Товарные рекомендации: где и зачем использовать, как измерять эффективность

Товарные рекомендации: где и зачем использовать, как измерять эффективность

Рекомендации — это инструмент маркетинга для подбора клиенту подходящих товаров. Если клиент смотрит гитары — в рекомендациях можно подобрать похожие гитары, а если уже купил гитару, можно рекомендовать подходящие гитарные чехлы.
Рассмотрим, какие бывают рекомендации, на примерах «Музторга», Imkosmetic и других брендов, в каких каналах их можно применять и как измерить эффективность.

Насколько эффективны товарные рекомендации

Рекомендации помогают увеличить конверсию в заказ за счет персонализации товарных предложений на сайте или в рассылках. Клиент получает именно то, чем интересовался, поэтому конверсия выше, чем в случаях, когда всем предлагаются одинаковые подборки товаров.
С помощью товарных рекомендаций можно:
  • Увеличить конверсии в заказ благодаря релевантным для конкретного клиента предложениям.
  • Повысить средний чек, предложив сопутствующие товары.
  • Повысить частоту покупок — например, за счет писем с ML-подборкой товаров, которые клиент купит с большой вероятностью в следующий раз.

Как работают алгоритмы рекомендаций товаров

Товарные рекомендации работают с данными о клиентах, товарах и действиях клиентов. В их основе — ML-алгоритм, который просчитывает релевантность конкретного товара другому товару или клиенту.
Рекомендации могут быть настроены в рассылках — email, SMS, веб- и мобильных пушах, на сайте, в мобильном приложении и даже на кассе.
Рассмотрим конкретные алгоритмы.

Персональные рекомендации

Персональные рекомендации используются во многих рассылочных механиках, чтобы предложить клиенту то, что подойдет именно ему. Их стоит отправлять клиентам, которые уже проявили интерес к конкретным товарам.
Этот тип рекомендаций учитывает историю активности клиента на сайте — что он смотрел, заказывал, добавлял в корзину или в избранное, а также действия похожих по look-a-like клиентов. Релевантные предложения рассчитываются с помощью машинного обучения. К сожалению, если у клиента нет никаких действий в истории, составить персональную рекомендацию для него не получится.
Mindbox позволяет не только настроить персональные рекомендации, но и кастомизировать их. Например, предлагать товары только из определенного сегмента — от 500 рублей. Это позволит вручную определить перечень товаров, который должен попадать в письма, и исключить те, которые предлагать не стоит.
Персональные рекомендации
Персональные рекомендации
Персональные рекомендации
«Мегастрой» — персональные рекомендации на сайте содержат товары, которые с большой вероятностью заинтересуют клиента

Популярные товары

С помощью этого механизма клиенту предлагают товары, которые чаще всего смотрели и покупали другие клиенты. Это помогает ему определиться с выбором. Популярные товары стоит предложить клиентам, у которых небольшая история взаимодействия с брендом, и из-за этого для них нельзя подготовить персональную подборку.
Если в магазине широкий ассортимент, можно предлагать клиенту товары из определенной категории: например, подставить в рассылку с аксессуарами для телефонов только популярные чехлы.
Пользователи Mindbox могут настроить:
  • Из какого сегмента рекомендовать товары — например, показывать товары от 1000 рублей.
  • Период, за который рассчитывать «популярность» — если ассортимент быстро обновляется, то можно показывать популярные товары только за последнюю неделю.
Рассылка-реактивация
Рассылка-реактивация с хитами BebaKids для клиентов, которые долгое время не проявляли активность

Сопутствующие товары

Эти рекомендации будут полезны, чтобы предложить клиенту еще что-то после оформления заказа или к товарам, отложенным в корзину.
Рекомендация рассчитывается так: основываясь на данных обо всех покупках клиентов, алгоритм подбирает товары, которые часто покупались вместе. Например, со стиральной машиной часто покупают средство от накипи, а к ювелирному украшению — коробочку. Эти товары являются сопутствующими. В отличие от персональных рекомендаций здесь анализируются все чеки и товары в них независимо от клиента, чтобы понять, какие товары чаще всего покупаются вместе.
Могут быть три типа рекомендаций в зависимости от активности клиента — сопутствующие к последнему заказу, к списку товаров (корзина, избранное) и к конкретному продукту.
В Mindbox можно настроить:
  • из какого сегмента рекомендовать товары;
  • чеки, за какой период учитывать для расчета «совместимости» товаров.
Кроме сопутствующих товаров, рассчитанных алгоритмом на основе покупок клиента, можно настроить ручное соответствие: какие категории должны рекомендоваться к другим. Это значит, что специалист магазина вручную задает правило, что, например, к каждому сноуборду нужно рекомендовать перчатки, горнолыжный шлем и очки для катания, а к каждому велосипеду нужно рекомендовать насос, велокомпьютер и шлем для велосипеда.
Такая настройка позволит добавить в рекомендацию все наиболее релевантные категории, основываясь на экспертном знании ассортимента, чтобы предложить клиенту разнообразные товары.
Сопутствующие товары
Сопутствующие товары
Сопутствующие товары
Сопутствующие товары в корзине «Музторга», которые часто покупали с гитарой
Сопутствующие товары в приложении METRO

Похожие товары

Блок похожих товаров помогает клиенту выбрать среди аналогов. Рекомендация строится на основе схожести товаров по категории и свойствам. К гитаре с типом «акустическая» и свойством «шестиструнная» можно подобрать похожие по этим параметрам гитары, чтобы клиент мог посмотреть, какие еще варианты есть в магазине.
Можно настроить три типа рекомендаций — похожие на последние просмотренные товары, на список товаров (корзина, избранное) или на конкретный товар (например, просмотренный).
В Mindbox можно настроить:
  • Из какого сегмента рекомендовать товары — чтобы, например, исключить из предлагаемых товары с низкой ценой.
  • Какие свойства товара учитывать при установлении «похожести» — можно, например, настроить товары того же производителя или цвета. При настройке свойств можно отдельно указать поля, которые должны строго совпадать. Если по всем полям товары совпадают, а по «строгому» — нет, то товар не попадет в рекомендацию. Это нужно, когда определенный признак важен по задумке рассылки. Например, если клиент покупал шампунь, мы хотим предложить ему похожие, но только те, которые подходят для его волос. Тогда можно выбрать признак «тип волос» как строгий для рекомендации.
Похожие продукты
Похожие продукты в карточке продукта на сайте Spadream — к гелю для рук и тела рекомендуются другие из ассортимента

Неперсонализированные товарные рекомендации

Сюда относятся рекомендации новинок или товаров из распродажи. Они не персональные, но позволяют клиенту посмотреть ассортимент определенных разделов сайта. Неперсонализированные рекомендации полезны, когда новому клиенту нужно определиться с выбором: ему можно предложить популярные новинки или товары с большой скидкой.
Рекомендация новинок
Рекомендация новинок на сайте Vamsvet.ru

Как эффективно использовать товарные рекомендации

Чаще всего продуктовые рекомендации можно встретить на сайте (на главной, на странице товара или в каталоге) и в email-рассылках, так как они позволяют показать клиенту много товаров. Приведем примеры, в каких ситуациях какие рекомендации будут наиболее полезны.
Место на сайте
Рекомендуемый алгоритм
Цель
Главная страница
Популярные продукты
Помочь новым клиентам, о которых мало известно, выбрать что-то из товаров, которые покупают другие
Страница категории
Популярные продукты в категории
Помочь определиться клиенту, который знает чего хочет, но не может выбрать конкретный продукт
Карточка продукта
Похожие и сопутствующие продукты
Увеличить конверсию, дополнив страницу подходящими товарами. Если текущий товар не совсем подходит, в рекомендациях есть другие
Страница корзины и всплывающее окно при добавлении продукта в корзину
Сопутствующие продукты к корзине
Увеличить средний чек, дополнив покупки сопутствующими товарами
Страница 404 и страница поиска, который не дал результатов
Персональные рекомендации
Удержать интерес клиента, предложив подходящие товары вместо тех, которые не получилось найти
В email-рассылке рекомендации можно распределить следующим образом:
Тип рассылки
Рекомендуемый алгоритм
Цель
Массовая
Персональные
Увеличить конверсию, дополнив общее акционное предложение индивидуальным блоком
Welcome-рассылка
Популярные
Помочь с выбором клиенту, чьи предпочтения пока неизвестны
Реактивационная
Персональные
Мотивировать клиента снова что-то купить, предложив ему подходящие продукты
С брошенной корзиной
Сопутствующие к корзине
Увеличить средний чек за счет других товаров, которые могут быть клиенту полезны, перед оформлением заказа
Лучшее следующее предложение
Персональные
Увеличить частоту покупок — предложить подходящие товары для следующего заказа, когда клиент с большой вероятностью готов покупать снова
Продуктовые рекомендации можно применять в том числе в SMS, Viber, мессенджерах, веб- и мобильных пушах и даже на кассе. Вот несколько нестандартных идей:
Кейс
Рекомендуемый алгоритм
Цель
Рекомендации для кассира. Кейс «Додо пиццы»
Персональные
Предложить на кассе дополнительные товары, которые с большой вероятностью клиент захочет купить
На планшете продавца-консультанта — образы с конкретной вещью
Сопутствующие и похожие продукты
Подобрать к конкретной вещи другие, чтобы собрать полноценный образ вместе с клиентом
Рекомендации в интерфейсе оператора колл-центра
Сопутствующие продукты
Апсейл при прозвоне клиентов, чтобы добавить к заказу нужные аксессуары

Как запустить товарные рекомендации в Mindbox

Чтобы начать полноценно работать с товарными рекомендациями в Mindbox, нужно интегрировать его с внутренней системой управления данными, которая будет передавать в Mindbox:
  • Данные о товарах: название, цену, картинку, размер, цвет и т. д. Чем больше у товаров заполненных свойств, тем точнее будут рекомендации.
  • Данные о покупках: какие товары покупал каждый клиент, чтобы предлагать сопутствующие к заказу товары.
  • Данные о действиях с продуктами вроде просмотра или добавления в корзину. С их помощью Mindbox понимает, какие товары популярны, и строит рекомендации к товарам из сессии клиента, корзины, избранного.
Внутри платформы есть удобный экран для создания рекомендаций. На нем можно отфильтровать все варианты рекомендаций по месту использования, типу рассылки, типу рекомендаций.
Интерфейс выбора типа рекомендации
Интерфейс выбора типа рекомендации в Mindbox: благодаря фильтрам можно выбрать подходящие рекомендации для сайта или рассылки
Внутри каждой рекомендации можно посмотреть, какие товары будут рекомендованы конкретному клиенту — найти клиента можно из конкретного сегмента или по контакту. Так можно проверить, что рекомендации подбираются релевантно, и, например, убедиться, что в рекомендации не попадают лишние товары.
Подборка рекомендаций
Подборка рекомендаций по алгоритму для конкретного клиента
Внутри рекомендации есть настройки, помогающие ограничить сегмент товаров, которые попадут в рекомендации, — примеры мы описывали ранее в разделах про конкретные рекомендации.
Настройка условий внутри рекомендации
Настройка условий внутри рекомендации

Как убедиться, что рекомендации настроены корректно

После настройки рекомендаций стоит вручную проверить, что алгоритм подбирает правильные рекомендации. Например:
  • В рекомендациях типа «похожие» убедиться, что рекомендуемые товары соответствуют тем, к которым подбираются. Можно посмотреть, какие товары конкретный клиент добавлял в корзину, а затем на странице рекомендации выбрать его в фильтре. Если клиент добавлял гели для душа и ему рекомендуются другие — все хорошо. Если к гелям для душа рекомендуются зубные пасты — что-то пошло не так и нужно проверить категории у товаров и настройку параметров в рекомендации.
  • В рекомендациях типа «сопутствующие» проверить на нескольких клиентах с заказами, что рекомендация релевантна заказам и в товары не попадают нежелательные позиции, например очень дешевая упаковка.
Если в выводимых рекомендациях видны неточности — это повод пересмотреть то, какие атрибуты передаются в товарах и как настроена конкретная рекомендация. В чем может быть проблема:
  • В неправильных параметрах товара. Проверьте, насколько точно заполнены дополнительные поля у товаров.
  • В незаполненных полях товара. Убедитесь, что критичные для конкретных рекомендаций поля у большинства товаров заполнены.
  • В рекомендации не указаны конкретные свойства товаров, которые должны быть учтены по специфике бизнеса. Подумайте, какие условия необходимо учесть, чтобы составить максимально релевантную рекомендацию.