Рекомендации,
ML-алгоритмы
Использовать алгоритмы машинного обучения, чтобы рекомендовать клиентам то, что им понравится, и когда это уместно
-
Рекомендации товаров14 алгоритмов: от персональных до популярных и похожих товаров
-
Время отправки сообщенийЛучшее следующее предложение (Next best action) и лучшее время отправки
-
В любом канале связиНа сайте, в email, пушах, чат-ботах, мессенджерах и на кассе
Рекомендации
Персональные рекомендации для конкретного клиента
Популярные, сопутствующие и похожие товары
Автоматические и ручные подборки
В зависимости от товаров, категории товаров и действий клиента на сайте
На сайте, в email, пушах, чат-ботах, мессенджерах и на кассе
Лучшее следующее предложение (Next best action)
Отправка триггерных сообщений, когда клиент вероятнее всего сделает заказ
Для всех каналов рассылок
В основе анализ, сколько времени проходит между покупками клиента, как часто он открывает письма и покупает из рассылки
Лучшее время отправки
Отправка сообщений, когда клиент вероятнее всего откроет письмо
Для массовых email-рассылок
В основе анализ, в какое время клиент чаще всего открывает письма в каждый день недели
+25% выручки благодаря товарным рекомендациям
Решение: единые рекомендации для сайта и розницы. Два месяца тестирования показали +25% выручки относительно контрольной группы, которой ничего не рекомендовали. Это на 50 рублей больше за сеанс.
Бизнес-история
Рекомендации на главной
Сумма покупок в брошенной корзине превышает 4500 ₽
Рекомендации к товару
2:17
Дмитрий Рассадин
Директор по электронной коммерции
Детским магазинам
+25% выручки благодаря товарным рекомендациям, Олант
Решение: единые рекомендации для сайта и розницы. Два месяца тестирования показали +25% выручки относительно контрольной группы, которой ничего не рекомендовали. Это на 50 рублей больше за сеанс.
Магазинам одежды и обуви
1263% ROI от автоматизации маркетинга, Zarina
Решение: добавили персональные рекомендации к карточке товара, геймифицировали сбор email, запустили рассылки для всех этапов взаимодействия клиента с брендом.
Магазинам техники и электроники
326% ROI от рекомендаций, Музторг
Решение: запустили на сайте восемь блоков товарных рекомендаций, которые учитывают историю покупок клиента в онлайне и офлайне, популярность товаров в интернет-магазине и рознице, популярные сочетания продуктов.
Магазинам техники и электроники
+96% к выручке за счет рекомендаций, Связной
Решение: персонализировали рекомендации в рассылках с помощью акционных баннеров, сегментации аудитории по просмотру корзины и дополнительных аналитических оценок рекомендаций.
Магазинам зоотоваров
Алгоритм NBA: ×8,5 раз к доходу email, Бетховен
Решение: перешли на новую CDP, повысили эффективность триггерных рассылок с помощью алгорита нейросети NBA (Next Best Action), сегментировали базу и оптимизировали массовые рассылки.
Магазинам товаров для дома
1027% ROI персонализации сайта, «Твой дом»
Решение: запустили триггерные рассылки с рекомендациями и механики персонализации на сайте. На 10–12% увеличили число заказов и на 5 п. п. — конверсию сайта.