Результативные стратегии товарных рекомендаций в e-commerce | Глава 7

(Перед вами перевод бесплатного курса «Product Recommendations Course» от компании Dynamic Yield. Если вы здесь впервые, то лучше начните сначала)

Автор английской версии: Гиди Виго, Старший директор по продукту, Dynamic Yield

Мы разберем ключевые стратегии, проверенные методики (best practices) и реальные примеры того, как ведущие глобальные бренды применяют рекомендации.

Цифровые товарные рекомендации — это результат сложных алгоритмических решений (algorithmic decisions), основанных на данных о взаимодействиях пользователей на сайте и в оффлайне. Цель таких рекомендаций — обеспечить каждому пользователю персонализированный опыт взаимодействия с учетом его потребностей и запросов, а также повысить вовлеченность (engagement) и увеличить доход (revenue) бренда. 

Если вы хоть раз делали покупки онлайн, то точно сталкивались с товарными рекомендациями. Системы товарных рекомендаций используют агрегированные данные (aggregated data) и встроенные алгоритмы (predefined algorithms), чтобы предсказывать и представлять клиентам продукты или услуги, которые их с высокой вероятностью заинтересуют. 

Сегодня способность делать эффективные товарные рекомендации становится ключевым требованием для любого eCommerce бизнеса, который стремится и повышать вовлеченность (engagement), конверсию (conversions) и доход (revenue). Далее я расскажу о нескольких маст-хэв методиках создания вовлекающих рекомендаций и тактиках повышения их эффективности.

Рекомендательные стратегии (recommendation strategies)

Эффективные рекомендации, которые попадают посетителям в самое сердце и побуждают их к конверсии — это всегда комбинация четырех факторов: 

1. оптимальная рекомендательная стратегия
2. текущий контекст сайта (site context) и текущий пользователь (user)
3. веб-страница, которую просматривает пользователь 
4. время

Разным типам пользователей на разных этапах клиентского пути (customer journey) “заходят” разные типы товарных рекомендаций. От того, какие товары вы порекомендуете конкретному пользователю в конкретный момент, будет зависеть уйдет ли он довольный, совершив ценную покупку с вашей уместной подачи, или раздумает иметь с вами дело, отвлеченный от своих целей какой-то неадекватной рекомендацией. 

Подбор правильной рекомендательной стратегии с учетом контекста или местоположения на сайте требует значительной вычислительной мощности. Вам понадобится такой рекомендательный движок (product recommendation engine), который закрывает все нижеперечисленные стратегии: 

• Автоматическая стратегия (Automatic): Адаптивная стратегия, которая учитывает контекст, доступные данные о пользователе и прочую актуальную на момент “сейчас” информацию и рекомендует наиболее уместные товары. 
• “Похожие товары” (Similar products): Стратегия рекомендует товары, похожие на тот, который сейчас просматривает пользователь. 
• “Вместе с этим товаром покупают” (Bought together): Стратегия рекомендует комплементарные товары, которые обычно покупают вместе с текущим. 
• “Самые популярные” (Most popular): Стратегия рекомендует самые популярные на данный момент товары. 
• “Самые популярные в категории” (Most popular in category): Стратегия рекомендует самые популярные на товары в рамках категории, к которой относится текущий товар. 
• Сходство пользователей (User Affinity): Стратегия рекомендует товары, которые соответствуют предпочтениям (preferences) и сходствам (affinities) каждого пользователя на основании его поведения на сайте (просмотров товаров, добавлений в корзину и т.п.)
• Персонализированная стратегия (Personalized): Стратегия рекомендует товары на основании того, как данный товар “заходит” lookalike-аудитории и посетителям.  
• “Недавние просмотры” (Recently viewed): Стратегия рекомендует товары, которые пользователь недавно просматривал. 
• “Недавние покупки” (Recently purchased): Стратегия рекомендует товары, которые пользователь недавно купил. 
• “Последняя покупка” (Last purchased): Стратегия предлагает пользователю товары из его последней покупки. 
• “Покупают вместе с недавней покупкой” (Purchased with recent purchase): Стратегия рекомендует товары, которые обычно покупают вместе товарами, которые пользователь недавно приобрел. 
• “Смотрят вместе с недавно просмотренным” (Viewed with recently viewed items): Стратегия предлагает пользователю товары, похожие на те, которые он недавно смотрел. 
• Гибридные стратегии (Hybrid strategies): Любые комбинации перечисленных стратегий. 

Рекомендательные стратегии (recommendation strategies) в контексте разных страниц

Обычно товарные рекомендации размещают на главной странице (homepage), на товарных листингах (product listing pages, PLPs) или страницах категорий (category pages), на продуктовых страницах (product detail pages, PDP), на странице корзины (cart pages) или где-то между этими этапами — на попапах (popups) и оверлеях (overlays). Под каждый контекст можно подобрать отдельную стратегию, и оптимизировать ее, чтобы получить максимум дохода с каждого потенциального взаимодействия. Вот несколько советов по оптимизации рекомендаций в зависимости от контекста: 

Главная страница (Homepage)

Главная страница — это основная точка входа на сайт, поэтому под нее часто выбирают рекомендательную стратегию “Самое популярное” (Most Popular), которая показывает новым посетителям товары-бестселлеры. Для повторных посетителей можно подключить персонализированную стратегию: например, стратегию на базе сходств (affinity-based) или недавно просмотренных товаров (recently viewed). Таким образом вы быстро акцентируете внимание этих пользователей на товарах, которыми они уже интересовались ранее. 

Страницы категорий (Category pages)

На таких страницах хорошо работает стратегия “Самые популярные в категории” (Most Popular in Category) для новых посетителей, и персонализированная стратегия (Personalized) / стратегия на базе близости (User Affinity)  — для повторных посетителей (returning visitors). Мы рекомендуем всегда использовать персонализированные стратегии, заточенные под повторных пользователей (returning visitors), а если заходит новый пользователь — откатываться до глобальных стратегий на базе популярности товаров (popularity-based). 

Продуктовые страницы (Product detail pages)

“Похожие товары” (Similar Products) и “Вместе с этим товаром покупают” (Bought Together) — вот лучшие варианты стратегий для продуктовой страницы (PDP). Если можно применить только одну стратегию, отдавайте предпочтение “Похожим товарам” — анализ кейсов показывает, что эта стратегия сильнее влияет на принятие решений о покупке. “Вместе с этим товаром покупают” (Bought Together) тоже уместная стратегия, но она показывает лучшие результаты на более позднем этапе, когда товар уже добавлен в корзину. Если на сайте есть возможность реализовать попап-уведомление “Добавлено в корзину:” (Just Added) и добавить на этот попап рекомендательный виджет — вот здесь стратегия “Вместе с этим товаром покупают” (Bought Together) может выстрелить и здорово увеличить вам среднюю стоимость заказа (average order value, AOV). 

Страница корзины (Cart pages)

Стратегия “Вместе с этим товаром покупают” отлично работает на странице корзины — особенно если маркетологу нужно подсветить продукты немного дешевле, чем те, которые пользователь уже добавил в корзину. В этом случае пользователь проще следует рекомендациям и докидывает товары в корзину — а это уже апсел (upsell)! Если аналитика вашего сайта показывает, что с текущим товаром часто покупают похожие на него товары, можно наложить поверх стратегии “Вместе с этим товаром покупают” (Bought Together) стратегию “Похожие товары” (Bought Together). 

Рекомендации в любых других местах 

На самом деле, у маркетолога должна быть возможность разместить рекомендательный виджет в любом месте сайта. Отталкивайтесь от ваших потребностей и целей и экспериментируйте с разными стратегиями, лейаутами и местами размещения, с exit-intent попапами, “нулевыми” страницами поиска, тематическими лендингами, емейлами и т.п. В результате этих экспериментов вы найдете метод, который лучше всего подходит вашему бизнесу. 

Рекомендательные стратегии (recommendation strategies) в контексте разной аудитории 

Не существует стратегии, которая подошла бы всем вашим посетителям. Всё потому, что все посетители разные: одни заходят на сайт по несколько раз в неделю, другие — пришли из поиска и видят ваш магазин впервые. 

Хороший рекомендательный движок (recommendation engine) анализирует, что мы знаем о конкретном пользователе, и на основании доступных данных о его поведении, контексте и других факторах запускает наиболее подходящую стратегию. 

К примеру, если информации о пользователе мало (новый пользователь), система запустит общие рекомендательные стратегии, типа “Самые популярные” (Most Popular). Если по клиенту есть какая-то история покупок или просмотров, система подключит контекстуальные (contextually-driven) рекомендации. А в случае с лояльными клиентами (о которых мы знаем довольно много) отлично сработают персональные рекомендации — например, “Товары для вас” (Recommended for you).

Вот пример того, как автоматическая рекомендательная стратегия (automated strategy) “подстраивается” под разные типы пользователей:  

А еще в логику каждого рекомендательного виджета можно “встроить” множество правил мерчандайзинга (merchandising rules), что позволяет проводить микро-сегментацию (micro-segmentation) аудитории. К примеру, можно сделать так, чтобы мужчины и женщины видели в рекомендациях только товары для мужчин и товары для женщин соответственно, а люди с детьми видели также товары для детей. Всё это важные правила, на которых стоит сделать акцент при проектировании нового опыта. 

Устанавливаем правила мерчандайзинга в зависимости от аудитории

Автоматические рекомендательные алгоритмы эффективно работают, опираясь на данные, но у них нет того, что есть у мерчандайзеров: огромный опыт и глубокое понимание клиентов. Поэтому важно, чтобы рекомендательный движок (recommendation engine) был гибким и поддерживал разные правила мерчандайзинга (merchandising rules) — например прикрепление (pin) или включение/исключение (including / excluding) отдельных товаров в рамках виджета. Вот несколько примеров правил, которые мерчандайзер может установить в рамках рекомендательного движка: 

• Включить (include) в рекомендации популярные в рамках категории товары, которые пользователь просматривал за заданный период времени. (Например, если пользователь посмотрел хотя бы две пары мужских шортов за последние 30 дней, то система должна будет показывать ему популярные товары из категории “мужские шорты”). 
• Рекомендовать наиболее рентабельные товары клиентам, которые за последние 7 дней купили или добавили в корзину товаров на 200$. 
• Не показывать самым ценным (high-value) клиентам товары по акции, которые крутятся на других рекомендательных виджетах. 
• Создать более детализированные правила для достижения конкретных бизнес-целей — например, продвигать товары, которые залежались в стоке и медленно продаются.

Как повысить эффективность товарных рекомендаций: проверенные методики (best practices) 

Теперь, когда вы знаете всю теорию, необходимую для запуска товарных рекомендаций, я поделюсь несколькими практическими советами и проверенными методиками (best practices). С их помощью можно выжать максимум эффективности из каждого рекомендательного виджета — при этом не выпасть из бюджета и создать приятный пользовательский опыт для каждого посетителя сайта. 

Не показывать цены на рекомендованные товары в рамках рассылок 

У рассылок (и email-маркетинга в целом) одна цель — вернуть трафик на сайт. Поэтому не стоит в рамках рассылки сообщать пользователям такие аспекты товаров, которые могут вызвать у них сомнения. К таким аспектам можно отнести и цену товара — особенно если она довольно высокая. Лучше используйте в рассылке четкие картинки, высокие рейтинги и положительные отзывы — так вы привлечете внимание к товару и выполните свою задачу: вернете клиента обратно на сайт. 

Вовлекать побочный трафик (side-door traffic)

Маркетологи часто обходят вниманием реферальный и поисковый трафик который приходит сразу на конкретную страницу или категорию — так называемый побочный (side-door) трафик — и, как результат, упускают возможность вовлечь эту часть аудитории. В итоге, не найдя для себя ничего интересного, клиенты уходят. Задача маркетолога — завлечь клиентов остаться на сайте подольше. Этого можно добиться за счет адекватных и привлекательных товарных рекомендаций. Вот, например, что можно сделать: 

• Для пользователей из конкретного источника трафика разместить товарные рекомендации в верху страницы
• Добавить на продуктовой странице (PDP) под описанием товара рекомендательный виджет в стиле Pinterest: так пользователь сможет полистать разные товары, не покидая страницы

Устанавливать уникальные правила мерчандайзинга под разные сегменты аудитории 

Демография, география, поведение на сайте — все эти важные аспекты можно использовать на благо товарных рекомендаций. Все данные о пользователях у вас есть, а за счет правил мерчандайзинга вы сможете еще точнее настроить их пользовательские опыты. Например, если в Бостоне прямо сейчас холодно, можно создать правило “автоматически рекомендовать всем бостонцам зимнюю одежду”. 

В зависимости от объема доступных данных, система может создавать и более точные рекомендации — с учетом, например, пола клиента, его дохода, любимых брендов и т.п. 

Подстраивать страницы категорий под сегменты аудитории 

Все пользователи разные, и каждый по-своему выбирает товары. Страница категории нужна для того, чтобы пользователь при желании мог посмотреть все товары, доступные в рамках отдельной категории. А это, как правило, сотни наименований. 

Глупо ожидать, что посетитель легко и просто купит товар в первые же минуты на сайте. На самом деле, иногда процесс поиска нужного товара — страница за страницей — бывает таким утомительным, что пользователи просто уходят с сайта возможно даже более разочарованными и потерянными, чем в начале поисков. Даже если вы применяете какие-то инструменты для облегчения поиска товаров (discovery tools), такие как фасетный поиск (faceted search), сортировка (sorting) и поиск по товарам (search), посетителей все равно будет время от времени охватывать “паралич выбора” (choice paralysis) из-за изобилия доступных вариантов. 

Лейаут (layout) страницы и методология сортировки товаров в рамках категории — это очень важные аспекты пользовательского опыта. Исследования показывают, что 70% товаров, которые покупаются со страницы категории — это товары из первых двух рядов товарной выдачи. Другими словами, если пользователи не находят того, что искали, в первых двух рядах и вынуждены скролить — вероятность покупки снижается. 

Вы можете персонализировать страницу категории и страницы-сетки с товарами (grid pages) — тогда каждый посетитель будет видеть в первых рядах те товары, которые ему/ей наиболее интересны. Это увеличивает добавления в корзину (add-to-carts) и снижает показатели отказов (bounce rates). 

К примеру, можно корректировать страницы категорий при помощи рекомендательной стратегии на базе сходств (user affinity). Это работает так: система, руководствуясь предпочтениями посетителя, отображает актуальные для него артикулы, а вы можете настроить автоматическую сортировку страницы на базе его профиля сходств (affinity profile).

Продвигать товары со скидками

Все любят выгоду: даже ваши самые лояльные клиенты с удовольствием накидают в корзину товаров с хорошими скидками — в дополнение к тем, которые они уже покупают по полной цене. Получается, товары со скидками интересны всем — поэтому их можно рекомендовать кому угодно и где угодно на сайте. Многие думают, что товары со скидками стоит продвигать только в рамках разделов “Скидки” или “Распродажа”, но на деле такой подход только ограничивает средний чек (AOV) и конверсию. 

Рекомендовать аналогичные товары (similar products) на странице корзины

Как мы уже говорили ранее, на странице корзины уместно рекомендовать товары, дополняющие те, что уже в корзине. Эта стратегия называется “Вместе с этим товаром покупают” (Bought Together). 

Однако, иногда по аналитике можно заметить, что пользователи покупают сразу по два или три товара из одной товарной категории. Например, такое часто бывает при покупке одежды, продуктов, товаров для дома или спортивных товаров. Такое покупательское поведение можно использовать себе на пользу — если запустить на странице корзины правильные рекомендации. 

Прежде чем оплатить покупку, клиент всегда заходит в корзину, чтобы еще раз проверить ее содержимое. И это отличный момент, чтобы порекомендовать ему похожие товары или предложить вместо одного товара взять несколько — про запас. 

Показывать рекомендации на всех страницах и по всем каналамРекомендации можно размещать не только внизу продуктовых страниц, но и в рассылках (newsletters), на цифровых чеках (digital receipts), на лендингах, в мобильных приложениях (где вы можете по геолокации понимать, когда клиент заходит в оффлайновый магазин, и отправлять рекомендации через push-уведомления), на рекламных баннерах, в навигационных меню, в приветственных сообщениях и на exit-intent попапах (которые появляются, когда пользователь уходит с сайта).

Оптимизировать лейауты рекомендательных виджетов 

Рекомендации не всегда отображаются рядочком или в формате карусели. На самом деле, не существует единого оптимального шаблона рекомендательного виджета. Оптимизируя подачу рекомендаций, можно здорово повысить их эффективность — особенно на мобильных устройствах и в приложениях.  

Хорошо, когда у маркетолога есть возможность гибко менять и подстраивать лейаут каждого виджета. Важно, чтобы ваш рекомендательный движок поддерживал тесты и разные тактики персонализации: например, отображение виджета в разных местах сайта в зависимости от аудитории или смену лейаута виджета в зависимости от типа посетителя.

Экспериментировать и тестировать новые рекомендательные кампании (recommendation campaigns)

Чтобы понять, какая из рекомендательных стратегий работает лучше, можно задействовать A/B тесты. Так вы сможете оттачивать и повышать эффективность каждой кампании в реальном времени — и в то же время будете собирать идеи и выводы на долгосрочную перспективу. А если параллельно использовать еще и правила мерчандайзинга, можно запускать очень интересные эксперименты и выявлять с их помощью важные возможности получения дохода. 

Обязательно опирайтесь на данные пользователей при сегментации, создавайте для них новые опыты, отталкиваясь от индивидуального контекста, и рекомендуйте им те товары, к которым они уже проявили какой-то интерес. Помните: чем больше персонализации — тем выше вероятность конверсии.

Рекомендации — ваш ключ к получению дохода (revenue generation)

Есть множество разных видов рекомендаций. Экспериментируя с различными рекомендательными стратегиями, вы научитесь создавать более сочные опыты взаимодействия и зарабатывать больше денег. Будьте гибким: тестируйте разные варианты размещения рекомендательных виджетов, анализируйте данные об эффективности кампаний — и планомерно укрепляйте свою общую стратегию персонализации сайта. Когда освоитесь — можете поиграть с продвинутыми настройками, стратегиями сегментации и правилами мерчандайзинга, чтобы выжать максимум из каждого сегмента и с лихвой окупить вложения в маркетинг и персонализацию.

← Назад | Продолжение (Глава 8) →