Персональні рекомендації в email-розсилках: підвищуємо продажі інтернет-магазину

Сучасний споживач порівнює не тільки асортимент і вартість, для нього також важливий досвід взаємодії з компанією. Отримати постійного покупця непросто: щодня за його увагу борються безліч ваших конкурентів.

Персональні товарні рекомендації можуть стати тим інструментом, який допоможе збудувати довірчі відносини і сформувати лояльність ЦА. Як вони працюють, розглянемо в цьому матеріалі.

Навіщо потрібні персональні рекомендації

За статистикою , 55% споживачів позитивно реагують, коли отримують від брендів повідомлення з персональними пропозиціями. Так товарні рекомендації в розсилках сприяють зростанню:

• CTR;
• конверсії сайту;
• кількості замовлень;
• загального доходу компанії.

Через персональні рекомендаційні блоки можна показати підписчику саме ті товари і категорії, які викличуть у нього максимальний відгук у даний момент. Це допоможе скоротити шлях до покупки, заощадити час клієнта і спростити його вибір. За даними Epsilon, 80% споживачів з більшою ймовірністю куплять товар у тих компаній, які персоналізують пропозиції Це підтверджує ефективність роботи товарних рекомендацій для всіх представників ecommerce.

Види рекомендацій

Персоналізовані рекомендації будуються з урахуванням даних про:

• контакти — враховуються попередні покупки конкретної людини, його поведінка на сторінках товарів, в категоріях. Так генеруються унікальні збірки для кожного користувача. Наприклад, « Спеціально для вас » та ін;
• товар — враховуються дані товарів: опис, назви, ціни; а також перегляди, кліки і покупки великої кількості користувачів. Так створюються блоки « Разом дешевше », « З цим товаром купують ».

Коли недостатньо даних для формування персональних рекомендацій, можна використовувати загальні товарні пропозиції . Вони ґрунтуються на даних сайту, наприклад « Новинки ”, «Бестселери» та ін.

У яких розсилках варто використовувати товарні рекомендації

Рекомендації можуть посилити промо, тригерні, транзакційні повідомлення. Розглянемо більш детально, в які види розсилок доречно включати рекомендаційні блоки.

1. Промо — модулі рекомендованих товарів можуть стати ключовим елементом таких email. Вони враховують інформацію про клієнта і йому не доведеться блукати сайтом, оскількм в емейл вже зібрані спецпропозиції за інтересами.

   

2. Welcome-розсилка — зазвичай, вітання складається з серії листів. У 2-3 повідомленні можна надіслати загальні блоки рекомендацій, а якщо в системі вже достатньо даних про користувача — індивідуальні.

3. Кинутий перегляд — листи з переглянутими товарами і добіркою схожих можна надсилати через 1-2 години після того, як користувач покинув сайт.

   

4. Кинутий кошик — за даними Statista, 69,57% покупців залишають кошик, не завершивши покупку. Тригерна розсилка з індивідуальними блоками допомагає скоротити кількість незавершених замовлень. Для цих листів підходять рекомендації супутніх позицій. А ось товари з одного цінового сегменту і однієї категорії давати не варто, оскільки людина може відволіктися на порівняння і відкласти покупку.

   

5. Зниження вартості — підписчику можна повідомити, коли знизилася ціна на товар, яким він цікавився. У email доречно додати схожі позиції з тієї ж категорії і схожі за ціною.

   

6. Товар з’явився в наявності — крім самого товару, можна надіслати позиції цього ж бренду за аналогічною ціною, схожі новинки.

7. Стан замовлення — в листі з інформацією про замовлення логічно показати блоки супутніх товарів.

8. Після покупки — у постпродажний лист з проханням залишити відгук / оцінити обслуговування можна включити рекомендації до попередньої покупки. А якщо в інтернет-магазині реалізована програма лояльності, покажіть, на що витратити накопичені бонуси.

   

9. Зворотній зв’язок — відповідь продавця на питання про товар можна доповнити підбіркою зі схожими товарами з категорії.

   

10. Вітальні — разом з поздоровленням і приємним бонусом (на честь дня народження або будь-якого іншого свята) надішліть персональні пропозиції на основі попередніх покупок або переліку бажань. Наприклад: « Спеціально для вас », « Вам сподобається » та інші.

    

    Як сформувати товарні рекомендації

    Формування рекомендацій вручну передбачає невеликий асортимент і багато вільного часу. Тим, у кого хоча б один з двох пунктів не збігається, буде складно персоналізувати рекомендації. А саме такі блоки генерують найбільше продажів. З огляду на те, що на ринку електронної комерції автоматизація давно стала маст-хевом, ми розглянемо такі варіанти:

    1. Зготовані набори – заздалегідь підготовлені переліки товарів можна використовувати для побудови динамічного контенту в листах. Наприклад, в eSputnik такий механізм називається передпроцесором . Передавати дані в систему можна за допомогою API або завантажувати в особистому кабінеті. Коли джерело пов’язане з листом, в розсилку будуть автоматично підставлятися товари за типом key або random :
       1. key — препроцесор вибирає дані за заданим ключем. Ви готуєте перелік товарних пропозицій для кожного клієнта в форматі {email: JSON з рекомендаціями}, де email виступає ключем. Під час відправки листів для контактів з email з переліку буде визначено свій JSON, який заміниться на товари. Цей метод підійде для розсилки персональних пропозицій невеликому сегменту, наприклад VIP.

       2. random — генеруються випадкові структури і підставляються в email. Припустимо, у вашому асортименті 50 моделей шкільних портфелів, однаково якісних і привабливих. Щоб рівномірно розпродати позиції, потрібно показати їх всі своїм підписчикам. Для цього створюється файл з портфелями → завантажується в систему → препроцесор випадковим чином вибирає задану кількість позицій із переліку і підставляє в листи.

          

    2. Передача по API — використовується для того, щоб перенести рекомендації, створені через сторонні сервіси або на сайті, в систему розсилки. Так, через API-запит передаються персональні добірки для кожного контакту, а в листи вони підставляються за допомогою динамічного контенту.

    3. Через нейронну мережу — ІІ дозволяє сформувати рекомендації, враховуючи всі відомі дані:

    • про товар (наявність, бренд, вартість);
    • контактні дані (попередні замовлення, товари в обраному);
    • поведінку клієнта на сайті;
    • дії в розсилках (кліки).

    На ринку є різні SaaS-рішення. Більшість платформ допомагають своїм клієнтам налаштувати алгоритми, а далі вони самостійно вчаться на даних. Так, в eSputnik замовник разом з персональним менеджером визначає категорії, які потребують особливої уваги.

    Розберемо на прикладі формування рекомендацій для великої побутової техніки. Найчастіше, укомплектовуючи кухню, люди купують товари одного виробника і в одному кольорі. Чим більше варіантів від інших брендів і різноманітності дизайну, тим менш актуальними стають добірки. Відповідно, вони приносять менше прибутку. А побутова техніка генерує значний оборот, оскільки середній чек в ній вище в порівнянні з іншими категоріями. Тому для магазину вкрай важливо показувати правильні товарні пропозиції. Щоб ІІ формував продаючі рекомендації, його потрібно довчити. Data scientist задає бренд як пріоритетну характеристику для створення пропозицій. В результаті зменшення кількості брендів в cross-sell-вибірках помітно збільшує продажі. Більше подробиць можна знайти в нашому кейсі про те, як великий ритейлер електроніки «Фокстрот» збільшив продажі супутніх товарів на 16% за допомогою персональних рекомендацій.

    

    Як отримати максимум від товарних рекомендацій

    Щоб рекомендаційні блоки приносили кращі результати, можна піти за прикладом «Фокстроту” і розміщувати їх не тільки в email-розсилках, а й на сайті. Рекомендації виводяться на головній, на сторінці 404, в категоріях, в картках товарів, кошику. На одну сторінку можна додати кілька варіантів блоків і стилізувати їх у загальному дизайні сайту. Подивіться, як MAKEUP розширює замовлення за допомогою рекомендацій супутніх товарів: на них дається знижка, а діє пропозиція всього 3 хвилини, що прискорює ухвалення рішення про покупку.

    

    Крім цього, посилити комунікацію з клієнтами допоможе омніканальність. Головна особливість omnichannel-маркетингу — об’єднання каналів в безшовний ланцюжок, де кожен з них не тільки відправляє повідомлення, а ще збирає дані про користувача і збагачує єдиний запис контакту. Для цього необхідна платформа клієнтських даних (CDP).

    Існують CDP з можливістю розсилок в різних каналах, наприклад eSputnik. Тут зібрано весь необхідний маркетинговий інструментарій в рамках однієї платформи:

    • відстеження дій користувачів у всіх каналах системи;
    • побудова просунутих сегментів для формування більш точних персональних пропозицій;
    • генерація товарних добірок за допомогою алгоритмів ІІ і з можливістю доналаштування;
    • висновок персональних товарних рекомендацій на сайті і в розсилках;
    • створення каскадних сценаріїв зі зв’язкою різних каналів: email, push, Viber, SMS;
    • можливість обміну інформацією з іншими джерелами даних і сервісами, наприклад, для створення гіперцільових рекламних кампаній та ін.

    Узгоджена персоналізація — ключ до збільшення конверсії інтернет-магазину. Чим більше каналів ви об’єднаєте в одну систему, тим точніше будуть товарні пропозиції, оскільки алгоритми зможуть використовувати більше даних для їх формування.

    Як бачите, можливості сучасних CDP-платформ дозволяють бізнесу всебічно вивчати своїх клієнтів і максимально ефективно комунікувати з ними. Збільшуйте ваш дохід за допомогою просунутих інструментів вже сьогодні!

    Автор

    

    Шудрик Валерія, контент-маркетолог в eSputnik .

    Теми спеціалізації:крауд-маркетинг, месенджер-маркетинг. Розповідає як за допомогою digital-інструментів знаходити, утримувати клієнтів і просувати свій продукт.