Обзор сервисов персональных рекомендаций для интернет-магазина

Прошло уж сколько лет с нашего последнего обзора сервисов персональных рекомендаций — они поди уж поумнели, стали более изворотливыми и хитрыми, а эмпатия, понимание и толерантость наверняка на over 80 lvl. Посмотримс. А пока вспомним, почему эти виртуальные помощники просто обязаны быть в каждом уважающем себя e-commerce.

С сервисом персональных рекомендаций вам станет хорошо в 3 раза сильнее:

а) Хорошо для SEO
Если добавляете рекомендации, то неизбежно перелинковываете карточки товаров. А т.к. у клиенту еще и дополнительно показывают интересные именно ему товары, то средняя глубина просмотра увеличивается, а показатель отказов уменьшается. Сервис хорошо сказывается на поведенческих факторах, а это обеспечивает органический трафик (читайте — бесплатный).

б) Хорошо для продаж
Робот четко запоминает, что понравилось клиенту и все подряд показывать не станет — только нужное, только полезное, только подходящее конкретно ему. Даже если вы и не задумывались о том, чтобы купить себе шорты, сервис подберет такие, что вы не сможете устоять. Слышите, как пахнет увеличением конверсий? :)

в) Хорошо для лояльности клиентов
Представьте реакцию клиента, когда он будет постоянно видеть в рекомендациях то, что попадает в его сферу интересов и предпочтений на все 110%. Кажется, будто именно здесь его понимают с полуслова и знают, что он хочет. Клиент запомнит такую космическую связь между вами и будет возвращаться на сайт снова и снова.

А средний чек тем временем все растет и растеееет :)

Есть платформа email-маркетинга, которая автоматически отправляет персонализированные и триггерные email-письма. Персонализированные отправляются в зависимости от поведения пользователя на сайте, да еще и сегментировано по интересам.

Триггерные генерируются в реальном времени тоже на основе поведения пользователя на сайте, но триггеры вы вольны настроить сами (ходят слухи и легенды, что для маленького магазина это быстро, но для крупного интернет-магазина или маркетплейса потребуются несколько часов).

И супер крутой пак различных персонализаций сайта по более чем 20 сценариям на каждом этапе пути покупателя:

• персонализация главной страницы,
• персонализация страницы товара,
• персонализация страницы товара, которого нет в наличии,
• рекомендации на странице категории,
• персонализация страницы корзины покупателя,
  
• персонализация страницы внутреннего поиска по сайту,
  
• персонализация личного кабинета пользователя,
  
• персонализация страницы распродаж/специальных предложений,
  
• персонализация 404 страницы.
  
  

Система отслеживает поведение посетителя, анализирует его поведение и товарную матрицу и, исходя из данных, формирует персональные предложения. Сам Retail Rocket называет это «Data science подход», где для формирования персональных рекомендаций используется математический фундамент: контентная и коллаборативная фильтрация, предсказательные модели на основе машинного обучения и цепей Маркова, байесовская статистика, алгоритмы гибридной персонализации в режиме реального времени и другие.

Есть еще web-push, который рассказывает об акциях и непрочитанных email от вас.

Товарные рекомендации трех уровней персонализации:

1. Машинная
Товарные рекомендации складываются на основе анализа Big Data. То есть используются большие данные и сложные программные алгоритмы для прогноза пользовательских потребностей и интересов — под анализ попадают действия пользователей, сравнивая их модель поведения с другими похожими пользователями. Благодаря такому анализу система предлагает клиенту наиболее релевантные товары.

2. Индивидуальная
В ваших руках создать собственные условия для показа рекомендаций. Тестируете свои гипотезы и оставляете то, что работает лучше всего.

3. Отраслевая
Рекомендации выстраиваются исходя из отрасли товара и характерных черт в поведении покупателя (обувь под размер ноги, кошачий наполнитель владельцу кошки и пр.).

Что еще? Вы создаете свой алгоритм: логику, сколько товаров будут выводиться в блоке рекомендаций и по каким условиям (фильтр), тип сортировки внутри блока.

Также есть персонализированный товарный поиск, триггерные и массовые email-рассылки, пуши, автоматизированная работа с отзывами и оценками.

Что еще интересно было увидеть — возможность продавать рекламные места на своем сайте брендам. Сервис предлагает 7 видов рекламных форматов, которые можно разместить на сайте.

Заглянули посмотреть, как дела и что нового у сервиса Crossss, а нас оп! и редиректнуло на LeadHit. Ага, окей. Давайте знакомиться с новичком, относительным новичком, правда :)

Что предлагают:

• персонализированные сценарии (в деле 6 алгоритмов) пути покупателя по воронке;
• сбор и сегментация базы для email маркетинга и собственно сами рассылки;
• товарные рекомендации на основе поведения покупателей в реальном времени;
  
• персонализированные предложения следующей покупки.

Интересным кажется решение «Умная брошенная корзина», когда система следит за пользователем на сайте, а затем отправляет письмо с грустной брошенной корзиной в течение 3 минут после завершения сессии.

Вы положили глаз на небольшое портмоне черного цвета. Система заметила и уже начала подбирать вам внешне схожий товар как из этой же категории, так и из других, товары которых могут дополнить друг друга (желаете к нему сумку? ремень? визитницу?).

Как это работает? Технология визуального поиска анализирует похожесть изображений по 150 параметрам, которые видны, как человеческому глазу (цвет, форма, текстура), так и исключительно машинному зрению (направленность градиента, цветовая температура, длина контура и пр).

Еще сервис включает поиск товаров по цвету — Similar4Color. Технология запатентована, так-то.

Similar4 устанавливается на сайт любым из двух способов:

1. виджет с блоком «похожие товары» в детальной карточке товара,
2. виджет в виде кнопки «найти похожие товары» на странице категории или в карточке товара. А кнопку даже предлагают задизайнить под ваш сайт :)

Заманчивой фичей сервиса стала страница распроданных товаров. Пользователю, попавшему на страницу товара, которого нет в наличии, или на 404 страницу, Similar4 предложит другие товары, внешне похожие на тот, что искал, но не нашел клиент. Меньше грустных пользователей — больше покупок!

Пс-пс. Не нравится дизайн виджета? Пф. Вам дадут API и делайте, что хотите.

Это не просто сервис, это целая омниканальная маркетинговая площадка с персонализациями, поведенческой кастомизацией, товарными рекомендациями, email рассылками, mobile web и mobile app персонализациями, умными мобильными push и InApp уведомлениями и много чем другим. Еще разработчики заявляют, что Insider умеет предсказывать поведение посетителей и выявлять пользователей, которые вероятнее всего что-то купят в ближайшие 7 дней.

Ну да посмотрим повнимательнее на то, зачем мы здесь — сервис товарных рекомендаций. Алгоритмов несколько и они адаптированы под разные индустрии: ритейл, авто, финансы, беттинг, тревал, медиа. Говорят, у них не просто персонализированные, а гипер-персонализированные рекомендации, которые основываются на исторических, поведенческих и предиктивных сегментах.

Получается, что клиенту и товар порекомендуют, и письмо отправят, и в социальных сетях догонят рекламкой, и push-покажут, и в whatsapp напишут, чтобы акции не пропустить, и еще, а еще… ну очень большой спектр услуг, которые работают в тесной связке друг с другом. Хорошую штуку сделали.

Не нашли информацию о ISKRA CRM из прошлого обзора? Мы тоже. Кажется, сервис канул в Лету.