Мультиканальная персонализация в eCommerce. Николай Хлебинский, RetailRocket

1. Мультиканальная
персонализация магазина
Big Data в электронной коммерции
Николай Хлебинский, Retail Rocket

2. Что такое Retail Rocket?
Платформа персонализации маркетинга в Ecommerce
+ Товарные рекомендации для сайта
+ Система real-time персонализации
+ Система триггерных сообщений (email, display, sms, crm и т.д.)
В цифрах:
+ 70 миллионов уникальных пользователей в месяц
+ Аналитический кластер из 40 серверов
+ 350 тысяч внешних запросов в минуту
+ 4GB сырых данных для анализа… В час!

3. Что такое big data?
KEEP CALM
AND IGNORE
BULLSHIT

4. Три причины заняться персонализацией
+ % + = $
1. Лояльность.
2. Конверсия.
3. Средний чек.
= $

5. Как человек взаимодействует с сайтом?
1. Приземление на сайт
2. Прохождения туннеля конверсии
3. Конверсия

6. Так только в презентациях и статьях!
KEEP CALM
AND IGNORE
BULLSHIT

7. Вот как на самом деле в жизни:
Мультиканальные последовательности в Google Analytics

8. Вот как на самом деле в жизни:
Карта путей по сайту в Яндекс.Метрике

9. Долгосрочные интересы. Контекст. Потребность.

10. Контекст пользователя
+ Окружающая обстановка

11. Распределение активности по часам
8.00%
7.00%
6.00%
5.00%
4.00%
3.00%
2.00%
1.00%
0.00%
Рабочие дни
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Electronics
Fashion
Furniture & Household
Health&beauty
Kids
9.00%
8.00%
7.00%
6.00%
5.00%
4.00%
3.00%
2.00%
1.00%
0.00%
Выходные
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Electronics
Fashion
Furniture & Household
Health&beauty
Kids

12. Контекст пользователя
+ Окружающая обстановка
+ Текущая задача
Текущая потребность
+ Явно сформированная потребность

13. Как давно вы смотрели в Google Analytics?

14. Контентные страницы: широкие запросы

15. Контекст пользователя
+ Окружающая обстановка
+ Текущая задача
Текущая потребность
+ Явно сформированная потребность
+ Неявно выраженная потребность

16. Карточка товара не в наличии
Потребность сформирована Только альтернативы
Кейс: магазин электроники и бытовой техники
– Витрина: ~50 000 карточек в наличии.
– За несколько лет накопилось ~500 000 карточек отсутсвующих товаров.
– Поставили _trackEvent на такие карточки → ~70% organic трафика, конверсия 0,25%
– Установили блок с альтернативами в наличии.

17. Контекст пользователя
+ Окружающая обстановка
+ Текущая задача
Текущая потребность
+ Явно сформированная потребность
+ Неявно выраженная потребность
+ Расчетная потребность

18. Механизм предсказания следующей покупки
http://pdfpiw.uspto.gov/.piw?PageNum=0&docid=08615473

19. Механизм предсказания следующей покупки
1. Анализ последовательностей покупок
2. Выявление значимых цепочек
3. После того, как человек совершает покупку, появляется вероятность
покупки в следующем «звене» цепочки потребления
1 2 3 4 5 6 7 8

20. Механизм предсказания следующей покупки
+ В жизни каждая покупка является звеном сразу нескольких цепочек потребления
+ Разные цепочки потребления по-разному распределяются во времени
1
3
2
6
4 5
7
8
t1 t2 t3 t4 t5

21. Реальный пример цепочек потребления
Средства
для купания
детей
Бутылочки
и соски
Посуда для
малышей
28 дней
Нагрудники и
слюнявчики
18 дней
Пустышки
29 дней
24 дня

22. Характеристики пользователя
+ Явные
+ Расчетные

23. Как давно вы смотрели в Google Analytics?

24. Собрали данные, а что дальше?

25. Как использовать данные?
1. На сайте
– Персональные товарные рекомендации
+ Рекомендации - это 38% добавлений в корзину всего интернет-магазина (Ozon.ru)
+ We got 67% increase in recommended product sales (Columbia sportswear)
+ 35% of Amazon’s sales are made through recommendations (Amazon.com)
Рост выручки в результате внедрения
Retail Rocket
Книги +52,1%
Бытовая техника и электроника +12,7%
Спортивные товары +57,6%
Товары для ремонта / DIY +14,4%
Одежда и обувь / Fashion +27,1%

26. Как использовать данные?
2. В других каналах коммуникации
– E-mail
+ Персональные рекомендации в регулярных маркетинговых рассылках

27. Кейс Enter: регулярная рассылка
+ Персональные рекомендации
+ Open Rate 66,4%
+ CTR 29,5%
+ Conversion Rate 4,89%
еNOT BAD

28. Как использовать данные?
В других каналах коммуникации
– E-mail
+ Персональные рекомендации в регулярных маркетинговых рассылках
+ Триггерные письма

29. Примеры триггерных рассылок

30. Как использовать данные?
В других каналах коммуникации
– E-mail
+ Персональные рекомендации в регулярных маркетинговых рассылках
+ Триггерные письма
– Display, SMS, CRM и т.д.

31. Спасибо за внимание!
Еще больше интересного на
http://retailrocket.ru
Николай Хлебинский, Retail Rocket
nh@retailrocket.ru