Товарные рекомендации: на каких страницах размещать, какие данные собирать

Сделали большой путеводитель по одному из главных инструментов для повышения продаж в онлайн-ритейле.

Персонализированный пользовательский опыт давно стал нормой. О чем бы мы ни говорили: индивидуальных подборках фильмов на Netflix или таковых в интернет-магазине — персонализация нужна пользователю. Она упрощает навигацию, помогает открывать для себя бренды и продукты. А для продавца персонализация — это способ лучше попадать в ожидания посетителя, влиять на его customer journey и больше продавать.   

Исследование, в котором участвовало три сотни компаний из ecommerce, показало, что продажи через товарные рекомендации доходят до 31% от общей выручки. С другой стороны, персонализация влияет на возвращаемость покупателей: опрос показал, что 56% готовы вернуться скорее в магазин с персонализацией, чем в магазин без нее.

Подытожим: зачем рекомендации нужны онлайн-ритейлерам и покупателям

Дело не только в дополнительных продажах по принципу: покупаешь бритву, купи сменные лезвия. Товарные рекомендацию действую и на более глубоком уровне:

• Вовлечение покупателей. Посетитель может более тщательно изучить продуктовую линейку, товары определенного бренда или похожие предложения. 

• Дополнительная простая навигация. Товарные рекомендации позволяют быстро перемещаться вглубь и вширь каталога, при этом посетителю не нужно пользоваться меню или поиском.

• Улучшение поведенческих факторов. Если товарные рекомендации работают корректно, то на сайте происходит больше внутренних переходов, а пользователь дольше задерживается на отдельных страницах — ведь их содержимое отвечает его интересам.  

• Рост лояльности. Задача товарных рекомендаций — создавать положительный опыт покупки, поэтому косвенно они также влияют и на покупательскую лояльность.

• Рост конверсии. Конверсия зависит от вовлечения: по исследованиям Barilliance, даже после одного контакта с товарными рекомендациями конверсия в покупку растет на 288%.

• Рост среднего чека. Здесь работает два давно известных сценария: допродажи сопутствующих товаров и продажи более дорогих аналогов.  
  
• Управление сбытом. Блоки товарных рекомендаций — это заметная часть витрины, «лучшие полки». Их можно использовать для стимулирования продаж приоритетных товаров, для этого их нужно разместить в блоках товарных рекомендаций. По такому принципу работает наш сервис REC ONE.
  
• Анализ пользовательского поведения. Если блоки товарных рекомендаций позволяют собирать статистику, то вы можете использовать эти данные для принятия решений — и внести коррективы в логику работы блоков. 

Разберем на примерах, какие уровни персонализации может использовать магазин, какие данные для успешной работы блоков ему нужны и где лучше размещать эти блоки.

Уровни персонализации

Персонализированный опыт использует знания о покупателе: как данные о нем самом, так и данные о его поведении — например, какие страницы тот просматривал и когда, какие товары покупал, как реагировал на email-рассылки и так далее.

Мы выделяем три уровня персонализации:

✔️ Машинная. Это персонализация, работающая на больших данных: система анализирует миллионы пользовательских профилей, использует сложные вычисления, чтобы находить в их поведении закономерности. На выходе пользователи видят подборки, адаптированные к их профилям — например, женщина видит только женские товары.   

✔️ Отраслевая. Этот вид персонализации предполагает более глубокое использование специфичных данных, характерных для отрасли. Такие блоки будут учитывать не только пол, но и параметры, на которые в другом магазине не обратили бы внимания — для магазина из сегмента fashion это будут размер одежды и обуви, фасон, стиль, любимые цвета покупателя, избранные бренды.  

✔️ Индивидуальная. Персонализация, которой маркетологи магазина могут управлять вручную. Например, у магазина есть данные, что товары из новых коллекций чаще покупают женщины 20-27 лет, делающие покупки не реже одного раза в месяц. Маркетолог выдвигает гипотезу о том, что этой аудитории в блоке рекомендаций стоит показывать несколько новинок, а остальным выводить обычный блок. Подобную механику можно просто реализовать, пользуясь конструктором товарных рекомендаций REES46.

Для любой персонализации нужны данные. Какие собирать?

Какие данные нужны для персонализации

Самый популярный набор такой (хотя он может отличаться от сегмента к сегменту):

• Демографические данные: пол, возраст, доход.
• Местоположение.
• История взаимодействия с магазином: 
  • что искал через поиск;
  • какие фильтры использовал;
  • что покупал;
  • какие товары смотрел;
  • что добавлял в корзину;
  • что добавлял в список избранного;
  • как долго был на сайте.
• Какой статус в программе лояльности.
• Источник трафика: канал, устройство, операционная система.
• Данные из социальных сетей: лайки, репосты, ссылки на медиа, которыми делился пользователь. 
• История покупок в офлайн-точках (нужна интеграция 1С и платформы, которая хранит клиентские данные). 

Важный момент: данные имеют свойство постоянно меняться, ведь наши предпочтения и потребности тоже меняются в зависимости от сезона, жизненного этапа или просто влияния извне. Поэтому данные следует не только коллекционировать, но и постоянно поддерживать в актуальном состоянии. 

Как сделать интернет-магазин персонализированным

Для магазинов с небольшим каталогом вполне рабочей историей может быть ручная настройка. Через штатные возможности вашей CMS вы можете выводить зубную пасту, зубную нить и футляр для щетки на странице с самой щеткой. Да, здесь не будет персонализации по полу или возрасту, в таких случаях обходятся универсальными подборками. И это будет лучше, чем ничего.

Главный минус ручного подхода — это даже не затраты времени на создание рекомендаций, а то, что вам придется обновлять их параллельно изменению ассортимента. То есть рекомендации придется поддерживать в актуальном состоянии тоже вручную. 

Для более крупных магазинов у нас есть подключаемые товарные рекомендации — в их основе лежит гибридная технология: с одной стороны, они персонализируют отображаемые товары для каждого конкретного пользователя автоматически, с другой — вы можете производить более точную донастройку таких алгоритмов.

Это то, о чем мы говорили выше: маркетолог использует персонализированный блок «С этим товаром также покупают», который сам наполняется подходящими товарами, но вместе с этим может задать условия и ограничения — и протестировать, как работает его гипотеза.

Где разместить блоки рекомендаций

Вообще лучшая стратегия в этом вопросе — выдвигать гипотезы и тестировать. Но для старта вы можете пользоваться этим списком, он основан на опыте других магазинов.

Главная страница

Мнение других людей — это то, что направляет покупателя, пока он не успел сформировать свое собственное. Поэтому магазины используют оценки, отзывы и, конечно, блоки рекомендаций с посылом «Другие люди чаще всего покупают это». Главная страница была и остается местом первого контакта, поэтому на ней рекомендуется размещать блоки «В тренде», «Хиты», «Популярное» и им подобные.

Важно. Блок лучше сработает, если будет находиться в пределах первого экрана, так его увидит максимально большая часть входящего трафика. Если не хватает места — можно потестировать решение с вкладками, как это сделали здесь:

Какие блоки должны быть на главной?

• «Возможно, вам понравится» — персональные рекомендации для вернувшихся клиентов.
• «Скоро в продаже» — для рынков, где важным драйвером покупки выступает поступление новинок (одежда, книги, видеоигры, смартфоны и так далее). 
• «Прямо сейчас покупают» решение для магазинов, где ежедневно оформляют 200 и больше заказов. 
• Сезонные блоки. Меняются ситуативно. Пример: тематическая подборка товаров на праздник:

Страница категории

Логика размещения блоков рекомендаций здесь приблизительно та же, что и для главной — только рекомендации ограничены категорией.

Хорошей стратегией будет комбинировать разные механики в блоках рекомендаций — например, совмещать популярные товары и товары со скидкой в одном блоке:

Что еще хорошо сработает на странице категории?

Блок «Вы недавно смотрели» — он выполняет сразу две задачи: упрощает навигацию и мотивирует положить в корзину просмотренный товар.     

Страница поисковой выдачи и поле поиска

С поиском взаимодействует особый тип посетителей: те, кто находится либо на этапе активного выбора, либо уже сузили круг поиска достаточно, чтобы приблизиться к покупке. Таким образом, правильной стратегией товарных рекомендаций в поиске будет предлагать популярные товары, товары со скидками и альтернативы искомому товару. Больше про персонализированный поиск можно прочитать в нашем большом руководстве.

Карточка товара

Посетитель, просматривающий товарную карточку, близок к покупке, но всё еще в процессе выбора. Выигрышный сценарий: перекрестные продажи и альтернативы с учетом отраслевой специфики.

Кроме «с этим товаром покупают» на странице товара можно использовать алгоритмы, рекомендующие аналогичные и похожие товары. В чем разница? Аналоги — максимально близкие к основному товары, например, тот же товар в более простой упаковке или те же продукты других брендов. Похожие — другие продукты, обладающие тем же эффектом. На примере того же магазина:

А вот в «похожих» совсем не салфетки: 

Что еще разместить в товарной карточке:

• «Есть комплект» — если текущий товар также продается в наборе с другими товарами (например, шампунь и бальзам-ополаскиватель).
• «Вместе дешевле» — стратегия, по которой вы увеличиваете количество товаров в корзине и общий чек за счет выгодных предложений (на два комплектных товара действует скидка, на каждый в отдельности — нет). 
• «Вы недавно смотрели» — блок помогает удобнее сравнивать просмотренные товары.. 
• «Товары этой серии» — блок, в котором сгруппированы продукты одного бренда, производителя, издательства, автора (для книжных магазинов) и так далее.  

Корзина

Традиционно корзину считают самым ответственным этапом воронки, поэтому стремятся минимизировать любую вероятность перехода с этой страницы на другие. Например, когда-то процветало решение, где скрывались все элементы интерфейса (шапка, подвал, навигация), оставались только товары в корзине и кнопка «Оформить заказ».

Такая стратегия имеет место быть, но ничто не мешает протестировать альтернативу и разместить в корзине блоки с сопутствующими товарами. По статистике до 25% клиентов, которые кликают на рекомендованные товары в корзине, действительно покупают и основной, и рекомендуемый товар.

В целом мы не советуем следовать каким-то общепринятым практикам только потому, что так делают все. Всё в итоге зависит от особенностей отрасли: например, магазины, где все товары имеют приблизительно одинаковую цену (нельзя выделить «основной» и «сопутствующие») могут легко размещать товарные рекомендации в корзине. Посмотрите, как это работает в книжном ритейле:

Что еще подойдет для корзины?

• «У вас скоро закончится» — блок с товарами, которые клиент покупает регулярно. Лучше делать так, чтобы их стоимость была существенно ниже стоимости корзины.
• «Закажите, чтобы получить бесплатную доставку» — если бесплатная доставка в вашем начинается с конкретной суммы, вы можете тут же предлагать, чем «добить» корзину. 

Страница «ничего не найдено» (404)

«Тупиков» в пользовательском путешествии не должно существовать. Хорошим выходом могут стать блоки рекомендаций «Вы недавно смотрели», «Популярные товары», бестселлеры.

Всплывающие окна

Не стоит списывать попапы со счетов только потому, что они ассоциируются с назойливой рекламой. В прошлом году Sumo провели исследование и выяснили что конверсия из попапов может достигать 9,28%, а среднее значение — 3%.

Среди наших клиентов есть успешные кейсы использования товарных рекомендаций в попапах: Technodom рекомендует через них сопутствующие товары.

Что еще подходит для попапов?

Потенциально любопытный сценарий — выводить в попапе уведомление о скидках на товары, которые вы добавляли в избранное. 

Рекомендации в попапах — тот случай, когда инструмент стоит использовать деликатно. Для настройки логики мы советуем использовать наш конструктор логики для попапов — он поможет сделать всплывающие окна не такими раздражающими.

Чек-лист: типовые ошибки в использовании товарных рекомендаций

С блоками рекомендаций можно и нужно экспериментировать, а размещать практически на всех страницах, даже в попапах. Но некоторым правилам всё-таки лучше следовать:

Достаточно двух блоков на страницу. По опыту наших клиентов больше лучше не размещать, разве что на главной.

Расположение не в фокусе посетителя. Товарные рекомендации размещают под описаниями, характеристиками или, например, контентным разделом. Это приводит к тому, что видимость блока для посетителей снижается.   

Неподходящие товары. Очень распространенная ошибка, которую можно наблюдать на сайтах зоотоваров: пользователь, который изучает раздел с товарами для собак, видит блок с товарами для кошек. 
Нелогичные сочетания. Блоки с комплектами товаров тоже должны следовать внутренней логике. Во-первых, если товар дорогой, не стоит делать комплект из него и товара со сравнимой ценой. Во-вторых, объединяйте объединяемое. В примере ниже нарушены оба правила: 

Чтобы убедиться в том, что ваше решение работает, мы рекомендуем проводить A/B-тестирование блоков рекомендаций перед тем, как выбрать его.

A/B-тест блоков рекомендаций в REES46

Чтобы определить, какие гипотезы работают лучше, используйте встроенные инструменты для проведения тестов. Для этого нужно создать сначала одну цепочку (например, для сценария «похожие товары»), затем нажать на кнопку «Начать A/B» — автоматически появится логическая развилка. Отредактируйте копию вашей цепочки, например, пусть это будет сценарий «Другие сейчас покупают». Запустите тест и отслеживайте результативность в реальном времени.

Рекомендуем останавливать тест не раньше, чем через месяц. После остановки теста вы сможете выбрать сценарий, который продолжит работать на сайте и отказаться от менее эффективного.

Заключение

Технологии в ecommerce помогают сделать многое: автоматизировать маркетинг, персонализировать покупательский опыт. Это освобождает время для разработки новых маркетинговых гипотез.

В то же время не стоит всегда на 100% полагаться на машинные алгоритмы: ни один из них не в состоянии учесть все особенности отрасли или отдельного взятого бизнеса. Процессом внедрения персонализации всегда должен заниматься компетентный и заинтересованный в результате человек — и его основной функцией станет донастройка машинных алгоритмов под конкретные потребности компании.