История из жизни. Недавно я решила купить ботинки мечты. На этапе оформления корзины на сайте появился блок сопутствующих товаров. В результате я дополнила заказ цветными шнурками (ведь черные в какой-то момент носить надоест), набором для ухода за ботинками, чтобы кожа была мягкой и блестела, и носками с забавным принтом. Такая подборка — один из вариантов товарных рекомендаций. Как видите, он отлично работает.
По данным исследований, 45% людей с большей вероятностью сделают покупку на сайте, если им рекомендуют сопутствующие товары. Они помогают быстрее найти нужную вещь и получить приятные эмоции от покупки.
Если у вас есть онлайн-магазин, но вы не используете рекомендации, пора задуматься о том, чтобы их внедрить.
Какую пользу приносят товарные рекомендации?
- Повышают конверсии. Если показать человеку товар, который ему интересен или предложить альтернативный вариант, вероятность покупки вырастет.
- Увеличивают средний чек. Можно предложить клиенту что-то полезное в дополнение к его заказу.
- Увеличивают глубину просмотра. Изучая рекомендации, пользователь проводит на сайте больше времени, а это повышает его рейтинг в поисковых системах.
- Укрепляют лояльность к бренду. Если вы рекомендуете клиентам то, что им интересно, они чувствуют, что вы о них заботитесь. И возвращаются за покупками.
Какие виды товарных рекомендаций существуют?
В отличие от персональных, товарные рекомендации основываются не на поведении пользователя, а на исходном продукте, который он смотрел. Есть два алгоритма создания таких рекомендаций: похожие товары и сопутствующие товары.
Похожие товары
В этом случае человек получает подборку товаров, похожих на исходный. Представим, что посетитель решил купить смартфон, но вдруг понял, что там нет нужной функции или цена слишком велика. Чтобы он не покинул сайт ни с чем, можно показать рекомендации с моделями смартфонов из того же сегмента.
Где размещать?
Лучшее место для размещения таких подборок — карточки товаров на сайте. А еще рекомендации можно добавлять в триггерные емейл-рассылки. Оптимальные сценарии — брошенная корзина и брошенный просмотр.
Если клиент передумал оформлять заказ, его можно догнать письмом и напомнить о брошенной корзине. Помимо товаров, которые он собирался купить, в рассылку нужно добавить блок с рекомендациями. Возможно ему понравится что-то из подборки, и он вернется на сайт.
Сценарий брошенного просмотра работает по похожему принципу, только здесь в рассылку добавляются товары, которые посетитель смотрел на сайте.
Чтобы создать такие рекомендации нужен товарный фид. Это специальный файл, в котором собрано досье на каждый товар, например его название, описание, характеристики. Чем подробнее фид, тем эффективнее будут рекомендации.
Сопутствующие товары
Это рекомендации с товарами, которые дополняют исходный. Если клиент хочет купить кофемашину, предлагаем ему добавить в корзину зерна, а если телефон — защитное стекло для экрана.
Где размещать?
Самым удачным вариантом размещения здесь станет страница «Корзины» на сайте. На этапе оформления заказа, человек уже готов к покупке и пребывает в хорошем настроении. Удачное время, чтобы предложить ему что-то полезное. Еще один вариант размещения поместить подборку в рассылку вместе с уведомлением о заказе.
Чтобы это реализовать, кроме товарного фида понадобится файл с транзакциями, в котором хранятся все товары, которые покупал человек. Это даст возможность понять, что можно продавать совместно друг с другом.
Как настроить товарные рекомендации?
Их можно настроить как вручную, так и автоматически.
Что значит вручную? Это значит, что придется регулярно самостоятельно собирать подборки товаров или категорий. Это трудоемкое занятие — чем больше у вас каталог на сайте, тем больше времени придется на это потратить.
Намного быстрее создавать товарные рекомендации автоматически — с помощью алгоритмов машинного обучения. Если вам по душе второй вариант, можно воспользоваться нашим сервисом enKod.
Как это работает?
Сначала вам нужно выбрать сценарий рекомендаций: популярные или похожие товары, cross-продажи, персональные триггерные емейл-рассылки. После этого на сайт нужно установить скрипт, который будет собирать данные для запуска алгоритма машинного обучения. Не переживайте, мы максимально упростили настройку, чтобы вы не запутались. После этого процесса, у нас появляется модель, готовая к выдаче рекомендаций. Остается запустить алгоритмы и оценить насколько эффективно все работает.
Если вам хочется посмотреть как работают рекомендации и понять, подходят ли они для ваших нужд, оставляйте заявку на демонстрацию. Мы с радостью все покажем и ответим на ваши вопросы.
