>

Персональные рекомендации в email-рассылках: повышаем продажи интернет-магазина

Персональные рекомендации в email-рассылках

Современный потребитель сравнивает не только ассортимент и стоимость, для него также важен опыт взаимодействия с компанией. Получить постоянного покупателя непросто: ежедневно за его внимание борются множество ваших конкурентов.

Персональные товарные рекомендации могут стать тем инструментом, который поможет выстроить доверительные отношения и сформировать лояльность ЦА. Как они работают, разбираемся в этом материале.

Зачем нужны персональные рекомендации

По статистике, 55% потребителей положительно реагируют, когда получают от брендов сообщения с персональными предложениями. Так, товарные рекомендации в рассылках способствуют росту:

  • CTR;
  • конверсии сайта;
  • количества заказов;
  • общего дохода компании.

Через персональные рекомендательные блоки можно показать подписчику именно те товары и категории, которые вызовут у него максимальный отклик в данный момент. Это поможет сократить путь к покупке, сэкономить время клиента и облегчить ему выбор. По данным Epsilon, 80% потребителей с большей вероятностью купят товар у тех компаний, которые персонализируют предложения Это подтверждает эффективность работы товарных рекомендаций для всех представителей ecommerce.

Виды рекомендаций

Персонализированные рекомендации строятся с учетом данных о:

  • контакте — учитываются предыдущие покупки конкретного человека, его поведение на страницах товаров, в категориях. Так генерируются уникальные подборки для каждого пользователя. Например, «Специально для вас» и др;
  • товаре — учитываются данные товаров: описание, названия, цены; а также просмотры, клики и покупки большого количества пользователей. Так создаются блоки «Вместе дешевле», «С этим товаром покупают».

Когда недостаточно данных для формирования персональных рекомендаций, можно использовать общие товарные предложения. Они основываются на данных сайта, например «Новинки”», «Бестселлеры» и др.

В каких рассылках стоит использовать товарные рекомендации

Рекомендации могут усилить промо, триггерные, транзакционные сообщения. Рассмотрим более детально, в какие виды рассылок уместно включать рекомендательные блоки.

  1. Промо — модули рекомендуемых товаров могут стать ключевым элементом таких email. Они учитывают информацию о клиенте и ему не придется блуждать по сайту, так как. в емейле уже собраны спецпредложения по его интересам.

  2. Сбор спецпредложений по интересам

  3. Welcome-рассылка — обычно, приветствие состоит из серии писем. Во 2-3 сообщении можно прислать общие блоки рекомендаций, а если в системе уже достаточно данных о пользователе — индивидуальные.
  4. Брошенный просмотр — письма с просмотренными товарами и подборкой похожих можно присылать через 1-2 часа после того, как пользователь покинул сайт.

  5. Пример рассылки брошенный просмотра

  6. Брошенная корзина — по данным Statista, 69,57% покупателей оставляют корзину, так и не завершив покупку. Триггерная рассылка с индивидуальными блоками помогает сократить количество незавершенных заказов. Для этих писем подходят рекомендации сопутствующих позиций. А вот товары из одного ценового сегмента и одной категории давать не стоит, так как человек может отвлечься на сравнение и отложить покупку.

  7. Пример рассылки брошенная корзины

  8. Снижение стоимости — подписчику можно сообщить, когда снизилась цена на товар, которым он интересовался. В email уместно добавить похожие позиции из той же категории и схожие по цене.

  9. Рассылка о снижении стоимости

  10. Товар появился в наличии — помимо самого товара, можно прислать позиции этого же бренда по аналогичной цене, похожие новинки.

  11. Состояние заказа — в письме с информацией о заказе логично показать блоки сопутствующих товаров.

  12. После покупки — в постпродажные письма с просьбой оставить отзыв/оценить обслуживание можно включить рекомендации к предыдущей покупке. А если в интернет-магазине реализована программа лояльности, покажите, на что потратить накопленные бонусы.

  13. Постпродажные письма

  14. Обратная связь — ответ продавца на вопрос о товаре можно дополнить подборкой со схожими товарами из категории.

  15. Пример обратной связи

  16. Поздравительные — вместе с поздравлением и приятным бонусом (в честь дня рождения или любого другого праздника) пришлите персональные предложения на основе предыдущих покупок или списка желаний. Например: «Специально для вас», «Вам понравится» и другие.

  17. Персональные предложения на основе предыдущих покупок

Как сформировать товарные рекомендации

Формировании рекомендаций вручную предполагает небольшой ассортимент и много свободного времени. Тем, у кого хотя бы один из двух пунктов не совпадает, будет сложно персонализировать рекомендации. А именно такие блоки генерируют больше всего продаж. Учитывая, что на рынке электронной коммерции автоматизация давно стала маст-хэвом, мы рассмотрим такие варианты:

  1. Предзаготовленные наборы –— заранее подготовленные списки товаров можно использовать для построения динамического контента в письмах. Например, в eSputnik такой механизм называется препроцессором. Передавать данные в систему можно с помощью API или загружать в личном кабинете. Когда источник связан с письмом, в рассылку будут автоматически подставляться товары по типу key или random:
  • key — препроцессор выбирает данные по заданному ключу. Вы готовите список товарных предложений для каждого клиента в формате {email: JSON с рекомендациями}, где email выступает ключом. При отправке писем для контактов с email из списка будет определен свой JSON, который заменится на товары. Этот метод подойдет для рассылки персональных предложений небольшому сегменту, например VIP.
  • random — генерируются случайные структуры и подставляются в email. Допустим, в вашем ассортименте 50 моделей школьных портфелей, одинаково качественных и привлекательных. Чтобы равномерно распродать позиции, нужно показать их все своим подписчикам. Для этого создается файл с портфелями → загружается в систему → препроцессор случайным образом выбирает заданное количество позиций из списка и подставляет в письма.

  • Пример предзаготовленного набора

  1. Передача по API — используется для того, чтобы перенести рекомендации, созданные через сторонние сервисы или на сайте, в систему рассылки. Так, через API-запрос передаются персональные подборки для каждого контакта, а в письма они подставляются с помощью динамического контента.
  1. Через нейронную сеть — ИИ позволяет сформировать рекомендации, учитывая все известные данные:
  • о товаре (наличие, бренд, стоимость);
  • о контакте (предыдущие заказы, товары в избранном);
  • поведение клиента на сайте;
  • действия в рассылках (клики).

На рынке есть разные SaaS-решения. Большинство платформ помогают своим клиентам настроить алгоритмы, а далее они самостоятельно учатся на данных. Так, в eSputnik заказчик вместе с персональным менеджером определяет категории, которые требуют особого внимания.

Разберем на примере формирования рекомендаций для крупной бытовой техники. Чаще всего, укомплектовывая кухню, люди покупают товары одного производителя и в одном цветовом решении. Чем больше вариантов от других брендов и разнообразия дизайна, тем менее актуальными становятся подборки. Соответственно, они приносят меньше прибыли. А быттехника генерирует значительный оборот, так как средний чек в ней выше по сравнению с другими категориями. Поэтому для магазина крайне важно показывать правильные товарные предложения. Чтобы ИИ формировал продающие рекомендации, его нужно дообучить. Data scientist задает бренд как приоритетную характеристику для создания предложений. В результате уменьшение количества брендов в cross-sell-подборках заметно увеличивает продажи. Больше подробностей можно найти в нашем кейсе о том, как крупный ритейлер электроники «Фокстрот» увеличил продажи сопутствующих товаров на 16% с помощью персональных рекомендаций.

Формирования рекомендаций

Как получить максимум от товарных рекомендаций

Чтобы рекомендательные блоки приносили лучшие результаты, можно пойти по примеру «Фокстрота”» и размещать их не только в email-рассылках, а и на сайте. Рекомендации выводятся на главной, на странице 404, в категориях, в карточках товаров, корзине. На одну страницу можно добавить несколько вариантов блоков и стилизовать их в общем дизайне сайта. Посмотрите, как MAKEUP расширяет заказы с помощью рекомендаций сопутствующих товаров: на них дается скидка, а действует предложение всего 3 минуты, что ускоряет принятие решения о покупке.

Рекомендаций сопутствующих товаров

Кроме этого, усилить коммуникацию с клиентами поможет омниканальность. Главная особенность omnichannel-маркетинга — объединение каналов в бесшовную цепочку, где каждый из них не только отправляет сообщение, а еще собирает данные о пользователе и обогащает единую запись контакта. Для этого необходима платформа клиентских данных (CDP).

Существуют CDP с возможностью рассылок в разных каналах, например eSputnik. Здесь собран весь необходимый маркетинговый инструментарий в рамках одной платформы:

  • отслеживание действий пользователей во всех каналах системы;
  • построение продвинутых сегментов для формирования более точных персональных предложений;
  • генерация товарных подборок с помощью алгоритмов ИИ и с возможностью донастройки;
  • вывод персональных товарных рекомендаций на сайте и в рассылках;
  • создание каскадных сценариев со связкой разных каналов: email, push, Viber, SMS;
  • возможность обмена информацией с другими источниками данных и сервисами, например, для создания гиперцелевых рекламных кампаний и др.

Согласованная персонализация — ключ к увеличению конверсии интернет-магазина. Чем больше каналов вы объедините в одну систему, тем точнее будут товарные предложения, так как алгоритмы смогут использовать больше данных для их формирования.

Как видите, возможности современных CDP-платформ позволяют бизнесу всесторонне изучать своих клиентов и максимально эффективно коммуницировать с ними. Увеличивайте ваш доход с помощью продвинутых инструментов уже сегодня!

Юля Залиховская

Руководитель отдела продаж

Узнайте о рекламе для вашего бизнеса!

Задайте Юле вопросы о продвижении сайта в интернете.

Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь с политикой конфиденциальности

Автор

Шудрик Валерия, контент-маркетолог в eSputnik

Шудрик Валерия, контент-маркетолог в eSputnik.

Темы специализации: крауд-маркетинг, мессенджер-маркетинг. Рассказывает как с помощью digital-инструментов находить, удерживать клиентов и продвигать свой продукт.


Алина Глазырина

главный редактор блога Inweb

Подпишитесь и будьте в курсе!

Алина раз в неделю пишет о главных новостях интернет-маркетинга
Пользовательского соглашения