Речь пойдет о том, как работают механизмы персональных товарных рекомендаций в магазинах с детскими товарами.
Интернет-магазин без персонализации — это как слепой бармен. Он будет советовать один и тот же бурбон и крутому ковбою, и бородатому фермеру, и бедному студенту, и даме с собачкой. Иногда такие советы будут работать. Но в том-то и дело, что только иногда.
Инструмент повыше рангом — персональные рекомендации. Когда ковбой получает виски, дамочка молочный коктейль, а студент лагер и чипсы. Собственно, еще года три назад исследования говорили, что больше 50% пользователей повторно посещают магазины с персонализированными рекомендациями. Оно и понятно.
Но и в персональных рекомендациях есть свои подводные камни.
Дело в том, что для качественных рекомендаций система персонализации ведет по каждому посетителю своеобразное «досье». Виртуальный профиль пользователя. В этот профиль записывается история ваших действий, просмотров, покупок, измеряется время, в течение которого вы смотрели вот этот вот товар и так далее. Иными словами, виртуальный профиль — это все ваши привычки, вкусы и повадки. Конечно, система не знает ваших персональных данных, для нее вы — «пользователь № 312a34cf557i» с таким-то набором характеристик. Но стоит вам снова зайти на сайт — «досье» на вас поднимается, и система рекомендует то, что вы хотели бы купить.
Окей, система может понять, что я люблю и что мне порекомендовать. А что, если я выбираю товары не только себе, но и своему ребенку?
Все становится сложнее и системе персонализации приходится изворачиваться. Иными словами — становится нужен алгоритм персональных рекомендаций для родителей с детьми.
Мы в REES46 всегда делали упор в разработке именно на отраслевых алгоритмов, поэтому немного расскажем, как работает механизм «детских» рекомендаций изнутри.
В чем отличие детей от взрослых
Дети сильно отличаются от взрослых именно как потребители. В чем именно отличия?
- У детей только одна неизменная характеристика — пол. Всё остальное: рост, размер ноги (те самые физиологические параметры) быстро меняются, один раз запомнить размер и рекомендовать всю жизнь не получится. Система должна не только запоминать эти параметры, но и точно прогнозировать их изменение.
- У одного взрослого может быть несколько детей — следовательно, система должна распознавать это и вести уже не один, а два и больше виртуальных профилей.
- Есть определенные детские товарные категории «для самых маленьких» (например, подгузники), которые покупают с определенной периодичностью. Неплохо бы продавать их тоже регулярно, правда? Кстати, для тех же подгузников существует собственная размерная сетка: от 0 до 24 месяцев.
- Есть детские праздники, в канун которых продажи детских товаров возрастают. Система должна располагать инструментами для рекламы: вовремя напоминать взрослым, что самое время вернуться в магазин.
Все эти особенности должны учитываться в рекомендательных алгоритмах. Иначе мы получим эффект типичного слепого бармена.
Как работают «детские» рекомендации
На ребенка, так же, как и на взрослого, заводится виртуальный профиль. Основа для него — история покупок и просмотров детских товаров. Определяется пол и возраст. Возраст до 2-х лет автоматически обновляется каждый месяц, после 2-х — каждый год.
Возраст в виртуальном профиле каждый раз соотносится с просмотрами и покупками товаров для определенного возраста. Новый профиль создается в двух случаях:
- Если была совершена покупка или набрано достаточное количество просмотров для ребенка, пола которого нет среди вычисленных.
- Если была совершена покупка или набрано достаточно просмотров для размера и возраста меньше минимального вычисленного или больше максимального вычисленного.
Пример, как это влияет на рекомендации: товары неподходящего размера исключаются из блоков:
- «Интересное» — если система знает размер определенного типа одежды, то на основании этого скрываются рекомендации неподходящих по размеру товаров.
- «Похожее» и «популярное» — даже если система не знает размеров, то предварительные данные можно получить от просматриваемых сейчас товаров.
Информация о поле ребенка тоже существенно влияет на выдаваемые системой рекомендации.
Пример, как это влияет на рекомендации: товары противоположного пола исключаются из блоков:
- «Популярные товары» на главной странице.
- «Это интересно».
- «Покупают сейчас».
- «Также покупают/ также рекомендуем посмотреть» — исключаются, если просматриваемый товар совпадает с полом ребенка.
Это избавляет покупателя от «мусорных» рекомендаций и повышает их общий уровень качества. Точнее рекомендации — больше кликов, всё просто.
Бонус: детские триггеры
Триггеры — это определенные события, при наступлении которых пользователю автоматически отправляется письмо определенного содержания. Например, мы разделили триггеры и триггерные события на несколько категорий.
- Уточнение даты рождения. Когда мы собрали достаточно информации о ребенке, пользователю отправляется письмо с просьбой уточнить дату рождения и пол. Это дает 100% гарантии точных рекомендаций.
- Подарки на день рождения. За 2 дня до вычисленной (или введенной пользователем) даты рождения ему отправляется письмо с рекомендациями товаров. Товары, конечно, не случайные, а подходящие по полу, возрасту, размерам, предпочтениям и т.д.
- Подарки на Новый год. Высылаем 21 декабря, чтобы захватить католическое Рождество. Также рекомендации товаров с учетом виртуального профиля ребенка, как в предыдущем пункте.
- Тематические праздники. Система помнит про день защитника отечества, 8 марта, день знаний, выпускной, день учителя, день молодежи, хэллоуин и много других знаковых дат. На каждый праздник рекомендации отличаются, так, например, на женский день рассылки получат только родители девочек, а в рекомендациях будут только игрушки для девочек.
Кроме того, мы ввели в практику регулярные триггерные рассылки. Если пользователь делал покупки одних и тех же товаров несколько раз с определенной периодичностью — вычисляется средний промежуток времени между этими покупками. По истечении этого периода высылается триггер.
Заключение
По свежей статистике от Target, 69% молодых людей в возрасте от 25 до 34 лет охотно делятся данными с маркетологами, чтобы обеспечить лучшие персональные рекомендации — товаров и контента. Мир постепенно осознает необходимость, это радует.
Делайте больше продаж. И используйте для этого правильные инструменты. До скорого!
