Персонализация интернет-магазина: практические кейсы и взгляд в будущее

Базар электронной торговли сильно перегрет. Найти нишу, идеже можно стать прибыльным только за счет настройки performance-инструментов на деле невозможно. Чтобы двигаться дальше, надо решить двум задачи: снова научиться видеть человека по ту сторону экрана и помирится на чем его потребности.

Мы не заметили, как наши клиентура. Ant. продавцы превратились в когорты и куки, и не осознаем, как борзо ведем себя: врываемся в персональное пространство и заваливаем без- всегда нужной информацией.

В Quelle мы давно поняли, какими судьбами выйти на следующий уровень эффективности можно токмо по-новому взаимодействуя с покупателем – становясь полезными, работая для доверие и говоря на одном языке. Так трендовое дисфемизм «персонализация» закрепилось в ежедневных рабочих диалогах.

В основе персонализации лежит глубокое познавание потребителя. Мы ищем возможности прийти к нему в самый благоприятный момент с лучшим, решающим его проблемы предложением. Персонализация перестала водиться роскошью. Она необходима и доступна.

Данные как основа персонализации

Становой хребет для персонализации – данные о пользователе. В последние годы появилось яко много маркетинговых каналов, что и получаемых от них данных получается в разы больше.

У нас появилась задача – найти инструментарий, который позволил бы не просто собирать весь век данные о пользователе в один профиль, но выстроить нате их основе полноценную омниканальную персонализацию. И желательно работающую в режиме реального времени.

Автор перебрали разные комбинации известных решений, но складывалось звучание, что каждое из них имеет существенные ограничения. А именно, CRM-система хранит данные только об идентифицированных покупателях. В ней в отлучке информации по анонимным пользователям и нет интеграции с внешней средой. Тег-руководство системы позволяют отслеживать поведение людей на сайте и посылать данные в сторонние системы, но не хранят их. К тому а, ручная настройка каждого сервиса через теги требует отбою) времени. Не говорю уже о сторонних DMP и костыльных хранилищах получай серверах.

В итоге мы построили всю систему работы с данными нате базе Customer Data Platform (CDP). Такая платформа подключается к сайту чрез единый API и позволяет собирать данные в едином формате изо абсолютно всех источников в Google BigQuery. Главное – наша сестра можем в реальном времени отправлять нужные для персонализации информация в рекламные каналы и сервисы.

Когда мы разобрались со сбором данных и платформой, появились ответы получи вопросы: кто наш пользователь, что он искал держи сайте, что его смутило, почему не купил.

Народище не одинаковые. Один купил бы и без скидки, а запутался в формах чекаута и психанул. Другой не понял, лопать ли доставка в Мытищи или нет. Кто-ведь вообще заходит на сайт пятый раз из-за месяц, смотрит один и тот же товар и самоочевидно ждёт акций.

Благодаря CDP мы с каждым из них можем соорудить персонализированную коммуникацию на сайте и в рекламе.

Персонализация получи и распишись сайте: помочь купить тем, кто уже пришел в зоомагазин

Почти все научились делать удобные сайты и понятные интерфейсы. При всем том в среднем по рынку конверсия не превышает 1%. Ведь есть из сотни человек, пришедших на сайт, покупает в лучшем случае Вотан.

Наша задача – повышать конверсию и приводить к покупке тех, который по разным причинам оказался в середине воронки. Заинтересованы, однако еще не купили. Таких пользователей порядка 50%.

В Quelle сим занималась CRM-команда. Кроме регулярного анализа поведенческих данных, ребята и работали с обратной связью от кол-центра. Таким (образом появлялись инсайты, под каждый из которых разрабатывалась предполагаемое уступка – гипотеза. Мы тестировали гипотезы и в случае успеха запускали кампанию возьми всех пользователей, которые ведут себя идентично.

Рассмотрим, что это работает.

1. Мы проанализировали данные и увидели, что-нибудь каждый месяц у нас набирается порядка 30 000 член (партии), которые постоянно заходят на сайт (более трех как-то раз в месяц), но так и не покупают. По нашим предположениям, излишне высок барьер первой покупки.

Из опыта автор знаем, что преодолевать подобные барьеры помогает финансовая мотивация. Вот то-то и оно поэтому в нашу бизнес-модель зашита продвинутая скидочная строй. Проблема в том, что пользователь, которому скидка нужна с целью принятия решения, не всегда вовремя ее видит. Наша сестра решили это исправить.

Предложение скидки на первую покупку с целью сегмента, которому скидка необходима для принятия решения

Угоду кому) быстрой проверки гипотезы запустили соответствующий A/B-тест получи платформе персонализации. Половине сегмента мы показывали наше инициатива, другой половине – нет.

Эксперимент длился 22 дня, и по (по грибы) это время через него прошли более 21 000 засранец. Прирост конверсии составил 12%.

2. Другой инсайт обнаружили по причине обратной связи. Оказывается, многие покупатели высказывают волнения или досаду, потому что интересовались товаром и без- успели купить его: закончился на складе. Единственно представьте девушку, которая в течение недели каждый денек смотрит на сайте одну и ту же курточку, изучила безвыездно фото и размеры, наконец, решилась на покупку, только товара больше нет в наличии. Конечно, она позвонит и скажет нам, который думает по этому поводу.

Мы решили всмотреться, сколько людей ведут себя на сайте похожим образом. Выяснили, как их порядка 65 000 в месяц.

Чтобы снизить негр и ускорить принятие решения по товарам, количество которых держи складе ограничено, мы решили прямо на карточке уведомлять пользователю, что товар скоро закончится. В отличие через многочисленных магазинов, которые показывают подобное сообщение по всем статьям подряд, мы действительно используем в подобных кампаниях информацию о складских остатках.

Известие об ограниченном количестве товара на складе

A/B-испытание набрал статистическую значимость за 13 дней. Преобразование увеличилась на 8%.

3. Всю воронку проходят люди, которые подлинно хотят купить. Они пришли на сайт, изучили ассортимент и карточку товара, ознакомились с условиями оплаты и доставки, заполнили повально формы. Однако мы видим, что 22 000 двуногий в месяц уходят с последнего этапа – подтверждение заказа – с чеком сильнее 3000 рублей. Срабатывает классическое сомнение в последний побудь на месте: может, я делаю ошибку и не стоит покупать.

Сии люди максимально мотивированы купить прямо сейчас, и надлежит лишь аккуратно подтолкнуть их к последнему шагу. С целью этого мы снова делаем акцент на персональной скидке и показываем ее нужным пользователям в надлежащий момент.

Предложение скидки для сегмента, который покидает сайт бери чекауте

На чекауте такая кампания увеличила конверсию паки (и паки) на 4%.

Персонализация в рекламных каналах

Поведенческие данные могут намного повысить эффективность не только на сайте, так и в других рекламных каналах.

Представим, что человек постоянно-таки уходит с чекаута, оставляя корзину с высоким чеком. Желание покупки было столь высоким, что имеет коннотация вернуть пользователя. Обычно это делают с помощью рассылки. CDP а позволяет в реальном времени отправить соответствующий сегмент изумительный все рекламные каналы.

Стратегии коммуникации могут взяться разными. Еще один пример. Мы проанализировали способности о покупках и выделили два сегмента пользователей. Первые покупают отбою) товаров со скидками, а вторые почти всегда игнорируют скидки и покупают новинки.

Когда-нибудь пользователь оказывается на сайте, система в реальном времени определяет его особенность к одному из сегментов по заданным параметрам. Автор этих строк отправляем данные об этом пользователе в рекламные каналы. Примерно сказать, в социальные сети, ретаргетинг или контекст. Любителям скидок показываем сведения о скидках. Тем, кто предпочитает новинки, рассказываем о новых коллекциях.

Подобные стратегии позволяют развернуть персонализированную коммуникацию с пользователем за пределами сайта и работают эффективнее стандартных таргетингов рекламных систем.

Установка vs Человек: кто будет отвечать за персонализацию в будущем

Досланный уровень персонализации связан с машинным обучением. Система обучается держи больших данных и сама определяет, кто с высокой вероятностью горазд покупателем и на ком бюджет лучше сэкономить.

Индивидуальность не в состоянии конкурировать с машиной в скорости и объемах обработки данных. И в ближайшем будущем я придем к глубокой автоматизации. Однако есть вещи, которые, в мой взгляд, машина не может знать.

Я веков) был убежден, что в рассылках работает только ценовое гандикап. Казалось бы: красивое платье, низкая цена – покупай напрямки в письме. Эксперимент показал, что пользователь на этом шаге в одно мгновение отваливается. Если же цена не указана, симпатия переходит из письма на сайт и там покупает. Самостоятельно друг от друга такой тест запустили ты да я и наши партнеры по email-рассылкам. Результат получили похожий.

В другой раз мы поставили в триггеры фото сотрудников инет-магазина. Представьте: женские трусики, а рядом моя отпечаток, должность и реплика «Ваш выбор мне нравится с хвостиком!». Получилось смешно, а конверсия у этого креатива оказалась в пара раза выше обычной.

Как машина придумает такие гипотезы? Может ли симпатия решать сложные поведенческие задачи? Например, заранее составить план сумасшедший спрос на спиннеры. Или предугадать, который все побегут в магазины за платьем с дыркой сверху попе как у Ким Кардашьян.

С этой ролью справится единственно человек. Он будет отвечать за стратегию, осмысливать поведение людей – своих покупателей – и выстраивать с ними человеческие отношение. Машины помогут делать это быстро и с максимальной точностью. 

Источник: www.seonews.ru