Рекомендательные системы в электронной коммерции.
Рекомендательные системы в письмах.
Зачем нужны? Какие алгоритмы использовать? Для каких сценариев подходят?
Зачем нужны рекомендательные системы в письмах, какие применять алгоритмы, в каких сценариях можно использовать?
В предыдущей статье мы начали разговор о рекомендательных системах, рассмотрели как эффективно использовать этот инструмент для увеличения продаж в интернет-магазине, сегодня, продолжая эту тему предлагаю рассмотреть вопрос использования товарных рекомендаций в письмах.
Почему именно письма?
Хоть e-mail и хоронят уже более 20 лет, в данный момент е-mail - это необходимый, самый дешевый по окупаемости, поэтому хорошо себя зарекомендовавший и всем известный канал. Систематическое и грамотное использование этого ресурса, значительно повышает конверсию, увеличивает LTV, отличается высоким ROI, в общем не инструмент, а загляденье ;)
Поскольку письмо, как бы там ни было, это отложенная коммуникация, к выбору алгоритма рекомендаций для e-mail стоит отнестись очень внимательно.
Напомню, в предыдущем материале мы с Вами рассматривали следующие алгоритмы:
- Top-offers
- Buying-now
- Offer-upsale
- Cross-sale
- Similar offers
- Cart-upsale
- Поисковые рекомендации
Конечно, алгоритмов рекомендаций может быть больше, но пока мы рассмотрим именно эти, как показавшие лучший результат использования у наших клиентов.
Для чего в письмах рекомендации?
Этот вопрос стоит задать себе в первую очередь.
Итак, задачи, ради решения которых мы будем использовать рекомендательные системы в письмах:
- «Доведение» до первой или следующей покупки
- Возврат за повторной покупкой
- Увеличение частоты покупок
- Увеличение среднего чека
- Повышение лояльности клиентов
Уверена, что вы сможете выделить и другие задачи и найти наилучший способ их решения с помощью рекомендательных систем, ведь, в итоге, мы все равно опираемся на задачи каждого конкретного бизнеса.
Какие сценарии рассылок мы можем дополнить персональными рекомендациями?
Определившись с задачами, стоит подумать над сценариями e-mail кампании.
В данном примере, поскольку речь о рекомендательных системах, разделим также и получателей писем:
1 группа – те, данные об интересах и покупках которых есть у нас
2 группа - те о которых мы не знаем ничего кроме e-mail.
Начнем с самого интересного, что, кому и когда отправлять, если интересы нам известны.
В первую очередь это автоматические триггерные рассылки. Для примера рассмотрим такие письма, как:
- Брошенный просмотр категории
- Брошенный просмотр товара
- Брошенная корзина
- Постпродажа
- Подписка на снижение цены
- Подписка на появление товара в наличии
- Неактивные клиенты
- Best Offer
Брошенный просмотр категории
Если за время визита не было просмотрено ни одной карточки товара, но были просмотрены определенные категории, а именно это является триггером срабатывания для формирования и отправки письма "брошенный просмотр категории", нам необходимо попытаться вернуть посетителя на сайт и довести до покупки, поэтому использование рекомендательных систем может увеличить шанс возврата. Так как из интересов мы знаем только список просмотренных категорий, то логично, что здесь наилучшим вариантом будет показать самые популярные товары из этих категорий. Соответственно мы рекомендуем высылать блок рекомендаций, используя алгоритм top-offers по категории.
Брошенный просмотр
Одной из самых популярных триггерных авторассылок является “брошенный просмотр”. Она отправляется, если результатом визита стали – только просмотры товаров. Основной задачей у этого инструмента также является возврат посетителя и доведение его до покупки. Но отличием от предыдущего варианта становится то, что мы знаем список товаров, которые действительно понравились посетителю, но он по какой-то причине не решился на покупку. Поэтому в дополнение к списку просмотренных товаров мы можем добавить товарную выборку на основе cross-sale рекомендаций.
Брошенная корзина
“Брошенная корзина” - это уже стандарт, из разряда must have. Эта триггерная рассылка отправляется, если в результате визита есть товары, которые добавлены в корзину, но нет финального шага - оформления заказа. В зависимости от цели, которую мы хотим решить, а это может быть “доведение до покупки” и/или “увеличение среднего чека”, можно использовать разные алгоритмы рекомендаций. Таким образом, в данном письме, кроме товаров, которые посетитель уже добавил в корзину, можно использовать алгоритм cross-sale или similar offers для возврата клиента на сайт, или алгоритм cart-upsale, который сможет послужить хорошим подспорьем для увеличения среднего чека.
Постпродажа
Авторассылка “Постродажа”, как следует из названия, отправляется после оформления заказа. В зависимости от времени отправки, эта рассылка поможет решить две разные задачи:
- сделать допродажу к текущему заказу и тем самым увеличить средний чек,
- получить фидбэк от клиента, повысив таким образом лояльность к вашему магазину.
Для решения первой задачи, триггер “постпродажа” должен отправляться сразу же после оформления заказа. Логично, что в этом письме кроме благодарности за оформление заказ можно вставить блок рекомендаций, подобранный алгоритмом cart-upsale.
Для решения второй задачи письмо отправляется через некоторое время после после получения клиентом заказа. В этом случае в письме «Постпродажа», мы благодарим покупателя за покупку, просим оставить отзыв о нашей работе и приобретенном товаре. Тут, мы также можем добавить товарное предложение, показывающее популярные товары из других категорий, о которых покупатель часто не имеет информации, так как пришел к вам за конкретным товаром. Для этого лучше всего подойдет алгоритм top offers.
Подписки на снижение цены и появление товара в наличии
Эти два инструмента похожи тем, что потенциальный клиент заинтересован в ваших товарах, но по какой-то причине не может осуществить покупку “здесь и сейчас”. В первом случае его не устраивает цена товара, и он ждет её снижения, во втором случае, интересующего товара нет в наличии.
Эти инструменты, как и “Постпродажу” мы рекомендуем отправлять в виде цепочки писем: первое уходит сразу после подписки, второе после наступления соответствующего триггера.
У первого письма задача одна - вернуть посетителя на сайт и довести его до покупки “здесь и сейчас”. Поэтому в данном письме, кроме благодарности за проявленный интерес и обещания отправить оповещение, как произойдет событие, ради которого человек оформил подписку, рекомендуем вставить блок товаров, которые очень похожи на этот товар. С этим лучше всего справится алгоритм similar offers.
Во втором письме к товару на который подписан посетитель лучше всего подойдут блоки с товарными рекомендациями, которые дополняют его, с этим справится алгоритм cart-upsale.
Неактивные клиенты и Best Offer
Для автоматических рассылок неактивным клиентам (тем, кто не посещал сайт долгое время (обычно 30 дней)), а также для цикличных писем вроде Best offer (рекомендация к следующей покупке), лучшим решением будет алгоритм top-offers и buying-now. Эти алгоритмы ориентируются на данные о самых продаваемых товарах за последние 14 дней (Top-offers) и последние 120 минут (buying-now), так что информация для получателя письма будет самой актуальной. Особенно заметен рост конверсии по рассылкам с использованием таких алгоритмов в периоды распродаж и смены сезонов.
В триггерной рассылке Best offer ввиду того, что она рассылается не только по неактивным клиентам, но и клиентам, которые часто заходят на сайт, можно использовать алгоритм cross-sale, который учитывает последнюю историю посещения человека на сайте.
Используя эти алгоритмы в авторассылках “Неактивные клиенты” и “Best offer”, мы увеличиваем шанс повторной покупки и увеличения частоты покупок.
Тут мы плавно можем перейти к тому сегменту наших посетителей, где данные о их предпочтениях нам неизвестны. Очевидно, что наличие данных об интересах конкретного лида дают уникальную возможность показывать максимально релевантные товары. Когда этих данных нет, мы можем использовать top-offers.
Тут мы плавно можем перейти к тому сегменту наших посетителей, где данные о их предпочтениях нам неизвестны. Очевидно, что наличие данных об интересах конкретного лида дают уникальную возможность показывать максимально релевантные товары. Когда этих данных нет, мы можем использовать top-offers.
Массовые/регулярные рассылки
Для массовых рассылок, чаще всего используются статичные товары по тематике письма, то есть, если письмо о распродаже – товары со сниженной ценой, если письмо с новинками – то товары из новых поступлений. Кроме этого, рассылки могут формироваться по тематике, например «подбор образа» или «разбор интерьера» тогда это товары участвующие в этих рекомендациях стилиста. Но даже и в этом случае, дополнительно можно применить рекомендательный алгоритм, который соберет индивидуальное предложение для конкретного лида.
В зависимости от конкретных бизнес-задач и сегмента получателей вы можете выбрать подходящий алгоритм.
В результате...
Использование рекомендательных систем в письмах, а именно динамической товарной выборки, значительно повышает click rate и конверсию писем в продажу. Ну и конечно это влияет на повышение лояльности ваших покупателей, ведь вы предлагаете им именно тот товар, в котором они заинтересованы здесь и сейчас.
Если Вы хотите использовать рекомендательные системы в письмах – вы знаете куда обращаться. ;)
P.S.
В следующем материале мы с вами рассмотрим ситуации в которых необходимо использование бизнес-правил при запуске рекомендательных систем. Как именно их использовать, как настраивать и какие возможности существуют.
Подписаться можно здесь.
P.S. Если вы хотите получить совет по использованию рекомендательных систем в авторассылке, описание которой отсутствует в этом материале, напишите мне на почту sts@leadhit.ru и мы вместе разберем какой из алгоритмов лучше всего подойдет для достижения ваших бизнес-целей.