"Если пользователь принял решение о покупке, его нельзя отвлекать"

31.03.2015

Каждый владелец интернет-магазина ищет новые способы повышения конверсии, увеличения среднего чека и маржи. Сегодня мы поговорим о том, как правильно организовать кросс-продажи с помощью сервисов товарных рекомендаций и увеличить эффективность магазина с минимальными затратами с Николаем Хлебинским, сооснователем сервиса торговых рекомендаций Retail Rocket.

Николай Хлебинский, генеральный директор сервиса товарных рекомендаций Retail Rocket. Полную версию интервью слушайте на официальном сайте подкаста «Setup.ru — Как раскрутить бизнес в интернете».

Недавно в интернете я наткнулся на твою фразу о том, что можно сделать Amazon из любого сайта. Можешь прокомментировать? Как вообще работают дополнительные продажи и почему выгодно использовать сервисы товарных рекомендаций вроде Retail Rocket?

Около 70% интерфейса Amazon отдано под различные блоки товарных рекомендаций. Это лучшее доказательство эффективности такого подхода. У нас есть сценарий рекомендаций для всех возможных типов страниц. Для Главной, страниц категорий, карточки товара, отсутствующего товара, страницы результатов поиска, Корзины, для действия добавления в Корзину и т. д.

В чем выгода? За счет чего сервис товарных рекомендаций побуждает совершить дополнительную покупку? Отличаются ли чем-то рекомендации на перечисленных тобой страницах?

Почему нужно использовать различные подходы к автоматизации рекомендаций? Ответ на этот вопрос — средний чек. Чем больше товаров мы продвигаем покупателю в Корзине, тем выше доход интернет-магазина. В McDonald’s вам всегда предложат дополнительно пирожок, или картошку. Рекомендации дают эффект и в конверсии интернет-магазина. Наряду с текстовым поиском блоки с рекомендованными товарами предлагают посетителям альтернативный способ навигации по сайту. Большая доля посетителей быстрее находит нужный товар, что и повышает конверсию.

Есть косвенный бонус в SEO. Наши A/B-тесты показывают, что практически во всех случаях размещение рекомендаций на сайте повышает среднюю глубину просмотра и продолжительность сессии. Это поведенческие факторы, и влияние на них окажет положительное действие на ранжирование сайтов в поисковых системах.

А если владелец интернет-магазина утверждает, что сам может рекомендовать товары: к стиральной машине порошок или средство от накипи, к телевизору средство для протирки экрана и т. д. Зачем использовать внешние сервисы?

Я доволен, что есть люди, которые так говорят. 2 года назад, когда мы начинали, нам говорили, что это ерунда. Сегодня это уже стандарт. Свой подход к формированию рекомендаций обязателен для любого интернет-магазина. Все, с кем мы начинаем работать, спрашивают, чем мы лучше, нежели решение, которое можно построить сейчас же «на коленке». Ни одна автоматизированная система построения рекомендаций не построит связь между товарами так же хорошо, как это может сделать опытный product-менеджер. Единственная проблема — это занимает много времени. Какие-то товары появляются, какие-то уходят, эти связи надо постоянно обновлять. По нашим оценкам на каждые 3000 позиций нужна одна фултайм-роль. Это затратно с точки зрения времени и ресурсов. Мы делаем уникальное предложение каждому пользователю. Здесь вступают ограничения даже не ресурсные, а инженерные. Мы формируем товарные рекомендации для большей части Рунета в реальном времени. Для этого решено много инженерных и программистских задач.

Возьмем интернет-магазин «средней руки», в котором около 10 тыс. товарных позиций. Посещаемость в день — 15 тыс. человек. В среднем 1 человек делает 4–5 действий, на основе которых можно выстраивать поведенческие рекомендации. От 15 тыс. людей мы получим 50–60 тыс. событий в сутки. Эту информацию нужно собрать и где-то хранить. Для базы данных 50 тыс. строк — это не страшно, но через год это будет 50 тыс., умноженные на 365. Затем эти данные нужно регулярно обрабатывать и обсчитывать. Есть готовые решения, но все они основываются на очень примитивных механиках. Сервис, который занимается товарными рекомендациями на уровне Retail Rocket, обходит по эффективности стандартные решения.

Не встречалось ли в практике такого, чтобы посетитель интернет-магазин увидел блок предложенных товаров, начал по ним «ходить» и потерялся? Как вернуть покупателя в Корзину, если он очень долго ходит по дополнительным товарам?

Товарные рекомендации — это инструмент, который нужно правильно применять. Нет идеального рецепта для всех. Добавление в листинг сортировки товаров по цене, подключение онлайн-чата и т. п. Любой функционал, не только рекомендации, нужно добавлять после A/B-тестов. Действие может добавить эффективности или понизить ее.

В нашей практике такие случаи были. Когда мы только начинали, одним из первых клиентов был довольно крупный книжный интернет-магазин. Основная аудитория — профессиональные покупатели, те, кто покупают книги для перепродажи, в библиотеки. Они отличаются от обычной аудитории. Когда мы поставили в карточку товара блок с рекомендациями, провели A/B-тест, то увидели, что продажи понизились. Очень долго разбирались и пришли к выводу, что профессиональная аудитория покупает, не заходя в карточку товара. Они покупают, ходя по страницам товарных категорий, добавляя товар в Корзину прямо оттуда. До карточки товара доходит меньшая часть аудитории, непрофессиональная. За счет отвлечения этой части аудитории, продажи понизились. Мы добавили блок рекомендации на событие добавления товара в Корзину. После внедрения такой механики рекомендаций в этом магазине продажи увеличились более чем на 50%. Этот всплывающий виджет доступен в нашем интерфейсе.

То есть всплывающие окна работают, если их умело применить?

Человек добавляет товар в Корзину и видит всплывающее окошко: «Вы добавили этот товар в Корзину» и рекомендации, рядом кнопка «Вернуться к покупкам» и кнопка «Перейти к оформлению заказа». Плюс чуть ниже есть еще один ряд товаров, которые могут заинтересовать. Из этого блока можно добавить товар в Корзину. Если это произойдет, то блок перезагрузится, а рекомендации изменятся. Этот процесс бесконечен.

А есть общие правила к оформлению блока товарных рекомендаций, чтобы посетитель интернет-магазина понял, что это забота о нем, а не попытка «впарить» что-нибудь лишнее?

Этот блок должно быть очень просто закрыть. Однажды мы заметили, что продажи проседают в срезах аудитории с небольшим разрешением экрана. Это пользователи нетбуков и небольших ноутбуков. Мы достали такой ноутбук, посмотрели на окно и поняли, что крестик, который закрывает всплывающее окошко, выходит за пределы активной области браузера. То есть закрыть окно «нельзя было», что и раздражало людей. Сделали простую доработку, и теперь этот блок не появляется на экране, если разрешение не позволяет вместить его полностью.

Второй момент. Когда видно, что пользователь принял решение о покупке, его нельзя отвлекать. Если человек добавил в Корзину ноутбук, другие показывать не надо. Он может засомневаться в своем решении, «провалиться» в карточку альтернативного ноутбука и отвлечься от процесса покупки. Поэтому только сопутствующие товары, аксессуары и т. д.

Работают ли продающие триггеры в блоках товарных рекомендаций? Например, специальная цена, ограниченное количество товара, или дисконт за покупку товара? Вы тестировали это?

Неплохо само по себе работает формирование комплектов товаров без дополнительной скидки. Если у вас есть возможность продавать товары комплектами, попробуйте расставить товары, не давая скидку за покупку комплекта. Такое предложение нужно хорошо просчитывать, чтобы не уйти в минус и не порушить экономику магазина.

Играет роль и то, как это предложение представлено. Визуальное оформление блока, сообщения, объяснение для пользователя, почему ему этот блок показан. Самый простой вариант — это социальное доказательство. Я люблю приводить пример из книги Роберта Чалдини «Психология влияния»: если человек будет идти по улице, поднимет голову и будет смотреть в небо, никто из прохожих этого не заметит, а если семь человек будут смотреть, то все, кто проходит, тоже будут пытаться высмотреть что-то. Самое популярное название блока рекомендаций: «Люди, похожие на вас», «Люди, купившие это, выбирают еще…». Это триггер социального доказательства. Есть другая сторона, когда объяснение идет с точки зрения экспертной позиции. Это актуально для fashion-индустрии, когда говорят, что специалисты подобрали эти товары.

У нас есть условное разделение: 70% — это аналитика и data science. То, чем мы занимаемся. 30% успеха — это маркетинг. В нашей практике есть кейс, когда мы около трех месяцев дорабатывали наши алгоритмы и получили 10% роста в продажах. Ирония в том, что после этого изменения менеджер интернет-магазина, который с нами взаимодействовал, немного изменил заголовок блока, его дизайн и местоположение. Средний чек увеличился на 30%. Поле для креатива очень большое.

Ты упомянул комплекты товаров. В одном популярном магазине в комплекте к фотоаппарату предлагали самую дорогую сумку для него. Кто составляет эти комплекты: ваш сервис или интернет-магазины?

Практика показывает, что формирование комплектов можно провести автоматически. Потом их лучше модерировать вручную. Не всегда то, что предлагается к совместной покупке роботом, составляет комплект. Например, в комплект к варочной плите, мы бы хотели продать духовой шкаф. Система же считает, что лучшим предложение допродажи будет являться сковородка. Это не совсем тот комплект, который ожидает увидеть интернет-магазин.

Что ты можешь сказать об отложенных кросс-продажах? Вы этим занимаетесь? Как это работает?

У нас есть целый ряд продуктов, которые выявляют и прогнозируют потребности людей. Не фактические, а расчетные. Есть первые положительные результаты. Это нужно для повышения доли повторных продаж и повышения коэффициента удержания покупателей. Мало кто оперирует такими цифрами. Из того, что мы видим, в среднем 20% покупателей интернет-магазина совершают больше одной покупки. Это значит, что 80% в этот магазин никогда больше не придут. Это печально, т. к. маркетинговая стоимость повторного привлечения клиента в 7 раз меньше, чем того, кто пришел впервые. Каждый владелец интернет-магазина, который нас слушает, может прикинуть среднюю стоимость — 300, 500 или 1000 рублей. Потом разделите эту цифру на 7. Прикиньте, как будет работать ваша экономика с теми, кто у вас уже покупал.

А почему на 7? Если покупатель оставил e-mail, я пошлю ему бесплатно рассылку.

Бесплатного ничего не бывает. Во-первых, вы заплатите за сервис, который делает рассылку. Вы отправите 10 тыс. писем, CPM на 1000 писем — 150 рублей. Из этих 10 тыс. у вас будет 30% open-rate, 10% click rate. Из них еще 2% конверсии. Мы получим X заказов. Это уже не копейки. Также есть специалист, который верстал рассылку. Люди, которые хотят снова что-то купить, идут также на «Яндекс.Маркет». Там смотрят, например, фотоаппарат, и список магазинов, где есть эта модель. В понравившемся магазине покупатель заказывает фотоаппарат. Магазин заплатил за этот клик, хотя он в этом магазине раньше покупал. Повторные покупки не бесплатны, но значительно дешевле.

С помощью чего можно повторно «достать» покупателей?

Во-первых, это хороший сервис. Если дать человеку больше, чем он ожидает, он вернется. Во-вторых, программы лояльности, бонусы. В-третьих, бренд. Если инвестировать в узнаваемость, нас будут выбирать. Возвращаясь к «Яндекс.Маркету» и выбору магазина: покупатель готов переплатить 100–200 рублей, но купить в крупном магазине. И, конечно же, коммуникация с клиентом. Здесь есть место для анализа данных. Нужно понять, когда с человеком вступить в коммуникацию и какое предложение ему сделать.

Как это устроено у нас? Мы анализируем цепочки заказов одних и тех же пользователей в рамках интернет-магазина, выявляем статистически значимые цепочки. Дальше каждый пользователь, который оформляет заказ, попадает в одно из звеньев. В прогноз мы ставим следующие звенья цепочки. Мы примерно представляем, когда у него может возникнуть потребность и когда вступить с ним в коммуникацию.

Как вступать в коммуникацию? Использовать все доступные интернет-магазину каналы: сайт, электронная почта (письма начинают работать, когда добавлена небольшая скидка), SMS-уведомления, push-сообщения в мобильном приложении. Вплоть до того, что мы готовы «дергать» IP какой-нибудь CRM интернет-магазина, когда оператор простаивает, у него появлялось предложение позвонить конкретному человеку и предложить товар.

Правда ли, что товары показываются посетителю персонально?

По умолчанию на нижнем уровне строятся связи вида «товар-товар» или «товар-категория». Одни и те же товарные рекомендации показываются разным пользователям. Без этого никуда. Если вы загляните в свой Google Analytics, то увидите, что от 30 до 50% пользователей — это новые посетители сайта. Не зная человека, мы не можем сформировать для него персональное предложение, а показать что-то надо.

Следующий момент связан с персонализацией и персональными рекомендациями. Здесь есть целый набор механик, которые позволяют характеристик пользователей (интересов, действий на сайте, географическом положении, погоды и др.) показывать предложения специально для него.

Многие покупают товары по телефону: выбирают в интернет-магазине товар и потом звонят в call-центры. Покупатель заказывает основной товар и конкретные дополнительные, а у оператора call-центра этот список может быть совсем другой. Что делать?

В этом случае вопрос не совсем к рекомендательной системе. Здесь ответ будет — диктовать артикул. Если есть задача синхронизировать историю действий покупателя, чтобы отобразить те же рекомендации для оператора, есть механики call-трекинга, где показываются коды, которые нужно продиктовать.

Помимо вашего, есть и другие сервисы товарных рекомендаций. Какой выбрать в самом начале?

Обращайте внимание на наш сервис! (смеется). Нужно понимать, чем они отличаются. Я бы предложил со всеми пообщаться, слушать, как себя позиционируют. В России оперирует, наверное, десяток разных компаний, которые предлагают такие услуги. Все это делают по-разному и за разные деньги, разные результаты. У нас есть система Enterprise — cотни тысяч евро и полтора года на внедрение. Это топ-200 интернет-магазинов. Есть бесплатные модули для CMS-системы, которые смотрят повторные продажи или рекомендуют случайные товары. Нужно понять, чего ожидать. Естественно, надо смотреть на функциональность, потому что у большинства сервисов не будет того, что есть у лидеров. Придется использовать два сервиса.

Большая часть нашей аудитории — начинающие бизнесмены. Не слишком ли дорого будет для них использовать такие сервисы. Сколько стоит для небольшого магазина использование вашего сервиса?

Мы идем по пути, отличному от всех: с маленького бизнеса деньги не берем. Маленький интернет-магазин — это до 250 заказов в месяц через сайт, т. е. меньше 10 заказов в сутки. В этом случае магазин подпадает под бесплатный тариф. На нем доступна ограниченная функциональность. Что получить все, надо заплатить 1700 рублей в месяц через «Робокассу».

Своими силами сделать сервис рекомендаций тяжело. Надо оперировать большим объемом данных, как ты говорил. Но вдруг кто-то попытается. Даете ли вы собранные данные владельцам магазинов?

Ни одного такого запроса за годы работы к нам не поступало. Слабо себе это представляю. Они собираются в формате, который пригоден для нашей архитектуры. Иначе воспроизвести не получится. У нас около 60 серверов, которые в разное время оперируют этими данными.

Делать самим или отдавать на аутсорс? Здесь, как и с любой технологией или экспертизой. В долгосрочной перспективе стратегически важно наращивать экспертизу внутри компании. Если вы большая компания, ни от кого не зависеть критично для выживания. Для малого бизнеса это нерешаемая задача. Аутсорсить нужно все, что можно. Кроме стратегии и финансов. Технологии можно быстро подключить и быстро отказаться от них. Использование будет гораздо дешевле, чем разработка чего-то хотя бы отдаленно напоминающего. Мы это отдадим дешевле, потому что продадим еще сотне других клиентов.

Я подумал, если получить связки товаров и сопутствующих им…

Это можно! Я подумал, что речь идет о данных с поведением людей.

Если получить связки, будет ли это работать через 2 месяца или все это регулярно меняется?

Это вопрос к каждому конкретному магазину. Товарные базы обновляются. В зависимости от товарной категории средняя оборачиваемость составляет 6–8 месяцев. В одежде гораздо меньше. Например, пришла коллекция, и за 4 месяца ее продали. В электронике побольше. Модель телефона живет примерно год. Что-то будет актуально 6–8 месяцев, но при этом в день будет добавляться несколько новых позиций. Рекомендаций по ним не будет. Товары имеют свойство выходить и стока. Мы отдаем каждому товару 20 рекомендаций. Если топ-5 позиций выйдет из стока, то что тогда будет рекомендоваться?

Поэтому стоит использовать внешний сервис, который всегда актуален?

Вопрос был о том, можно ли выгрузить данные и сколько они потом будут актуальны. Несколько дней будут. Одна из ключевых метрик для рекомендательной системы — это покрытие. Она отражает количество товаров и стока магазина, по которым есть рекомендации. С каждым днем метрика будет линейно уменьшаться. Если по умолчанию покрытие товарной базы 99,9%, то после отключения начнется линейное уменьшение экономического эффекта от рекомендаций.

Беседовал Алексей Пучков, руководитель Setup.ru

Для интернет-маркетологов и предпринимателей — подписывайтесь на еженедельную бесплатную рассылку о создании и раскрутке сайтов Setup.ru.

Полный текст статьи читайте на CMS Magazine