На примерах METRO, «Здравсити» и imkosmetik расскажем, как подборки сопутствующих товаров могут повысить средний чек, увеличить частоту покупок и повлиять на другие метрики.
27 декабря 2023
Сопутствующие товары: 5 причин, почему их стоит предлагать в интернет-магазине или рассылках
Сопутствующие товары: 5 причин, почему их стоит предлагать в интернет-магазине или рассылках
Подборки сопутствующих товаров — это часть системы товарных рекомендаций, которая помогает клиенту выбрать подходящую вещь или услугу. В подборках компания показывает клиенту продукты, которые пригодятся вместе с основным заказом. Например, комфортные места в самолете при покупке турпутевки или защитный чехол при оформлении смартфона.
На примерах METRO, «Здравсити» и imkosmetik расскажем, чем еще могут быть полезны подборки сопутствующих товаров.
1. Повысить средний чек
Подборки можно показывать на разных этапах покупки: в карточке товара, когда посетитель только присматривается к нему, или во время оформления заказа, когда клиент уже готов что-то купить. Глядя на сопутствующие товары, клиент как минимум задумается о дополнительной покупке, как максимум — добавит заинтересовавшую его вещь или услугу в корзину. Причем рекомендация не будет выглядеть как спам: алгоритм предложит не случайные позиции, а те, которые другие покупатели чаще всего заказывают вместе с похожим продуктом.
Мультибрендовый магазин модной одежды Ennergiia обучил алгоритмы сопутствующих товаров на истории покупок клиентов. Алгоритм автоматически показывает подборку с рекомендациями в момент, когда клиент просматривает карточку конкретного товара. Внедрение этого инструмента, а также нескольких других видов товарных рекомендаций принесли бренду 1 миллион рублей дополнительной ежемесячной выручки.
Алгоритм Ennergiia «учился» на истории покупок клиентов. Он соотносит просматриваемый товар с тем, что покупатели заказывали наиболее часто вместе с ним, и на основе этого автоматически составляет подборку
Интернет-магазин косметики премиум-класса Spadream показывает подборки сопутствующих товаров на этапе сбора корзины. Это увеличило количество заказов на 20%.
Маркетологи Spadream провели AB-тест и выяснили, что клиенты, которые видели подборки сопутствующих товаров, совершили на 20% больше заказов
2. Увеличить частоту покупок
Чтобы увеличить частоту покупок, компании отправляют подборки сопутствующих товаров тем, кто уже что-то купил ранее.
Интернет-магазин детской брендовой одежды BebaKids сегментирует получателей рассылки по полу ребенка. Общую рассылку отправляют тем, кто пока ничего не купил или заказывал одежду для мальчиков и девочек.
Рассылка для родителей девочек
Рассылка для родителей мальчиков
Общая рассылка
3. Реактивировать клиентов
Стоит использовать подборки сопутствующих товаров, чтобы мотивировать клиентов, которые давно не взаимодействовали с брендом. Это хороший способ напомнить о себе. В некоторых случаях эти подборки могут сработать даже лучше, чем другие виды товарных рекомендаций.
К такому выводу пришел онлайн-гипермаркет профессиональной косметики imkosmetik. Компания отправляла письма с подборками сопутствующих товаров клиентам, которые ничего не покупали за последние две недели. Конверсия такого письма оказалась выше, чем у рассылки с персональными рекомендациями на основе покупок клиентов: оно позволило реактивировать 1,3% от всех адресатов.
Письмо с рекомендацией сопутствующих товаров. Open rate 15,3%. Click rate 2,8%. Конверсия в заказ 1,3%.
Письмо с персональными рекомендациями. Open rate 5,3%. Click rate 0,5%. Конверсия в заказ 0,03%.
4. Упростить навигацию по сайту и выбор товаров
Каталог интернет-магазина — это сотни или тысячи позиций. Пользователь может «потеряться» в таком ассортименте. Чтобы клиент не тратил много времени на навигацию по сайту и выбор, можно использовать подборки сопутствующих товаров.
В каталоге интернет-магазина автозапчастей «ПЭК: Молл» больше 160 тысяч вещей. Чтобы упростить навигацию и выбор, компания запустила три вида рекомендаций: сопутствующие, популярные и похожие товары. Система позволяет учитывать опыт других клиентов, рекомендуя товары или группы товаров, которые покупаются с основным заказом чаще всего. Например, при просмотре карточки с моторным маслом система порекомендует масляные фильтры.
Рекомендации работают как для универсальных вещей, так и для покупок с указанием конкретной марки, модели и года выпуска машины.
Чтобы упростить клиентам навигацию по сайту и выбор, можно использовать сразу несколько видов товарных рекомендаций, как это делает «ПЭК: Молл»
5. Повысить лояльность клиентов
Подборки сопутствующих товаров позволяют компании позаботиться о клиенте, рассказав о вещах, которые могут понадобиться вместе с основным заказом. Например, о варежках, на которые стоит обратить внимание при покупке шапки, или об успокаивающем геле после бритья при просмотре карточки со сменными кассетами. Это создает положительный опыт покупки у человека, что косвенно влияет и на его лояльность к бренду.
Сопутствующие товары в онлайне и в офлайне
В онлайне сопутствующие товары чаще всего запускают с помощью алгоритма. Он анализирует все чеки и позиции в них независимо от клиента, чтобы понять, какие товары чаще всего покупаются вместе. В зависимости от активности клиента можно запустить три типа рекомендаций — сопутствующие к последнему заказу, к списку (корзина, избранное) и к конкретному продукту.
В зависимости от активности клиента можно запустить три типа рекомендаций — сопутствующие к последнему заказу, к списку (корзина, избранное) и к конкретному продукту.
Алгоритмы обучаются на данных бизнеса: заказах, просмотрах продуктов или категорий, добавлениях продуктов в списки. Поэтому важно, чтобы данных было достаточно.
Чем богаче история взаимодействия с продуктами, тем адекватнее будет расчет. Чтобы алгоритм работал и выдавал релевантные результаты, нужно собрать историю действий, которая будет превышать количество товаров в каталоге примерно в 100 раз.
Действие в данном случае — просмотр карточки, сбор корзины и подборки избранных товаров или оформление заказа. То есть любое взаимодействие с товарами.
Чаще всего сопутствующие товары внедряют:
- В интернет-магазине на сайте или в приложении. Подборки сопутствующих товаров показывают в момент просмотра карточки товара, оформления корзины или перед оплатой. Логика внедрения проста: нужно рассказать о дополняющих выбор пользователя вещах или услугах в момент, когда человек готов к покупке с наибольшей вероятностью. Обычно блок оформляют под заголовками «С этим товаром покупают (смотрят)», «Вам также может понравиться» или «Товары, которые могут вас заинтересовать.
Подборка сопутствующих товаров в карточке товара на сайте производителя белья и пляжной одежды INCANTO
Сопутствующие товары в корзине на сайте магазина «Музторг»
На сайте и в приложении стоит формировать менее подробные выборки, потому что, кроме рекомендаций, пользователь видит много другой информации. В этих каналах стоит ограничивать подборки тремя-шестью позициями
- В автоматических рассылках. Очень часто подборки сопутствующих товаров отправляют по email. Обычно их использоватьуют в рекламных письмах: в реактивационных рассылках, сообщениях о брошенной корзине и письмах с другими механиками.
Автоматическая рекламная рассылка «Брошенный просмотр» с рекомендациями сопутствующих товаров
Обычно наиболее подробные подборки сопутствующих товаров запускают в email-рассылках, потому что в письме нет другого контента — человек может рассмотреть все предложения, не отвлекаясь. Чаще всего в письмах рекомендуют 4–9 позиций.
Подборки сопутствующих товаров можно внедрять и в классическом офлайн-бизнесе. Например, в сети пиццерий «Додо Пицца» сопутствующие товары рекомендуют на кассах ресторанов. Система работает так: в момент оформления заказа в кассовом аппарате сотрудника заведения появляется подсказка с подборкой позиций, о которых стоит рассказать гостю. Уведомления на экране формирует алгоритм на основе анализа других похожих заказов.
Когда не стоит запускать алгоритм «сопутствующие товары»
Некоторым компаниям не стоит пользоваться алгоритмами подбора сопутствующих товаров:
- Компаниям, которые еще не успели собрать достаточное количество данных о клиентах и их заказах. Из-за отсутствия статистики алгоритм сопутствующих товаров может выдавать пользователям нерелевантные подборки. Чтобы избежать такой ситуации, можно самостоятельно настроить рекомендации: какие категории должны соответствовать друг другу. К примеру, маркетолог магазина одежды может настроить выдачу так, чтобы рекомендовать свитеры и куртки пользователю, который хочет купить утепленные джинсы.
- Компаниям, которые продают вещи ручной работы. Например, студия печати на майках или небольшое производство обуви под заказ.
- Компаниям, которые продают премиальные товары. Например, автосалон Rolls-Royce или застройщик элитной недвижимости.
В двух последних случаях алгоритм сопутствующих рекомендаций не сработает, потому что каждый товар и продукт компании уникален — его может купить только один человек. В таких компаниях покупки редкие, а история взаимодействия клиента и продавца слишком короткая, поэтому алгоритму нечего анализировать. Вместо сопутствующих товаров можно использовать другие виды рекомендаций. Например, алгоритм похожих товаров.
