Для предсказания поведения пользователей маркетологу важно пользоваться не только экспертным мнением, но и современными системами предиктивного маркетинга, которые оценивают как историю покупок пользователя, так и его паттерны поведения в реальном времени. Именно такой подход позволил интернет-магазину Hoff увеличить выручку каждой страницы до 13%.
Цели и задачи Hoff
Сеть гипермаркетов Hoff — это одна из крупнейших и динамично развивающихся российских мебельных сетей. На сегодняшний день сеть гипермаркетов мебели и товаров для дома Hoff насчитывает 40 магазинов по всей России. Это единственная российская сеть мебели и аксессуаров для дома, работающая в формате гипермаркетов. Также у Hoff огромный охват покупателей в сети: по данным ритейлера в месяц сайт посещают около 5 миллионов пользователей.
Открытие гипермаркета Hoff в Липецке
Гипермаркеты Hoff специализируются на формате «Всё в одном месте» и предлагают комплексные интерьерные решения на основе широкого мультибрендового ассортимента. В онлайне, как и в офлайне, пользователь оказывается перед широким выбором товаров. Однако возможности консультантов в интернет-магазине ограничены. Решить эту проблему может персонализация сайта — она помогает сориентироваться и рекомендует оптимальные варианты товаров для каждого пользователя.
Для того, чтобы создать уникальный персонализированный опыт на сайте для каждого клиента, интернет-магазин Hoff уже несколько лет сотрудничает с платформой Retail Rocket. В этом кейсе мы поговорим о следующих задачах, которые стоят перед ритейлером:
- Персонализировать ключевые страницы сайта
- Упростить поиск товара с помощью блоков персональных товарных рекомендаций
- Увеличить выручку интернет-магазина за счет внедрения алгоритмов, учитывающих пожелания клиентов в реальном времени.
Решение Retail Rocket
Hoff использует Retail Rocket для создания персонализированного опыта на сайте, и мы уже рассказывали о работе над триггерными рассылками и персонализацией главной страницы.
Блоки рекомендаций Retail Rocket расположены на всех ключевых страницах сайта Hoff.ru. Сегодня мы хотим показать вам самые интересные тесты на важнейших этапах customer journey:
- Главная страница
- Категория
- Карточка товара
- Поиск
В ходе тестирования мы выяснили какие алгоритмы дают наибольший прирост. Но обо всём по порядку.
Персонализация главной страницы
Каждый день на сайт Hoff заходят около 160 тыс. пользователей, и хотя сегодня уже далеко не все пользователи просматривают главную страницу, она по-прежнему остается важным элементом восприятия сайта. Чтобы заинтересовать и удержать пользователя используются различные элементы, в том числе правильно подобранные блоки товарных рекомендаций.
Исследование эффективности проводилось с использованием механики A/B-тестирования. Все посетители сайта случайным образом делились на 4 сегмента:
Первому сегменту показывались хиты продаж:
Второму сегменту показывались персонализированные хиты продаж — популярные товары магазина, подобранные по интересам и предпочтениям пользователя:
Третьему сегменту показывались популярные товары из интересных пользователю категорий:
Четвертый сегмент был контрольной группой, которой рекомендации не показывались.
Результаты
По итогам тестирования были получены следующие результаты:
| Сегмент | Прирост конверсии | Изменение среднего чека | Оценка увеличения выручки |
| Хиты продаж | +3,74% | +3,93% | +7,81% |
| Персонализированные хиты продаж | +4,31% | +6,93% | +11,54% |
| Популярные товары из интересных пользователю категорий | +0,61% | +4,98% | +5,61% |
| Контрольная группа | — | — | — |
Вывод
Согласно результатам тестирования, применение механики «Персонализированные хиты продаж» в блоке рекомендаций на главной странице интернет-магазина Hoff.ru увеличивает конверсию на 4,3%. В сочетании с ростом среднего чека на 6,9% это дает прогнозируемый рост входящего оборота на 11,5%.
Персонализация страницы категории
Страница категории ставит перед ритейлером сложную задачу: помочь клиенту сфокусировать внимание на поиске необходимых товаров. Так вероятность покупки значительно увеличивается.
Сориентироваться покупателю помогут блоки персональных рекомендаций. Их задача — показать пользователю лучшие варианты из огромного ассортимента и плавно провести клиента дальше по воронке.
Для того, чтобы понять, какой алгоритм справится наилучшим образом, мы провели A/B-тестирование. Все посетители сайта случайным образом делились на 4 сегмента:
Первому сегменту показывались хиты продаж из категории:
Второму сегменту показывались персонализированные хиты продаж из категории — популярные товары из категории, подобранные по интересам каждого пользователя:
Третьему сегменту показывались персональные рекомендации товаров из категории — подборка товаров из конкретной категории, максимально подходящих под интересы и предпочтения пользователя:
Четвертый сегмент был контрольной группой, рекомендации не показывались.
Результаты
По итогам тестирования были получены следующие результаты:
| Сегмент | Прирост конверсии | Изменение среднего чека | Оценка увеличения выручки |
| Хиты продаж категории | +6,12% | +2,18% | +8,44% |
| Персонализированные хиты продаж категории | +4,76% | +8,51% | +13,68% |
| Персональные рекомендации из категории | +6,17% | -0,13% | +6,03% |
| Контрольная группа | — | — | — |
Вывод
Согласно результатам тестирования, применение механики «Персонализированные хиты продаж» в блоке рекомендаций на странице категории интернет-магазина Hoff.ru увеличивает конверсию целевых посетителей на 4,8%. В сочетании с ростом среднего чека на 8,5% это дает прогнозируемый рост входящего оборота на 13,7%.
Персонализация карточки товара
Карточка товара — один из важнейших элементов пути клиента. Во многом именно от неё зависит, совершит ли пользователь заказ.
Существует много стереотипов о «правильных» рекомендациях, например, что в карточке товара нужны исключительно блоки сопутствующих товаров. «Все знают, что к рубашке нужно рекомендовать галстук» периодически пишут нам в комментариях к кейсам. Но не бывает двух одинаковых магазинов и таких же одинаковых решений, подходящих для всех.
Обратите внимание, что в одиночку блок сопутствующих товаров показал отрицательный результат. Но в сочетании с похожими товарами картина совершенно другая. Посмотрите, насколько сильно отличаются значение прибыли в зависимости от расположения блоков!
Как всегда для проверки эффективности использовалась методика A/B-тестирования, при которой пользователи случайным образом делились на 5 сегментов:
Первому сегменту показывались похожие товары:
Второму сегменту показывались сопутствующие товары:
Третьему сегменту показывались два блока одновременно: похожие товары (сверху) и сопутствующие товары (снизу):
Четвертому сегменту показывались также два блока одновременно, но в обратном порядке. Сопутствующие товары располагались сверху, а похожие снизу:
Пятый сегмент был контрольной группой, рекомендации не показывались.
Результаты
По итогам тестирования были получены следующие результаты:
| Сегмент | Прирост конверсии | Изменение среднего чека | Оценка увеличения выручки |
| Похожие товары | +1,82% | +2,05% | +3,91% |
| Сопутствующие товары | -2,04% | -2,29% | -4,29% |
| Два блока: похожие товары и сопутствующие товары | -0,40% | +6,26% | +5,84% |
| Два блока: сопутствующие товары и похожие товары | -1,56% | 1,55% | -0,03% |
| Контрольная группа | — | — | — |
Вывод
Согласно результатам тестирования, применение механики «Похожие товары и сопутствующие товары» в блоке рекомендаций в карточке товара интернет-магазина Hoff.ru увеличивает средний чек на 6,3%. В сочетании с незначительным уменьшением конверсии это дает прогнозируемый рост входящего оборота на 5,8%.
Персонализация страницы поиска
Поисковая страница очень важна для тех покупателей, которые не любят вручную просматривать страницу категории в поисках подходящего товара. Обычно такие пользователи уже знают чего хотят и ждут от магазина полного взаимопонимания.
Для того, чтобы генерация товаров по запросу проходила наиболее точно, мы решили добавить поисковые рекомендации. Они ориентируются на запрос и предлагают подборку, подходящую к ключевым словам, учитывая неправильное написание, ошибки и опечатки.
В ходе A/B-тестирования все посетители сайта случайным образом делились на 3 сегмента:
Первому сегменту показывались поисковые рекомендации:
Второй сегмент был контрольной группой, рекомендации которой не показывались.
Результаты
По итогам тестирования были получены следующие результаты:
| Сегмент | Прирост конверсии | Изменение среднего чека | Оценка увеличения выручки |
| Поисковые рекомендации | +0,64% | +8,45% | +9,15% |
| Контрольная группа | — | — | — |
Вывод
Согласно результатам тестирования, применение механики «Стандартные поисковые рекомендации» в блоке рекомендаций в поиске интернет-магазина Hoff.ru увеличивает средний чек на 8,5%. В сочетании с приростом конверсии на 0,6% это дает прогнозируемый рост входящего оборота на 9,15%.
Комментарий Hoff
«Мы давно сотрудничаем с Retail Rocket и полностью доверяем их решениям, каждое из которых основывается на глубоких знаниях и опыте. Персонализация ключевых страниц нашего сайта принесла нам отличный прирост в конверсии и выручке. Мы планируем и дальше проводить АБ-тестирование новых механик в рекомендациях и персонализации страниц нашего сайта.
Создавая персонализированный опыт для каждого пользователя на сайте, мы увеличиваем доверие наших клиентов, обеспечиваем рост их лояльности и мотивируем возвращаться к нам снова и снова».
Дмитрий Дворецкий, директор по электронной коммерции Hoff
Добавить комментарий