Самого ефективного алгоритму рекомендацій не існує. Для різних категорій магазинів різні алгоритми працюють по-різному. Деякі з них краще діють на привернення уваги до товарів (переходи на картки товарів з блоків рекомендацій), інші - на прийняття рішення про покупку (після переходу з рекоммендера на картку товару, товар буде замовлений). Всьому виною різна психологія вибору і прийняття рішення про покупку товарів для різних товарних категорій.
Ви напевно бачили в багатьох інтернет-магазинах блоки "Популярні товари", "З цим товаром купують", та інші подібні міні-вітрини. Ці блоки можуть перебувати на головних сторінках, Лендінзі, на сторінках категорій, на картках товарів і навіть в кошику. У них магазин представляє товари, які рекомендуються користувачу - з розрахунком на додатковий продаж, або ж на вибір дорожчої моделі замість тієї, яку той зараз вивчає. Без таких блоків інтернет-магазини навіть здаються порожніми - настільки вже нам звично, коли є можливість натискати на різні картинки, повертати, порівняти моделі, кольору і так далі.
У більшості магазинів такі товарні рекомендації або статичні - тобто, однакові для різних відвідувачів, - або підбираються кожен раз випадковим чином. Добре, якщо хоча б з тієї ж категорії. Однак, піонери інтернет-торгівлі, починаючи з amazon.com і ebay.com, і закінчуючи вітчизняними гігантами ozon.ru, wikimart.ru та іншими, одного разу помітили, що всі покупці - різні. Одна і та ж акція, одна і та ж викладка на вітрині ніколи не буде ідеальною - тобто, не буде працювати для всіх. Тоді була придумана ідея персоналізації.
Персональні товарні рекомендації характерні тим, що вони динамічно підлаштовуються під смаки конкретного відвідувача магазину, на підставі доступних даних про користувача, його історії переглядів і попередніх покупок.
Тут рітейл-гіганти розгорнулися на повну. Зайдіть зараз на amazon.com і походіть трохи по сайту. Ви будете здивовані, як магазин почне підлаштовуватися під ваші дії. Більше того, він вас запам'ятає, і в наступне відвідування відразу запропонує те, що ви пильно вивчали, але в підсумку не купили. Ще й на пошту вам напише через математично розраховане правильний час. В одному із зарубіжних досліджень була оцінка, що сайт Amazon.com на 70% складається з рекомендацій, що явно демонструє першорядне значення рекомендацій у залученні покупців до нових продуктів і в зростанні продажів. Одним словом, ви не підете від них просто так.
Зрозуміло, що Амазон може собі дозволити утримувати такі обчислювальні потужності і постійно працювати над вдосконаленням алгоритмів. Але сьогодні з'являються компанії, які надають можливості персоналізації і меншим за розміром магазинах - аж до самих крихітних, з менш ніж 100 відвідувачами в день. Інформацію про переваги користувачів вони беруть з усієї мережі підключених магазинів, а вартість їх послуг дуже доступна.
Окупаються такі сервіси швидко - згідно, наприклад, інфографіці від Monetate , рекомендації можуть збільшити виручку на величину до 300%, конверсію - до 150%, а середній чек - до 50%. Зрозуміло, що ці цифри можуть варіюватися в широких межах залежно від вихідних значень, а також від того, наскільки інтенсивно рекомендації використовуються на сайті, але показники все ж занадто привабливі для того, щоб їх ігнорувати.
Одним з таких хмарних сервісів персоналізації є російський REES46.com , команда якого провела власне дослідження ефективності різних алгоритмів рекомендацій у застосуванні до різних товарних категоріях інтернет-магазинів. Результати вийшли цікаві.
Результат роботи персональних рекомендацій на інтернет-магазинах, за категоріями.
У спробах зрозуміти, чому так відбувається, в REES46 прийшли до висновку, що всьому виною різна психологія вибору і прийняття рішення про покупку товарів для різних товарних категорій.
Наприклад, у категорії Електроніка знаходяться товари складні, з безліччю функцій, є безліч близьких і неблизьких аналогів, розкид цін у рази й десятки разів залежно від моделі, бренду, виробника, програмної «начинки». Ринок дуже конкурентний - більшості покупців непросто розібратися в деталях, тому вони, лише приблизно розуміючи, чого хочуть, переглядають безліч варіантів, у тому числі в багатьох магазинах.
Блоки рекомендацій, на товари з яких частіше клацають.
У цій складній категорії блок «Подібні товари» полегшує користувачеві вибір в тому числі і цінової, надаючи варіанти товарів з вилкою ціни -5% - + 15% і враховуючи персональні переваги. Для магазину це добре тим, що користувач з меншою ймовірністю піде просто через розбіжність цінових очікувань, і тим самим, найімовірніше купить хоч щось. Крім схожих товарів, відвідувачі магазинів електроніки клікають в рівній мірі на «Нещодавно переглянуті» (11.59%), а також на «Популярні» (11.44%) товари. Решта типів рекомендацій дивляться рідко (в сумі 6.80%).
Сумки та аксесуари. На відміну від попередньої категорії, для покупки сумки важливий в першу чергу зовнішній вигляд товару, тому зрозуміло, що найбільше (58.35%) дивляться «Схожі» на спочатку шуканий товар, але потім також шукають і нові для себе варіанти, вже більше керуючись масовими рекомендаціями «Популярні» (20.24%) і персональними «Можливо, вам це сподобається» (15.45%). Інші типи рекомендацій мають для даної категорії мінорний значення (5.96% у сумі).
Товари для дорослих. Є відчуття, що приблизно порівнянна популярність топових алгоритмів рекомендацій - «Схожі» (29.91%), «З цим товаром купують» (26.84%) і «Можливо, вам це сподобається» (25.03%) пов'язана з тим, що відвідувачі шукають нових відчуттів в «дорослих іграх», переглядаючи як щось схоже на вже знайомі товари або супутнє їм, так і щось нове з персональних пропозицій. Цікаво, що інші алгоритми рекомендацій в сумі складають помітну частку (18.22%), що говорить про те, що покупці в даній категорії активно використовують і інші підказки, які товари їм ще подивитися.
Блоки рекомендацій, перехід з яких на товар частіше призводить до купівлі
Якщо товар був куплений за рекомендацією, враховується тільки останній з блоків, з якого був здійснений перехід на картку товару перед приміщенням його в корзину. Результати на діаграмі показують очікуваний результат - найчастіше покупку роблять з використанням блоку «Нещодавно переглянуті», і дещо рідше - «Схожі» або «З цим товаром купують». Однак, в різних категоріях, як і у випадку переглядів, логіка покупців різна.
Сумки та аксесуари. «Подібні товари» (35.37%) очікувано лідирують. Цікаво, що на другому місці - блок крос-Сейлем «З цим також купують» (22.39%). Персональні рекомендації алгоритму «Можливо, вам це сподобається» (19.50%) також досить ефективні. Частка інших алгоритмів помітна (22.73%). Набір ефективних рекомендацій для фінального рішення про покупку незначно відрізняється від топ-3 блоків по перегляду товарів.
Товари для дорослих. Знову в лідерах - «Нещодавно переглянуті» (62.56%). Помітний внесок у прийняття рішення про покупку дають рекомендації «Можливо, вам це сподобається» (18.41%). На завершення кошика використовують рекомендації з блоків «З цим також купують» (12.54%), решта алгоритми дають мінорний вклад (6.48%). У цій категорії так само, як і в попередньому випадку, працює зв'язка з чотирьох алгоритмів рекомендацій.
Електроніка. У цій категорії порядок топ-3 алгоритмів рекомендацій співпадає повністю, змінюється лише внесок кожного. Частка «Подібні товари» (52.48%) знижується, «Копія» (35.25%) - помітно підвищується, і незначно знижується внесок блоку «Популярні» (9.15%). Решта алгоритми мають мало помітний вплив (3.12%) на прийняття рішення про покупку. Але навіть у цьому випадку, тільки не менше трьох блоків рекомендацій у зв'язці дає помітне зростання ефекту від впровадження персоналізації в інтернет-магазин.
Висновки
Найбільше додаткових продажів за рахунок товарних рекомендацій відбувається в категорії «Товари для дорослих» (29.4%).
Найбільше прибутку від додаткових продажів за рахунок товарних рекомендацій відбувається в категорії «Меблі» (27.8%).
Продажі через блоки товарних рекомендацій вище всього в категорії «Електроніка» (2.1% від усіх переглядів сторінок магазину усіма відвідувачами).
Самого ефективного алгоритму рекомендацій не існує. Для різних категорій магазинів різні алгоритми працюють по-різному. Деякі з них краще діють на привернення уваги до товарів (переходи на картки товарів з блоків рекомендацій), інші - на прийняття рішення про покупку (після переходу з рекоммендера на картку товару, товар буде замовлений).
Для того, щоб був ефект від персоналізації, необхідно, щоб були підключені як мінімум три, а краще - чотири типи блоків персональних рекомендацій. Цей висновок дійсний для будь-якої спеціалізації магазина.
Ви напевно бачили в багатьох інтернет-магазинах блоки "Популярні товари", "З цим товаром купують", та інші подібні міні-вітрини. Ці блоки можуть перебувати на головних сторінках, Лендінзі, на сторінках категорій, на картках товарів і навіть в кошику. У них магазин представляє товари, які рекомендуються користувачу - з розрахунком на додатковий продаж, або ж на вибір дорожчої моделі замість тієї, яку той зараз вивчає. Без таких блоків інтернет-магазини навіть здаються порожніми - настільки вже нам звично, коли є можливість натискати на різні картинки, повертати, порівняти моделі, кольору і так далі.
У більшості магазинів такі товарні рекомендації або статичні - тобто, однакові для різних відвідувачів, - або підбираються кожен раз випадковим чином. Добре, якщо хоча б з тієї ж категорії. Однак, піонери інтернет-торгівлі, починаючи з amazon.com і ebay.com, і закінчуючи вітчизняними гігантами ozon.ru, wikimart.ru та іншими, одного разу помітили, що всі покупці - різні. Одна і та ж акція, одна і та ж викладка на вітрині ніколи не буде ідеальною - тобто, не буде працювати для всіх. Тоді була придумана ідея персоналізації.
Персональні товарні рекомендації характерні тим, що вони динамічно підлаштовуються під смаки конкретного відвідувача магазину, на підставі доступних даних про користувача, його історії переглядів і попередніх покупок.
Тут рітейл-гіганти розгорнулися на повну. Зайдіть зараз на amazon.com і походіть трохи по сайту. Ви будете здивовані, як магазин почне підлаштовуватися під ваші дії. Більше того, він вас запам'ятає, і в наступне відвідування відразу запропонує те, що ви пильно вивчали, але в підсумку не купили. Ще й на пошту вам напише через математично розраховане правильний час. В одному із зарубіжних досліджень була оцінка, що сайт Amazon.com на 70% складається з рекомендацій, що явно демонструє першорядне значення рекомендацій у залученні покупців до нових продуктів і в зростанні продажів. Одним словом, ви не підете від них просто так.
Зрозуміло, що Амазон може собі дозволити утримувати такі обчислювальні потужності і постійно працювати над вдосконаленням алгоритмів. Але сьогодні з'являються компанії, які надають можливості персоналізації і меншим за розміром магазинах - аж до самих крихітних, з менш ніж 100 відвідувачами в день. Інформацію про переваги користувачів вони беруть з усієї мережі підключених магазинів, а вартість їх послуг дуже доступна.
Окупаються такі сервіси швидко - згідно, наприклад, інфографіці від Monetate , рекомендації можуть збільшити виручку на величину до 300%, конверсію - до 150%, а середній чек - до 50%. Зрозуміло, що ці цифри можуть варіюватися в широких межах залежно від вихідних значень, а також від того, наскільки інтенсивно рекомендації використовуються на сайті, але показники все ж занадто привабливі для того, щоб їх ігнорувати.
Одним з таких хмарних сервісів персоналізації є російський REES46.com , команда якого провела власне дослідження ефективності різних алгоритмів рекомендацій у застосуванні до різних товарних категоріях інтернет-магазинів. Результати вийшли цікаві.
Результат роботи персональних рекомендацій на інтернет-магазинах, за категоріями.
У спробах зрозуміти, чому так відбувається, в REES46 прийшли до висновку, що всьому виною різна психологія вибору і прийняття рішення про покупку товарів для різних товарних категорій.
Наприклад, у категорії Електроніка знаходяться товари складні, з безліччю функцій, є безліч близьких і неблизьких аналогів, розкид цін у рази й десятки разів залежно від моделі, бренду, виробника, програмної «начинки». Ринок дуже конкурентний - більшості покупців непросто розібратися в деталях, тому вони, лише приблизно розуміючи, чого хочуть, переглядають безліч варіантів, у тому числі в багатьох магазинах.
Блоки рекомендацій, на товари з яких частіше клацають.
У цій складній категорії блок «Подібні товари» полегшує користувачеві вибір в тому числі і цінової, надаючи варіанти товарів з вилкою ціни -5% - + 15% і враховуючи персональні переваги. Для магазину це добре тим, що користувач з меншою ймовірністю піде просто через розбіжність цінових очікувань, і тим самим, найімовірніше купить хоч щось. Крім схожих товарів, відвідувачі магазинів електроніки клікають в рівній мірі на «Нещодавно переглянуті» (11.59%), а також на «Популярні» (11.44%) товари. Решта типів рекомендацій дивляться рідко (в сумі 6.80%).
Сумки та аксесуари. На відміну від попередньої категорії, для покупки сумки важливий в першу чергу зовнішній вигляд товару, тому зрозуміло, що найбільше (58.35%) дивляться «Схожі» на спочатку шуканий товар, але потім також шукають і нові для себе варіанти, вже більше керуючись масовими рекомендаціями «Популярні» (20.24%) і персональними «Можливо, вам це сподобається» (15.45%). Інші типи рекомендацій мають для даної категорії мінорний значення (5.96% у сумі).
Товари для дорослих. Є відчуття, що приблизно порівнянна популярність топових алгоритмів рекомендацій - «Схожі» (29.91%), «З цим товаром купують» (26.84%) і «Можливо, вам це сподобається» (25.03%) пов'язана з тим, що відвідувачі шукають нових відчуттів в «дорослих іграх», переглядаючи як щось схоже на вже знайомі товари або супутнє їм, так і щось нове з персональних пропозицій. Цікаво, що інші алгоритми рекомендацій в сумі складають помітну частку (18.22%), що говорить про те, що покупці в даній категорії активно використовують і інші підказки, які товари їм ще подивитися.
Блоки рекомендацій, перехід з яких на товар частіше призводить до купівлі
Якщо товар був куплений за рекомендацією, враховується тільки останній з блоків, з якого був здійснений перехід на картку товару перед приміщенням його в корзину. Результати на діаграмі показують очікуваний результат - найчастіше покупку роблять з використанням блоку «Нещодавно переглянуті», і дещо рідше - «Схожі» або «З цим товаром купують». Однак, в різних категоріях, як і у випадку переглядів, логіка покупців різна.
Сумки та аксесуари. «Подібні товари» (35.37%) очікувано лідирують. Цікаво, що на другому місці - блок крос-Сейлем «З цим також купують» (22.39%). Персональні рекомендації алгоритму «Можливо, вам це сподобається» (19.50%) також досить ефективні. Частка інших алгоритмів помітна (22.73%). Набір ефективних рекомендацій для фінального рішення про покупку незначно відрізняється від топ-3 блоків по перегляду товарів.
Товари для дорослих. Знову в лідерах - «Нещодавно переглянуті» (62.56%). Помітний внесок у прийняття рішення про покупку дають рекомендації «Можливо, вам це сподобається» (18.41%). На завершення кошика використовують рекомендації з блоків «З цим також купують» (12.54%), решта алгоритми дають мінорний вклад (6.48%). У цій категорії так само, як і в попередньому випадку, працює зв'язка з чотирьох алгоритмів рекомендацій.
Електроніка. У цій категорії порядок топ-3 алгоритмів рекомендацій співпадає повністю, змінюється лише внесок кожного. Частка «Подібні товари» (52.48%) знижується, «Копія» (35.25%) - помітно підвищується, і незначно знижується внесок блоку «Популярні» (9.15%). Решта алгоритми мають мало помітний вплив (3.12%) на прийняття рішення про покупку. Але навіть у цьому випадку, тільки не менше трьох блоків рекомендацій у зв'язці дає помітне зростання ефекту від впровадження персоналізації в інтернет-магазин.
Висновки
Найбільше додаткових продажів за рахунок товарних рекомендацій відбувається в категорії «Товари для дорослих» (29.4%).
Найбільше прибутку від додаткових продажів за рахунок товарних рекомендацій відбувається в категорії «Меблі» (27.8%).
Продажі через блоки товарних рекомендацій вище всього в категорії «Електроніка» (2.1% від усіх переглядів сторінок магазину усіма відвідувачами).
Самого ефективного алгоритму рекомендацій не існує. Для різних категорій магазинів різні алгоритми працюють по-різному. Деякі з них краще діють на привернення уваги до товарів (переходи на картки товарів з блоків рекомендацій), інші - на прийняття рішення про покупку (після переходу з рекоммендера на картку товару, товар буде замовлений).
Для того, щоб був ефект від персоналізації, необхідно, щоб були підключені як мінімум три, а краще - чотири типи блоків персональних рекомендацій. Цей висновок дійсний для будь-якої спеціалізації магазина.
No comments:
Post a Comment