксессуарных» категорий |
-4,67% |
-2,90% |
-7,58% |
По итогам тестирования, наилучший результат на странице корзины сайта магазина BUTIK. показала механика «Сопутствующие товары». Это еще раз доказывает, что блоки рекомендаций, которые Retail Rocket советует устанавливать для различных страниц в качестве базовых, являются проверенными временем вариантами, которые показывают наилучшие результаты. Проводить тестирования необходимо, поскольку каждый магазин уникален и поведение пользователей может отличаться, но благодаря большому опыту, в том числе в сфере fashion-ритейла, Retail Rocket выбирает наиболее эффективные конфигурации для каждой страницы.
Заключение
Постоянные улучшения алгоритмов рекомендаций и тестирование новых механик — неотъемлемая часть работы по увеличению эффективности интернет-магазина, поэтому наши Growth Hacker’ы уделяют так много внимания каждой странице сайта. Retail Rocket — это не только рекомендательная система, но и экспертиза команды аналитиков, которая занимается итеративной оптимизацией, постоянно увеличивая эффективность блоков рекомендаций на всех страницах интернет-магазина.
Комментарий BUTIK.:
С командой Retail Rocket мы работаем уже несколько лет и очень довольны результатом сотрудничества. Специалисты компании никогда не останавливаются на достигнутом и постоянно предлагают идеи по повышению эффективности товарных рекомендаций на сайте BUTIK., которые помогают нам и увеличивать выручку компании.
Седова Лилия, контент-менеджер компании BUTIK.
