В современном бизнесе, особенно в сфере e-commerce, конкуренция высока как никогда. Чтобы выделиться, необходимо не просто предлагать качественный продукт, но и создавать персонализированный опыт для каждого клиента. Одним из эффективных инструментов для достижения этой цели являются рекомендательные системы. В этой статье мы расскажем о реальном кейсе внедрения рекомендательных механик, который позволил компании увеличить доход и улучшить взаимодействие с пользователями.

Проблема: ручное управление и упущенные возможности

До внедрения рекомендательной системы, компания столкнулась с рядом проблем, которые негативно сказывались на продажах и удовлетворенности клиентов:

•   Отсутствие управляемого инструмента для повышения среднего чека. Не было возможности целенаправленно предлагать клиентам сопутствующие товары или более дорогие аналоги, чтобы увеличить сумму покупки.
•   Неактуальная информация в блоке “Новинки”. Блок заполнялся вручную, что приводило к тому, что в нем отображались устаревшие товары, неинтересные для пользователей.
•   Невозможность замены товара, отсутствующего в наличии. Если товара не было на складе, клиенту не предлагались альтернативные варианты, что приводило к потере потенциальных продаж.
•   Низкая эффективность поиска. Пользователи часто не могли найти нужный товар через поиск, что было связано в том числе с некорректным отображением товарных остатков.

В итоге, компания теряла прибыль и не могла в полной мере удовлетворить потребности своих клиентов.

Цель: автоматизация рекомендаций и рост продаж

Перед командой была поставлена задача: внедрить автоматизированную систему рекомендаций, которая позволила бы:

•    Повысить доход канала e-commerce на 4% от общего товарооборота.
•   Увеличить средний чек до 10% за счет предложения сопутствующих товаров и более дорогих аналогов.
•   Увеличить показатель “Чек / Вещь” на 10% за счет внедрения upsale рекомендаций на основе категорий и анализа поведения клиентов.

Для достижения этих целей было решено интегрировать платформу автоматизации маркетинга, которая предоставляет доступ к алгоритмам машинного обучения для формирования персонализированных рекомендаций.

Решение: внедрение рекомендательных механик

В рамках проекта были реализованы следующие рекомендательные механики:

•   Хиты продаж: Самые популярные товары из категорий, которые интересны покупателю. Рекомендации основаны на просмотрах, истории покупок, запросах и добавлении в корзину. Размещаются на главной странице и странице 404.
•   Персональные рекомендации: Товары, которые интересны конкретному покупателю. Основаны на индивидуальных предпочтениях, истории поведения, предыдущих покупках и других данных. Размещаются на главной странице, странице 404 и в карточке товара.
•   Самые популярные в категории: Товары из той же категории, которые часто смотрят и покупают. Размещаются в карточке товара.
•   Вы недавно смотрели: Последние просмотренные товары. Размещаются в карточке товара.
•   Неперсонализированные товарные рекомендации: Новинки или товары из распродажи. Размещаются в карточке товара.
•   Популярные товары в категории: Самые популярные товары в выбранной категории. Размещаются на странице категории.
•   Сопутствующие товары (Upsale): Товары, которыми покупатель может дополнить свой заказ. Размещаются в корзине и карточке товара.

Каждая из этих механик настраивается и управляется через платформу. Менеджер по продукту сайта имеет возможность выбирать сегменты клиентов, сегменты товаров, исторический период для анализа данных и другие параметры.

Бизнес-процесс управления рекомендательными механиками

Процесс управления рекомендательными механиками состоит из нескольких этапов:

1.  Настройка тестовой РМ. Менеджер по продукту настраивает тестовую рекомендательную механику, выбирая необходимые параметры и сегменты.

2.  Передача требований на размещение тестовой РМ в отдел разработки. Менеджер передает требования на размещение блоков рекомендаций на сайте, указывая место размещения и политику отображения.

3.  Размещение тестовых блоков РМ на сайте. Отдел разработки размещает блоки рекомендаций в виде виджетов согласно требованиям.

4.  Анализ результатов работы РМ. Собирается статистика о работе рекомендательной механики. Менеджер по продукту сайта анализирует эту статистику и вносит коррективы в настройки, если необходимо.

5.  Расширение интеграции (при необходимости). Если для работы рекомендаций требуется расширение товарного фида, отдел разработки добавляет в него новые атрибуты товаров из SAP Hibris.

6.  Перенастраивание РМ. После расширения товарного фида менеджер по продукту сайта вносит изменения в настройки рекомендательной механики.

7.  Передача требований на размещение постоянной РМ в отдел разработки. Менеджер передает требования на размещение блоков рекомендаций через API.

8.  Размещение постоянных блоков РМ на сайте. Отдел разработки размещает блоки рекомендаций согласно требованиям.

Результаты внедрения

Внедрение рекомендательных систем позволило компании достичь следующих результатов:

•   Увеличение дохода канала e-commerce. Автоматизированные рекомендации позволили генерировать дополнительную выручку за счет увеличения среднего чека и количества покупок.
•   Повышение среднего чека. Предложение сопутствующих товаров и более дорогих аналогов привело к увеличению суммы каждой покупки.
•   Улучшение клиентского опыта. Персонализированные рекомендации помогли клиентам находить нужные товары и получать более релевантные предложения.
•   Оптимизация работы с товарными остатками. Предложение альтернативных товаров при отсутствии основного товара на складе позволило сохранить потенциальные продажи.
•   Повышение эффективности поиска. Рекомендации в результатах поиска помогли пользователям быстрее находить нужные товары.

Ключевые выводы

Внедрение рекомендательных систем – это эффективный способ увеличить продажи, повысить лояльность клиентов и улучшить их опыт взаимодействия с вашим брендом. Однако, для достижения максимальных результатов необходимо:

•   Тщательно проанализировать потребности своей аудитории и выбрать наиболее подходящие типы рекомендательных механик.
•   Обеспечить качественную интеграцию с платформой рекомендаций и другими ИТ-системами.
•   Постоянно анализировать результаты работы рекомендаций и вносить коррективы в настройки.

Наши услуги

Наша компания предоставляет полный спектр услуг по внедрению и сопровождению рекомендательных систем. Мы поможем вам:

•   Провести предпроектное обследование и определить оптимальную стратегию внедрения.
•   Разработать функциональные требования к системе рекомендаций.
•   Выбрать и интегрировать подходящую платформу.
•   Настроить и управлять рекомендательными механиками.
•   Обучить ваш персонал работе с системой.
•   Провести аудит для выявления узких мест и оптимизации работы системы.

Мы предлагаем аутсорсинг ИТ-систем, услуги по управлению проектами, бизнес-анализ и ИТ-системы аутсорсинг. Вы можете нанять бизнес-аналитика или привлечение специалиста для реализации IT проекта. Мы оказываем консультационные услуги и проводим ритейл-аудит, помогая вам оптимизировать бизнес-процессы. Наши эксперты и senior специалисты готовы руководить проектами и обеспечить сопровождение на всех этапах.

Почему стоит выбрать нас?

•   Опыт. Мы имеем богатый опыт внедрения рекомендательных систем в различных отраслях.
•   Компетентность. Наша команда состоит из высококвалифицированных специалистов в области бизнес-анализа, разработки и управления проектами.
•   Индивидуальный подход. Мы разрабатываем решения, которые полностью соответствуют потребностям вашего бизнеса.
•   Конкурентная цена. Мы предлагаем оптимальное соотношение цены и качества наших услуг.

Свяжитесь с нами сегодня, чтобы узнать больше о том, как рекомендательные системы могут помочь вашему бизнесу расти и развиваться! Наши менеджер проекта и администратор проекта помогут вам в закупке необходимых решений. Мы предлагаем оптимизацию процессов и гарантируем высокое качество наших услуг. Наши услуги по аудиту помогут вам выявить возможности для улучшения.