Кейс персонализации Allsoft.ru: рост выручки на 17%

E-pepper.ru от 12 апреля

Для рынка лицензионного программного обеспечения характерно наличие огромного количества товарных позиций в каталоге любого крупного дистрибьютора. Ассортимент исчисляется несколькими тысячами SKU. Управление таким широким каталогом с множеством товарных категорий/подкатегорий сегодня уже сложно представить без применения современных технологий интеллектуального мерчендайзинга и персонализации, которые способны строить релевантную товарную выборку на основе данных о потребительском опыте.

Определить эффективность товарных рекомендаций на сайте интернет-магазина Allsoft.ru за счет интеграции с внешней платформой было решено через проведение А/Б-тестирования. Вся аудитория сайта случайным образом в реальном времени делилась на равные сегменты. Одному сегменту показывались товарные рекомендации системы Retail Rocket, другому – собственные рекомендации интернет-магазина. Идентификатор каждого сегмента посетителей передавался в систему Google Analytics.

Результаты пост-тест анализа

По данным Google Analytics, в тесте приняли участие порядка 210 000 пользователей в период с 1 октября по 30 ноября 2015 года. В рамках пост-тест анализа исследовалось влияние рекомендательной системы на эффективность desktop-версии сайта (100% трафика интернет-магазина).

Согласно полученным данным, рекомендательная система дает рост среднего чека на 13.3%, конверсии на 3.2% в абсолютных числах, в выручке рост на 17%. В долгосрочной перспективе это даст еще больший рост продаж, так как помимо роста выручки бизнес получает еще больше новых клиентов, которые будут совершать повторные покупки.

Сценарии рекомендаций

Интернет-магазин Allsoft.ru на время теста использовал 3 из 18 доступных в платформе сценариев рекомендаций:

Главная страница

На главной странице была задействована механика «Персональные рекомендации», где с помощью специального алгоритма анализа интересов и поведения пользователя демонстрируются товары, которые наиболее интересны именно тому человеку, который их просматривает.

Карточка товара

На странице карточки товара была задействована механика «Похожие товары в наличии». Блок установлен в нижней части страниц и рекомендует пользователям альтернативы из товаров, которые в данный момент можно купить в магазине. Механика помогает большей доле посетителей сайта найти предложения, которые их с наибольшей вероятностью заинтересуют.

Результаты внутреннего поиска

Для результатов внутреннего поиска была задействована механика «Поисковые рекомендации». Блок рекомендаций содержит товары, максимально подходящие к ключевой фразе, которую пользователь запросил через внутренний поиск по сайту. Показ поисковых рекомендаций особенно актуален, когда по поисковому запросу отсутствуют какие-либо результаты системы поиска. В качестве примера продемонстрированы результаты поиска по запросу, в котором пользователь допустил ошибку, не переключив раскладку клавиатуры (rfcgthcrbq = касперский):

«Наше сотрудничество с Retail Rocket началось в июне 2014 года с установки блоков рекомендаций на сайте. Наш стандартный движок рекомендаций удивлял своими предложениями, а в нескольких ключевых местах размещения блоки рекомендаций до этого мы вовсе не использовали. В результате мы не только увеличили конверсию посещений и количество позиций в заказе, но и обнаружили неиспользуемый потенциал сайта, настроили точность собираемой статистики, прокачались в проведении АБ-тестов. Рекомендую попробовать сервис, вы можете узнать много интересного о заказах и пользователях своего сайта и подружиться с профессионалами своего дела», – прокомментировал Илья Клестов, интернет-маркетолог Allsoft.ru.