Персонализация интернет-магазина: практические кейсы и взор в будущее | SEO кейсы: социалки, реклама, инструкция

Рынок электронной торговли сильно перегрет. Отыскать нишу, где можнож стать доходным лишь за счет опции performance-инструментов фактически невероятно. Чтоб двигаться далее, надобно решить две задачки: опять выучиться созидать жителя нашей планеты на той стороне экрана и удовлетворять его потребности.

Мы не узрели, как наши покупатели перевоплотился в когорты и куки, не понимаем, как жестко ведем себя: врываемся в персональное место и заваливаем не непрерывно подходящей информацией.

В Quelle мы издавна сообразили, что выйти на последующий уровень эффективности можнож лишь заного взаимодействуя с покупателем – становясь полезными, работая на доверие и разговаривая на одном языке. Так трендовое слово «персонализация» закрепилось в каждодневных рабочих разговорах.

В базе персонализации лежит глубочайшее понимание потребителя. Мы отыскиваем способности придти к нему в самый пригодный момент с лучшим, решающим его трудности предложением. Персонализация закончила быть роскошью. Она нужна и доступна.

Данные как база персонализации

Фундаментный монолит для персонализации – данные о юзере. В заключительные годы возникло настолько не мало маркетинговых каналов, что и получаемых от их данных стало в разы больше.

У нас возникла задачка – отыскать инструмент, который дозволил бы не попросту собирать все данные о юзере в один профиль, но выстроить на их базе полноценную омниканальную персонализацию. И желанно работающую в режиме настоящего медли.

Мы перебрали различные композиции знаменитых решений, но складывалось воспоминание, что каждое из их имеет значительные ограничения. К примеру, CRM-система бережёт данные лишь о идентифицированных покупателях. В ней нет инфы по неизвестным юзерам и нет интеграции с наружней средой. Тег-менеджмент системы дозволяют отслеживать поведение людеи на саите и отправлять данные в посторонние системы, но не берегут их. К тому же, ручная настройка каждого сервиса через теги просит много медли. Не разговариваю теснее о посторониих DMP и костыльных хранилищах на серверах.

В итоге мы выстроили всю систему работы с данными на базе Customer Data Platform(CDP). Таковая платформа подключается к сайту через единичный API и дозволяет собирать данные в единичном формате из безусловно всех источников в Google BigQuery. Основное – мы можем в настоящем медли отправлять нужные для персонализации данные в маркетинговые каналы и сервисы.

Когда мы разобрались со сбором данных и платформой, возникли ответы на вопросцы: кто наш юзер, что он отыскивал на сайте, что его смутило, почему не покупал.

Люди не однообразные. Один покупал бы и без скидки, но запутался в формах чекаута и психанул. Иной не сообразил, есть ли доставка в Мытищи либо нет. Кто-то вообщем заходит на сайт 5-ый разов в месяц, глядит один и этот же продукт и очевидно ждёт акций.

Благодаря CDP мы с каждым из их можем выстроить персонализированную коммуникацию на сайте и в рекламе.

Персонализация на сайте: посодействовать приобретать тем, кто теснее пришел в магазин

Фактически все выучились делать комфортные сайты и понятные интерфейсы. Но в среднем по базару конверсия не превосходит 1%. Другими словами из сотки человек, пришедших на сайт, приобретает в лучшем случае один.

Наша задачка – увеличивать конверсию и приводить к покупке тех, кто по различным причинам оказался посреди воронки. Заинтересованы, но еще не покупали. Таковых юзеров порядка 50%.

В Quelle сиим занималась CRM-команда. Не считая постоянного анализа поведенческих данных, ребята также работали с обратной связью от кол-центра. Так появлялись инсайты, под любой из которых разрабатывалась предполагаемое решение – догадка. Мы тестировали гипотезы и в случае фуррора запускали кампанию на всех юзеров, которые водят себя идентично.

Осмотрим, как это работает.

1. Мы проанализировали данные и узрели, что каждый месяц у нас набирается порядка 30 000 человек, которые непрерывно заходят на сайт(наиболее 3-х разов в месяц), но так не приобретают. По нашим догадкам, очень высок барьер первой покупки.

Из опыта мы знаем, что преодолевать сходственные барьеры подсобляет финансовая мотивация. Конкретно потому в нашу бизнес-модель зашита продвинутая скидочная система. Неувязка в том, что юзер, которому скидка нужна для принятия решения, не непрерывно впору ее видит. Мы решили это поправить.

Предложение скидки на первую покупку для сектора, которому скидка нужна для принятия решения

Для прыткой проверки гипотезы запустили подходящий A/B-тест на платформе персонализации. Половине сектора мы демонстрировали наше предложение, иной половине – нет.

Опыт продолжался 22 дня, и за это время через него прошли наиболее 21 000 человек. Прирост конверсии составил 12%.

2. Иной инсайт нашли благодаря обратной связи. Оказывается, фактически все покупатели высказывают недовольство либо досаду, потому что увлекались продуктом не успели приобретать его: закончился на складе. Лишь представьте даму, которая в течение недельки каждый день глядит на сайте одну и ту же курточку, выучила все фото и размеры, в конце концов, осмелилась на покупку, но продукта больше нет в наличии. Окончательно, она позвонит и произнесет нам, что мыслит благодаря чему предлогу.

Мы решили поглядеть, сколько жителей нашей планеты водят себя на сайте схожим образом. Узнали, что их порядка 65 000 в месяц.

Чтоб понизить негатив и убыстрить принятие решения по товарам, количество которых на складе ограничено, мы решили прямо на карточке извещать юзеру, что продукт быстро закончится. В отличие от бессчетных магазинов, которые демонстрируют сходственное известие всем подряд, мы вправду используем в сходственных кампаниях информацию о складских остатках.

Известие о не большом количестве продукта на складе

A/B-тест набрал статистическую значимость за 13 дней. Конверсия возросла на 8%.

3. Всю воронку проходят люди, которые вправду желают приобретать. Они пришли на сайт, выучили каталог и карточку продукта, ознакомились с критериями оплаты и доставки, заполнили все формы. Но мы видим, что 22 000 человек в месяц уходят с заключительного шага – доказательство заказа – с чеком наиболее 3000 рублей. Срабатывает классическое колебание в заключительный момент: может, я делаю ошибку не стоит приобретать.

Эти люди очень мотивированы приобретать прямо на данный момент, и надобно лишь щепетильно подтолкнуть их к заключительному шагу. Для этого мы опять делаем упор на индивидуальной скидке и показываем ее необходимым юзерам в пригодный момент.

Предложение скидки для сектора, который покидает сайт на чекауте

На чекауте таковая кампания прирастила конверсию еще на 4%.

Персонализация в маркетинговых каналах

Поведенческие данные могут веско повысить эффективность не совсем лишь на сайте, но и в иных маркетинговых каналах.

Представим, что человек все-же уходит с чекаута, оставляя корзину с высочайшим чеком. Намерение покупки было настолько высочайшим, что имеет смысл возвращать юзера. Традиционно это делают с поддержкою рассылки. CDP же дозволяет в настоящем медли выслать подходящий сектор во все маркетинговые каналы.

Стратегии коммуникации могут быть различными. Очередной пример. Мы проанализировали данные о покупках и выделили два сектора юзеров. 1-ые приобретают много продуктов со скидками, а 2-ые фактически непрерывно пренебрегают скидки и приобретают новинки.

Когда юзер оказывается на сайте, система в настоящем медли описывает его принадлежность к одному из частей по данным характеристикам. Мы отправляем данные о этом юзере в маркетинговые каналы. К примеру, в социальные сети, ретаргетинг либо контекст. Любителям скидок показываем известия о скидках. Тем, кто предпочитает новинки, рассказываем о новейших коллекциях.

Сходственные стратегии дозволяют выстроить персонализированную коммуникацию с юзером за пределами сайта и работают эффективнее обычных таргетингов маркетинговых систем.

Машинка vs Человек: кто будет отвечать за персонализацию в будущем

Продвинутый уровень персонализации связан с машинным обучением. Система учится на великих данных и сама описывает, кто с высочайшей вероятностью станет покупателем и на ком бюджет лучше сэкономить.

Человек не в состоянии соперничать с машинкой в скорости и размерах обработки данных. И в ближнем будущем мы придем к глубочайшей автоматизации. Но есть вещи, которые, на мой взор, машинка не может знать.

Я непрерывно был убежден, что в рассылках работает лишь ценовое превосходство. Казалось бы: благовидное платьице, малая стоимость – приобретай прямо в письме. Опыт показал, что юзер на этом шаге мгновенно отваливается. Ежели же стоимость не указана, он переходит из письма на сайт и там приобретает. Самостоятельно друг от друга таковой тест запустили мы и наши партнеры по email-рассылкам. Итог получили схожий.

В иной разов мы поставили в триггеры фото служащих интернет-магазина. Представьте: дамские трусики, а рядом моя фото, должность и реплика «Ваш выбор мне нравится больше!». Вышло забавно, а конверсия у этого креатива оказалась в два раза выше обыкновенной.

Как машинка выдумает такие гипотезы?Может ли она решать трудные поведенческие задачки?К примеру, заблаговременно рассчитать чокнутый спрос на спиннеры. Либо предугадать, что все побегут в магазины за платьицем с дыркой на священнике как у Ким Кардашьян.

С данной ролью управится лишь человек. Он будет отвечать за стратегию, изъяснять поведение жителей нашей планеты – собственных покупателей – и выстраивать с ими человеческие взаимоотношения. Машинки посодействуют делать это живо и с наибольшей точностью.