7 алгоритмов товарных рекомендаций, которые увеличивают отдачу рекламы
Исследование эффективности внедрения принципов мерчендайзинга в онлайн-магазине для увеличения ROI рекламных инвестиций, а также конверсии продаж.
Авторы исследования: REES46
Если вы знаете, что такое персональные товарные рекомендации, то можете пропустить введение и перейти сразу к результатам исследования.
Ежедневная боль владельца интернет-магазина — это вложения в рекламу — в контекст, в баннеры, в партнерки, в SEO-оптимизацию. Хорошо, когда эти вложения явным образом «отбиваются» в заказы, и на счете становится больше, чем было вчера. Эффективность любого рекламного канала меряется ROI — показателем возврата на вложенный капитал. Чем больше ROI, тем больше возвращается средств в расчете на потраченный рубль. На ROI рекламных каналов сильно влияет конверсия сайта (доля посетителей, которые совершили покупку), так как все вложения владельца магазина «отбиваются» в конечном счете за счет состоявшихся продаж. Для оптимизации затрат можно постоянно пробовать разные рекламные каналы, а можно один раз поработать с конверсией сайта. В этой статье мы поговорим об одном из методов, который помогает поднять конверсию, за счет чего способствует увеличению отдачи инвестиций в рекламу.
Мерчандайзинг Все мы постоянно ходим в обычные магазины, где уже привыкли, что все товары раскладывают так, чтобы было удобно сориентироваться, подойти и взять; что все выглядит красиво и вкусно, а перед кассой рука по пути к кошельку так и тянется схватить шоколадку для ребенка или какую-нибудь нужную мелочь. Так и в онлайне — разработана технология, отвечающая за то, чтобы весь ассортимент товаров интернет-магазина был представлен максимально грамотно. Это — онлайн-мерчандайзинг.
Товарные рекомендации — это дополнительные блоки на сайте интернет-магазина, в которых демонстрируются товары, рекомендованные посетителю магазином по определенному алгоритму. Например, на карточке товара могут быть рекомендации сопутствующих или похожих товаров, а на странице категории могут быть рекомендации наиболее популярных товаров в данной категории.
Задачи онлайн-мерчандайзинга заключаются в том, чтобы посетитель:
купил как можно больше наименований товара;
купил товаров на возможно большую сумму;
остался доволен покупками и возвращался в магазин еще.
Подобно привычному мерчандайзингу в офлайн-магазинах, для удобства покупателей и достижения магазином целей, описанных выше, большое значение имеют:
грамотное оформление главной страницы магазина (витрины);
зонирование торгового пространства (удобный каталог и навигация);
принципы выкладки товара, в том числе и кросс-категорийной;
расположение и оформление промо-предложений (акций).
Часть этих моментов реализуется за счет продуманного дизайна, когда вся витрина, насыщенная роскошными фото, заманчивыми ценниками и яркими баннерами, идеально увязывается с понятной и логичной навигационной панелью. Однако, пионеры интернет-торговли, начиная с amazon.com и ebay.com, и заканчивая отечественными гигантами ozon.ru, wikimart.ru и другими, однажды заметили, что все покупатели — разные. Одна и та же акция, одна и та же выкладка на витрине никогда не будет идеальной — то есть, не будет работать для всех.
«Умный» мерчандайзинг Тогда было решено в качестве эксперимента делить посетителей на группы (таргетинг). Таким образом, пользователи из одной категории (например, мужчины среднего возраста из Саратова) могли видеть свой набор акций и свой вариант выкладки на витрине, наиболее релевантный для их потенциальных интересов. Такой принцип удобен, понятен, алгоритмически описателен, и по сей день обширно применяется в самых разнообразных сферах. Однако, можно пойти дальше, разбивая группы на еще более мелкие, в перспективе — до атомов (группы по одному человеку). Этот предел называется персонализацией. Его достижение возможно при наличии довольно серьезных вычислительных мощностей, а также возможности собирать и накапливать широкий спектр информации. Пионерами в использовании и развитии персонализации опять же стали интернет-гиганты, для которых итогами экспериментов с персонализацией стали заметный рост продаж и лояльности потребителей. Таким образом, было на примере показано, что персональные товарные рекомендации необходимо иметь каждому магазину, но в то же время, каждому магазину их сложно реализовать самостоятельно.
Однако, по мере развития технологий, стали также появляться отдельные компании, которые занимались сбором и анализом пользовательских данных, и на основе известных алгоритмов (например, коллаборативная фильтрация) и собственных экспериментальных разработок, предоставлять услуги персональных товарных рекомендаций. Сегодня указанные технологии доступны для любого магазина — даже с посещаемостью 100 человек в день. Для таких магазинов при внедрении комплекса услуг персонализации, включая персонализацию на витрине, в каталоге и в рассылках, реально достижение роста в продажах в 10–20% или больше, в зависимости от категории магазина.
Персональные товарные рекомендации характерны тем, что они динамически подстраиваются под вкусы конкретного посетителя магазина, на основании доступных данных о пользователе, его истории просмотров и предыдущих покупок.
Исследование эффективности персональных товарных рекомендаций Компания REES46.com, предоставляющая услуги персонализации, провела собственное исследование эффективности разных алгоритмов рекомендаций. Для этого была взята выборка из 30 интернет-магазинов с уровнем продаж выше 10 заказов в день, в 6 категориях (ноябрь 2014). Результаты исследования представлены на Диаграмме 1. Среднее отклонение значений в каждой категории — не более 15%.
Распределение блоков рекомендаций было одинаковым на всех исследуемых магазинах:
Главная страница: «Популярные товары» (без категории). Страница категории: «Популярные товары» (сверху); «Вы недавно смотрели» (снизу); «Возможно, вам это понравится» (снизу). Детальный просмотр товара (все снизу): «С этим товаром покупают»; «Похожие товары»; «Возможно, вам это понравится». Страница корзины: «Не забудьте посмотреть». Для самых нетерпеливых — спойлеры: Персонализация работает.
В разных товарных категориях персонализация дает разную суммарную конверсию в заказы.
При одинаковом по составу и размещению наборе блоков рекомендаций, некоторые типы рекомендаций являются более популярными у посетителей магазинов, и это зависит от категории магазина.
Диаграмма 1. Результат работы персональных рекомендаций на интернет-магазинах, по категориям.
Товары для взрослых. Оказалось, что в интернет-магазинах, которые специализируются на товарах этой категории (секс-шопы, а также магазины стимуляторов и афродизиаков), товарная персонализация дает наибольший эффект в росте заказов в единицах товара. Однако, в деньгах рост в полтора раза меньше — то есть, на единицу товара в основной корзине (товары выбраны напрямую из каталога) стоимостью в сто рублей, купленный дополнительно рекомендованный товар стоил 61,2 рубля. Мы предположили, что в этой категории у посетителей существует большой интерес к сопутствующей продукции, стоимость которой невелика по сравнению с основными позициями, на которые приходят покупатели. В целом же, почти тридцать процентов заказанных товаров в этой категории — рекомендованные, что является одним из самых высоких показателей среди сервисов, повышающих конверсию e-commerce сайта.
Сумки и аксессуары. Такое же соотношение между ростом продаж в единицах и ростом продаж в рублях по категории «Сумки и аксессуары». Эти узкоспециализированные магазины знают, что обычно к одной сумке не покупают вторую сумку, но не всегда имеют возможность развивать спектр предложений сопутствующих товаров. По этой причине даже рост в 10,5% в единицах товара и в 6,5% в деньгах — для них серьезное достижение, причем многократно «отбивающее» затраты на оплату сервиса. Ниже мы сможем проанализировать, за счет чего же достигаются такие показатели продаж.
Спорт и активный отдых. Еще ниже средняя стоимость рекомендованных товаров по отношению к основной корзине — в категории «Спорт и активный отдых» (39,1%). Связано это с тем, что основные позиции спортивного оборудования и снаряжения, за которыми и приходят в магазин, стоят довольно дорого. Дополнительные товары стоят намного дешевле. Об этом говорят показатели: рекомендованные товары составляют почти четверть (23,3%) от количества заказов, но в общей сумме дают менее десятой доли (9,1%) стоимости.
Мебель. В отношении роста доходов в рублях, эта категория не имеет себе равных. В плане сложности для рекомендаций, она отличается тем, что «сопутствующие товары» обычно имеют стоимость примерно равную «основному товару». Это демонстрирует и показатель «средняя стоимость дополнительного товара к основной корзине», составляющий 99,3% для данной категории. Однако, даже в таких сложных условиях, товарные рекомендации срабатывают чуть чаще, чем один раз из четырех. Ниже в статье, в разделе «Покупки по рекомендациям» мы увидим, какие именно рекомендации дают для мебели такой хороший эффект.
Красота и здоровье. Магазины в категории «Красота и здоровье» имеют в ассортименте косметику, парфюмерию, средства и оборудование для ухода за волосами. Здесь каждая пятая покупка (21,3%) происходит по рекомендации, а в общей массе рекомендованные товары составляют 17,6% от стоимости заказа.
Электроника — самый конкурентный сегмент онлайн-торговли. Для покупки крупной бытовой техники, домашней электроники или персонального гаджета посетители заходят на несколько сайтов, подбирают модели по разным параметрам, пользуются функционалом сравнения и сайтами-агрегаторами предложений с разных магазинов с сортировкой по цене, многократно заходят на товары и читают отзывы других покупателей. В связи с этим, данный сегмент также и довольно сложен в предложении персональных рекомендаций. Однако, более десятой доли — как в единицах товара (13,7%), так и в деньгах (13,6%) — приобретаемых товаров являются рекомендованными, что с учетом высокого трафика, характерного для сегмента, является существенным показателем и дает заметную прибавку магазинам в прибыли. Стоимость рекомендованных товаров почти не уступает стоимости основных, что является весьма интересным предметом для анализа дальше в статье.
Конверсия в покупки для разных категорий магазинов «Сервисы рекомендаций… выводят наиболее востребованные на сайте товары (автоматически подстраиваясь под изменение вкуса) на самых просматриваемых местах сайта. Получается такой навязчивый «умный баннер».
Такой баннер продает значительно лучше, чем лишенные автоматики статические блоки «акции».
Показанный рост продаж в 26% и 11% — прекрасный результат, Я бы советовал всем интернет-магазинам опробовать технологию персональных товарных рекомендаций и сделать свои выводы.»
Степан Овчинников, руководитель интернет-агентства «Интерволга».Магазины: shell-volgograd.ru, 18iposle.ru, imperia-sadovoda.ru.
Диаграмма 2. Сравнение покупок по рекомендациям с покупками без рекомендаций, по товарным категориям.
На диаграмме 2 показаны соотношения покупок по рекомендации ко всем кликам на рекомендации, в сравнении с соотношением общего числа покупок к просмотрам страниц. Полученные данные демонстрируют, что покупка в случае клика на рекомендацию происходит от 1,5 до 10 раз чаще, чем без использования такой «подсказки». Получается, что в разных категориях люди по-разному принимают решение о покупке. Например, при покупке электроники посетители просматривают меньше всего страниц в обоих случаях — как с рекомендациями, так и без — это значит, что они более четко знают, чего ищут, а также реже, чем в магазины других категорий, заходят в магазин без цели покупки.
Товары в категории «Сумки и аксессуары» без использования рекомендаций посетители просматривают гораздо (от 3 до 6 раз) больше страниц в расчете на одну покупку, чем в других категориях. С использованием рекомендаций, перед покупкой сумки также просматривают чаще, чем товары других категорий, однако уже всего в 1,2–1,9 раз.
В категории «Мебель», напротив, без рекомендаций соотношение покупок к просмотрам страниц выше, чем с большинстве категорий (0,65%), но при этом с рекомендациями доля покупок к просмотрам ниже, чем в других категориях (1,0%).
В остальных категориях ситуация промежуточная между рассмотренными двумя крайними случаями.
Просмотры по рекомендациям Популярность типов рекомендаций по просмотру определяется как количество кликов по товарам из данного блока по отношению ко всем кликам для перехода на карточки товаров.
Диаграмма 3. Блоки рекомендаций, на товары из которых чаще кликают.
На первом месте почти во всех категориях — блок «Похожие товары». Пользователи действительно смотрят различные варианты искомого товара — при этом в магазинах электроники и сумок роль этого блока преимущественная (70.17% и 58.35% соответственно), в магазинах спортивных товаров, мебели и товаров для взрослых — сравнимая с остальными типами рекомендаций (20–34%), в то время как в категории «Красота и здоровье» этот тип рекомендаций даже не вошел в тройку лидеров (<14.24%).
Блоки «Популярные товары» и «Возможно, вам это понравится» делят второе место, чередуясь в разных категориях с широким разбросом (от 11% до 40%).
Для отдельных категорий — «Спорт и активный отдых» и «Товары для взрослых» — заметна роль алгоритмов «С этим товаром покупают» (20–27%). «Недавно просмотренные» товары чаще всего просматривают еще раз в магазинах электроники (11.59%) и товаров для красоты и здоровья (31.07%).
Эти закономерности объясняются тем, как именно посетители магазинов выбирают товары в разных категориях.
Электроника — товар сложный, со множеством функций, есть множество близких и неблизких аналогов товара, с разбросом цен в разы и десятки раз в зависимости от модели, бренда, производителя, программной «начинки». Рынок очень конкурентный — большинству покупателей непросто разобраться в деталях, поэтому они, лишь примерно понимая, чего хотят, просматривают множество вариантов, в том числе во многих магазинах.
В этой сложной категории блок «Похожие товары» облегчает пользователю выбор в том числе и ценовой, предоставляя варианты товаров с вилкой цены −5% — +15% и учитывая персональные предпочтения. Для магазина это хорошо тем, что пользователь с меньшей вероятностью уйдет просто из-за несовпадения ценовых ожиданий, и тем самым, вероятнее купит хоть что-то. Помимо похожих товаров, посетители магазинов электроники кликают в равной степени на «Недавно просмотренные» (11.59%), а также на «Популярные» (11.44%) товары. Остальные типы рекомендаций смотрят редко (в сумме 6.80%).
Сумки и аксессуары. В отличие от предыдущей категории, для покупки сумки важен в первую очередь внешний вид товара, поэтому понятно, что больше всего (58.35%) смотрят «Похожие» на первоначально искомый товар, но затем также ищут и новые для себя варианты, уже больше руководствуясь массовыми рекомендациями «Популярные» (20.24%) и персональными «Возможно, вам это понравится» (15.45%). Другие типы рекомендаций имеют для данной категории минорное значение (5.96% в сумме).
Товары для взрослых. Есть ощущение, что примерно сравнимая популярность топовых алгоритмов рекомендаций — «Похожие» (29.91%), «С этим товаром покупают» (26.84%) и «Возможно, вам это понравится» (25.03%) связана с тем, что посетители ищут новых ощущений во «взрослых играх», просматривая как что-то похожее на уже знакомые товары или сопутствующее им, так и что-то новое из персональных предложений. Интересно, что другие алгоритмы рекомендаций в сумме составляют заметную долю (18.22%), что говорит о том, что покупатели в данной категории активно используют и другие подсказки, какие товары им еще посмотреть.
Спорт и активный отдых. Чаще всего в этой категории просматривают рекомендации похожих товаров (34.82%). Исходя из заметно меньшей стоимости рекомендованных товаров по отношению к основной корзине, можно предположить, что ищут более доступные по цене аналоги. Персональные рекомендации (21.53%) и сопутствующие товары (20.15%) составляют примерно равные доли с остальными алгоритмами в сумме (23.50%), что говорит о том, что и в этой категории покупатели используют все возможные подсказки, какие товары еще посмотреть, которые попадают в поле зрения.
Мебель. Как и в предыдущей категории, лидируют алгоритмы «Похожие» (34.06%), и «Возможно, вам будет интересно» (22.06%). На третьем месте вместо сопутствующих товаров — «Популярные» (17.71%), что объясняется тем, что из-за высокой средней стоимости единицы товара покупки из нескольких позиций скорее предпочтут разбить на несколько заказов и купить не сразу. Остальные алгоритмы в сумме здесь дают самую большую величину (26.17%) — это говорит о том, что все реализуемые рекомендательные алгоритмы активно используются.
Красота и здоровье. В этой категории чаще всего начинают изучение ассортимента магазина с «Популярных» товаров (39.99%), и после многочисленных просмотров начинают сужать круг поисков, используя блок «Недавно просмотренные» (31.07%). В равной степени используются алгоритмы персональных рекомендаций «Возможно, вам это понравится» (14.70%) и все остальные в сумме (14.24%).
Покупки по рекомендациям Диаграмма 4. Блоки рекомендаций, переход из которых на товар чаще приводит к покупке
Если товар был куплен по рекомендации, учитывается только последний из блоков, из которого был совершен переход на карточку товара перед помещением его в корзину. Результаты на диаграмме показывают ожидаемый результат — чаще всего покупку совершают с использованием блока «Недавно просмотренные», и несколько реже — «Похожие» или «С этим товаром покупают». Однако, в разных категориях, как и в случае просмотров, логика покупателей разная.
Сумки и аксессуары. «Похожие товары» (35.37%) ожидаемо лидируют. Интересно, что на втором месте — блок кросс-сейла «С этим также покупают» (22.39%). Персональные рекомендации алгоритма «Возможно, вам это понравится» (19.50%) также довольно эффективны. Доля остальных алгоритмов заметна (22.73%). Набор эффективных рекомендаций для финального решения о покупке незначительно отличается от топ-3 блоков по просмотру товаров.
Товары для взрослых. Снова в лидерах — «Недавно просмотренные» (62.56%). Заметный вклад в принятия решения о покупке дают рекомендации «Возможно, вам это понравится» (18.41%). В завершение корзины используют рекомендации из блоков «С этим также покупают» (12.54%), остальные алгоритмы дают минорный вклад (6.48%). В этой категории так же, как и в предыдущем случае, работает связка из четырех алгоритмов рекомендаций.
Спорт и активный отдых. Здесь чаще всего при покупке пользуются рекомендациями из блоков «С этим также покупают» (43.43%). Это происходит, как мы видели выше, за счет большого количества приобретаемых сопутствующих товаров. Доля «Посмотрите также» (15.74%) близка к популярности использования алгоритмов «Похожие товары» (13.14%). Интересно, что поскольку блок «Посмотрите также» располагается в корзине, для данной категории имеет уникальный пример заметного вклада продаж «вдогонку». Остальные типы рекомендаций в сумме составляют 27.69%. Поэтому, в отличие от трех рассмотренных выше случаев, более четырех алгоритмов рекомендаций должны работать в тесной связке для этой категории товаров.
Электроника. В этой категории порядок топ-3 алгоритмов рекомендаций совпадает полностью, меняется лишь вклад каждого. Доля «Похожие товары» (52.48%) снижается, «Недавно просмотренные» (35.25%) — заметно повышается, и незначительно понижается вклад блока «Популярные» (9.15%). Остальные алгоритмы имеют мало заметное влияние (3.12%) на принятие решения о покупке. Но даже в этом случае, только не менее трех блоков рекомендаций в связке дает заметный рост эффекта от внедрения персонализации в интернет-магазин.
Мебель. После просмотра множества похожих вариантов, естественно выбирать в первую очередь из ленты «Недавно просмотренные», что подтверждается статистикой по этому алгоритму (39.70%). Подсказка «Похожие товары» используется для покупки сразу почти в четверти случаев (24.98%), а блок «Популярные» — чуть менее, чем в одной пятой (17.66%). Покупатели пользуются и другими алгоритмами при финальном выборе мебели (17.66%). Всего персонализация в этой категории показывает эффективность связки не менее чем четырех алгоритмов, дополняющих друг друга.
Красота и здоровье. Так же, как и для мебели, для финального выбора товара, после которого он уйдет в корзину, используется блок «Недавно просмотренные» (49.08%). Заметно отстают от него алгоритмы «Популярные» (18.52%) и «Похожие» (17.00%). Остальные типы рекомендаций имеют небольшое значение (15.40% суммарно). Однако, для эффективной работы на продажу, необходима связка не менее чем четырех топовых алгоритмов.
Выводы Больше всего дополнительных продаж за счет товарных рекомендаций происходит в категории «Товары для взрослых» (29.4%).
Больше всего прибыли от дополнительных продаж за счет товарных рекомендаций происходит в категории «Мебель» (27.8%).
Продажи через блоки товарных рекомендаций выше всего в категории «Электроника» (2.1% от всех просмотров страниц магазина всеми посетителями).
Самого эффективного алгоритма рекомендаций не существует. Для разных категорий магазинов разные алгоритмы работают по-разному. Некоторые из них лучше действуют на привлечение внимания к товарам (переходы на карточки товаров из блоков рекомендаций), другие — на принятие решения о покупке (после перехода из рекоммендера на карточку товара, товар будет заказан).
Для того, чтобы был эффект от персонализации, необходимо, чтобы были подключены как минимум три, а лучше — четыре типа блоков персональных рекомендаций. Этот вывод действителен для любой специализации магазина.
Справка Проект REES46.com является продуктом Студии Михаила Кечинова, реализовавшей с 2010 года 4 проекта по технологиям персонализации в сферах контента и e-commerce.
Полный текст статьи читайте на CMS Magazine
