>

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

Персональні рекомендації в email-розсилках

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. Збір спецпропозицій по інтересам

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

  5. Приклад розсилки кинутий перегляду

  6. 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.

  7. Приклад розсилки кинута кошика

  8. 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.

  9. Розсилка про зниження вартості

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

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

  12. 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.

  13. пост продажного листи

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

  15. Приклад зворотного зв'язку

  16. 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.

  17. Персональні пропозиції на основі попередніх покупок

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.

    3. Приклад предзаготовленного набору

  1. 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.
  1. 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.

Формування 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.

Рекомендацій супутніх товарів

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!

Юля Заліховська

Керівник відділу продажів

Дізнайтеся про рекламу для вашого бізнесу!

Задайте Юлі питання про просування сайту в інтернеті.

Натискаючи на кнопку, ви даєте згоду на обробку персональних даних і погоджуєтеся з політикою конфіденційності

Автор

Шудрик Валерія, контент маркетолог в eSputnik

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.


Аліна Глазиріна

головний редактор блогу Inweb

Підпишіться і будьте в курсі!

Аліна раз на тиждень пише про головні новини інтернет-маркетингу
Користувальницької угоди