Одежда — один из наиболее сложных и специфичных сегментов товаров для продажи в онлайне. При этом современные веб-технологии дают возможность запустить интернет-магазин буквально за часы — и такое решение действительно отлично подходит для первого эксперимента. Однако уже спустя пару месяцев вы поймете, что вы упускаете что-то важное — а именно, специфику продаж в сегменте одежды.
Итак, на что обычно не обращают внимания молодые интернет-магазины одежды?
Эталонная цена предопределяет успех
В классической торговле есть такой термин, как эталонная цена — это та цена, которую покупатель видит первой и затем оценивает остальные товары в магазине, исходя из «эталона». В оффлайне это работает так: в той зоне магазина, куда покупатель попадает сразу, как входить внутрь, размещаются товары со средними ценами. Заметьте, не самые дорогие (отпугнут покупателя), но и не самые дешевые (покупатель будет считать, что на остальные товары вы чрезмерно «накрутили» цену).
Что упускают магазины
В онлайне возможностей больше, чем в оффлайне — в основном потому, что магазин может уже кое-что «знать» о посетителях. Например, средний чек его покупки или приблизительный уровень дохода. Если к магазину подключены персональные товарные рекомендации — товары на главной становятся динамическими: меняются в зависимости от посетителя. Человек с более высоким уровнем дохода увидит свитеры за 285 $, с более низким — за 185 $. Справедливо, ведь у каждого своя «средняя приемлемая цена».
Магазин Portland Dry Goods выводит на первой странице товары со средней ценой — но это всегда одни и те же товары. А могли бы быть разные.
Продажа старых коллекций
Старые коллекции одежды теряют актуальность и теряют в цене. Перед магазином стоит задача: распродать старую коллекцию, при этом не потеряв значительную часть прибыли. И вместе с тем не отвлекать более состоятельных покупателей от новой коллекции.
В оффлайновой точке эта задача решается грамотным зонированием и мерчандайзингом. В онлайне — у магазина, опять же, больше возможностей.
Что упускают магазины
Онлайн-магазины с подключенной системой персональных товарных рекомендаций могут сегментировать товарные предложения — показывать покупателям с высоким уровнем дохода товары из новых коллекций, а покупателям с низким — из прошлогодних.
Магазин Express.com добавляет в товарные рекомендации акционные товары из старых коллекций, если покупатель долго выбирает и смотрит только дешевые модели.
Таким образом, магазин получает в распоряжение «динамический мерчандайзинг», который продает правильные товары правильным сегментам.
Стимулирование продаж мужской одежды
Общеизвестный факт: женская одежда продается лучше, чем мужская. Задача магазина — показать, что в наличии есть и мужские модели.
В оффлайне задачу решает, опять же, пресловутый мерчандайзинг. А у онлайна снова есть неоспоримое преимущество, которым пользуются далеко не все.
Что упускают магазины
Система персональных товарных рекомендаций, ориентированная на магазины одежды (такая, как REES46), учитывает данные о статусе отношений посетителя. Состоит ли в браке, есть ли вторая половинка. Всё это можно узнать, если наблюдать за пользователем и фиксировать все его действия на сайте.
Например, если посетитель всегда смотрел женские товары, а накануне праздников вдруг стал изучать мужские — с большой вероятностью, это девушка ищет подарок для своего молодого человека.
Магазин может в таком случае выводить в товарных рекомендациях к женским товарам — мужские. И показывать их только тем, у кого есть отношения.
Персонализация предложений по размеру
Как часто это происходит с покупателями в оффлайне — так понравилось пальто, но подходящего размера не нашлось. В итоге — покупатель уходит немного разочарованным. Хотя, конечно, драматизировать не стоит — он к вам вернется.
Однако возможности онлайн помогают в принципе избегать таких ситуаций.
Что упускают магазины
Системы персонализации контента знают такую важную информацию о каждом клиенте, как его размеры. Эти данные получить относительно легко: достаточно записывать данные каждой покупки — и вот у нас в руках полное досье на каждого покупателя. При этом «записывать» — конечно же, не значит, что нужно что-то записывать вручную. Система персональных товарных рекомендаций сама заведет профиль на каждого посетителя и будет бережно складывать в него полученные данные.
Это знание позволит фильтровать товарные рекомендации — показывать там только модели подходящего пользователю размера. Часто этим пренебрегают или идут по легкому пути: делят предложения на маленькие и большие размеры (plus size).
Магазин Asos выводит в товарных рекомендациях к модели plus size аналогичные размеры, а также «безразмерные» аксессуары.
Другие решения, удачные и не очень
Интернет-магазины одежды всегда были на острие ecommerce, поэтому неудивительно, что именно в этой среде появились очень любопытные механики.
Например:
Опрос с рекомендациями
Суть механики проста — пользователь отвечает на вопросы, а система рекомендует ему товары на основе его ответов. Эта механика не имеет отношения к Big Data, коллаборативной фильтрации и другим прогрессивным способам предугадывать желания покупателя — вместо этого она действует «в лоб».
Недостаток такой модели в том, что для ее работы обязательно участие пользователя (а также предполагается, что он отвечает на вопросы достоверно и честно, а не просто кликает наугад).
Рекомендации на основе AI
Технологии распознавания объектов на картинке нашли применение не только в фотофильтрах приложения Prisma или рисунках от нейросети Google. В ecommerce тоже появляются решения, использующие эту экспериментальную механику — например, сервис Vue.ai умеет автоматически тегировать одежду на картинке (и на основе этого строить товарные рекомендации):
Технология сама по себе прекрасна, ее главный недостаток — внедрение в рядовой магазин. Это будет сложно, долго и дорого.
Функция «купить образ» в рекомендациях
Модели на фото всегда стильно одеты — поэтому пользователи обычно начинают хотеть не только вот этот кардиган, но и шорты, ремешок, очки и сумочку в придачу. Поэтому очень удачная механика для сегмента одежды — рекомендовать другие товары из этого образа (лука).
Такая механика реализована во многих известных магазинах одежды, например, Mango.
Как добавить в свой магазин одежды персональные товарные рекомендации
Дело в том, что у одежды слишком много параметров, влияющих на решение о покупке. Те могут быть как объективными (например, размер), так и чисто субъективными — стиль, коллекция, бренд. И все они в итоге очень важны для покупателя.
Важно учитывать отраслевую специфику продаж в сегменте одежды. Этим занимаются специализированные системы персональных товарных рекомендаций. Чтобы внедрить такую в пару кликов — достаточно перевести свой магазин на чуть более «серьезную» CMS, профессиональное решение, созданное специально для ecommerce: Shopify, OpenCart, Magento, PrestaShop, CS,Cart.
Следующим шагом — найти в магазине расширений для вашей CMS нашу платформу REES46, установить и пользоваться. Готовые модули есть для следующих CMS, по ссылкам — подробные инструкции по установке и настройке:
- 1С Битрикс
- AdVantShop
- CS-Cart
- HostCMS
- InSales
- Magento
- OpenCart
- Prestashop
- Shopify
- Shop-Script (WebAsyst)
- SimplaCMS
- StoreLand
- UMI.CMS
- Vast
Желаем больше довольных покупателей!
