REES46: специфика рекомендаций в онлайн-ритейле для FMCG, товаров для животных и косметики

Игорь Бахарев

Роман Чигирев из REES46 в продолжение темы по отраслевой персонализации в e-commerce, рассматривает особенности представления рекомендаций для ряда категорий товаров.

В крупных торговых сетях есть целая культура обучения продавцов-консультантов. С курсами, экзаменами и подтверждением квалификации. То есть для продавца кафеля нереально прийти в М-Видео, пролистать прайс по диагонали и уже завтра переодеться в красную униформу.

Зачем им такое дотошное обучение?

Специфика продаж в одной отрасли радикально отличается от другой. Вроде механики те же самые: посоветуй расходный материал, более дорогой/дешевый аналог и т.п., — а по факту получается, что этого мало. К примеру, в магазин стройтоваров никогда не придут за подарком, а в магазин электроники — запросто. А это уже отдельный скрипт продаж.

Будни товарных рекомендаций

В онлайн-ритейле все пока заметно проще. Роль продавцов-консультантов выполняют:

  • Онлайн-консультанты. Хороший специалист всегда лучше учитывает специфику продаж в его отрасли, чем любой машинный алгоритм, это факт. Правда, консультанты не имеют возможности что-то порекомендовать, пока покупатель сам к ним не обратится. Да и как показывает наше исследование, даже топовые онлайн-ритейлеры не готовы тратить ресурсы на обучение именно консультантов-продажников — в итоге из них эту рекомендацию раскаленными клещами тащить приходится.
  • Товарные рекомендации. Современные рекомендации: выдают пользователю именно те товары, которые отвечают его потребностям (та самая персонализация). Рекомендации генерируются автоматически для каждого. Серьезный минус — рекомендации, которые учитывают специфику отрасли, есть только у крупных ритейлеров.

Собственно, почему? Система персональных рекомендаций, которая работает на вашем сайте — это десятки сложных математических моделей в одной программе, анализ характеристик конкретного пользователя на лету, вычисление рекомендаций за миллисекунды. Если коротко — сложная штука.

Разработка алгоритмов рекомендаций под каждую отрасль — это такая заметная "надстройка" и долгие часы работы. Соответственно, бюджет под это есть только у лидеров рынка.

Среди готовых рекомендательных систем, которые используют малые и средние магазины, отраслевую специфику учитывает всего пара решений: HookLogic (актуален на Западе) и REES46 (актуален для России и ближнего зарубежья).

 

Как превратить проблемы в преимущества

Универсальные рекомендации не работают одинаково хорошо для разных отраслей. Но это не проблема, а шанс выиграть еще больше.

Разберем на примерах, какая специфика есть у онлайн-продаж в конкретных отраслях и какую пользу можно из этого извлечь для бизнеса.

  1. Товары повседневного спроса (FMCG)

Их ключевая особенность — низкая стоимость единицы товара. Также люди обычно покупают одни и те же товары с определенной периодичностью. Получается, что одна корзина — это раз от раза мало меняющий набор товаров.

Как рекомендательная система исправляет ситуацию:

  • Рекомендует товары, которые были в прошлых корзинах. Таким образом, если покупатель забыл что-то из необходимого, система ему напомнит.
  • Рекомендует попробовать более качественные и дорогие аналоги. При этом товары рекомендуются “на повышение” постепенно, чтобы не отпугнуть покупателя.
  • Рекомендует товары только в ценовом диапазоне, комфортном покупателю. Система помнит, какие покупки он делал в прошлом. Таким образом тот, кто привык экономить, не увидит в рекомендациях самых дорогих товаров, а тот, кто привык тратить много — дешевых.
  • Рекомендует новые товары. Если вы регулярно покупаете стиральный порошок, то вряд ли спонтанно перейдете на гель. Система подталкивает пользователей пробовать новые марки и виды товаров, тем самым управляя их привычками.
  1. Товары для животных

У питомцев целый ряд особых характеристик: вид, порода, возраст. Поэтому корм для рыбок будет не лучшим подарком лабрадору. Впрочем, как и костюм на той-терьера.

Что исправляют в рекомендациях отраслевые алгоритмы:

  • Рекомендуют товары, соответствующие виртуальному профилю питомца. Рекомендательная система запоминает информацию о просмотрах и покупках пользователя и делает выводы: сколько у него домашних животных и что это за животные.
  • Учитывают все виды животных. Зоотовары есть не только для кошек и собак, а еще для грызунов всех мастей, рептилий, рыб, декоративных насекомых, птиц, да хоть карликовых свиней. Настройка рекомендательной системы должна быть особенно тонкой, иначе рекомендации просто не будут работать.
  • Кросс-селлинг зоотоваров. Система анализирует содержимое корзины и предлагает товары, которые к ним купили пользователи с похожими питомцами.
  1. Косметика

Всё, что связано со здоровьем и красотой, нужно рекомендовать очень аккуратно и точно. Что учитывает рекомендательная система с отраслевой спецификой:

  • Лояльность определенным брендам. Аналогично с сегментом одежды, в косметике огромное влияние имеет торговая марка. Рекомендательная система запоминает предыдущие выборы покупателя и советует его любимый бренд чаще других.
  • Физиологические особенности. Их масса: тип кожи (сухая, нормальная, жирная), тип волос, аллергические реакции. Если этого не учитывать, ценность рекомендации будет стремиться к нулю.
  • Рассылки к праздникам. Косметика — популярный товар для подарков, в том числе на “женские” праздники. Рекомендательная система предложит владельцу магазина сделать email-рассылку с персональными предложениями накануне праздников, это с большей вероятностью заставит пользователей вернуться в магазин и посмотреть товары в каталоге.
  • Периодические покупки. Косметические средства покупаются регулярно, в этом они похожи на товары FMCG-сегмента, разница только в периодичности. Рекомендательная система советует пополнить запасы с помощью товарных рекомендаций на сайте и рассылок.

Примеров можно приводить много: на любую без исключения товарную тематику есть свой особый алгоритм рекомендаций:

  • Одежда и обувь — размеры, возраст, пол покупателя.
  • Детские товары — количество детей, их пол, размеры (если это одежда).
  • Аксессуары — материал, бренд, принадлежность коллекции (актуальной или прошлогодней).
  • Спорт и активный отдых — большое количество сопутствующих товаров (спортивного снаряжения), жесткое разделение по видам спорта.
  • Электроника — сложный товар, лояльность бренду, пол.
  • и так далее.

Список можно продолжать долго, но суть уже отражена полностью: рекомендательные системы с базовыми алгоритмами не всегда справляются с задачами продаж. Для этого существуют отраслевые алгоритмы — их как раз можно сравнить с обучающими курсами для продавцов-консультантов в крупных гипермаркетах.

 

Материал по теме

Искусственный интеллект научился угадывать точное время покупки конкретного товара в онлайне

Материал по теме

Дума готовит стоп-кран для рекомендательных сервисов

Материал по теме

Товарные рекомендации приносят 25% покупок в приложении "М.Видео"

Подписаться на новости

Смотрите также

Актуальное сейчас

Как сделать прогноз эффективности трафика из соц. сетей на товарные карточки Ozon

Маркетологи, которые подключают новый рекламный канал, должны понимать, какой результат ожидать от рекламы, так как от этого зависит выполнение его КПИ. Когда перед глазами аргументированный прогноз по плани...

Продавцы Яндекс Маркета смогут получить скидку на размещение товаров за выполнение персональных заданий

Яндекс Маркет добавил в личный кабинет продавцов новый раздел “Награды и Клуб”. Каждый месяц там будут появляться вызовы — персональные задания, за выполнение которых партнёр может сэкономить и получить пол...

Amazon меняет принцип создания карточек товаров

Amazon внедряет революционную функцию на основе искусственного интеллекта. Она позволит продавцам добавлять товары с других сайтов на Amazon, автоматически генерируя описания и загружая изображения. По слов...

Авито тестирует новый тариф для продавцов с оплатой только за успешную сделку

Авито начал тестирование нового тарифа для профессиональных пользователей с оплатой за успешную сделку. Он станет альтернативным вариантом к уже существующему тарифу для товарных категорий с оплатой за целевое ...

Wildberries и Ozon сравнялись по охвату

В феврале 2024 года Wildberries и Ozon сравнялись по месячному охвату населения, достигнув 59% россиян. Как сообщила руководитель сектора поддержки клиентов сегмента digital Mediascope Наталья Бороздина на ...

Как розничная сеть магазинов косметики за две недели вдвое увеличила выручку

В 2023 году оборот электронной торговли вырос на 19%, офлайн-продаж — на 13%. Этот тренд актуален уже последние 5 лет. Популярность онлайн-ритейла заставляет предпринимателей выходить на новые площадки. CEO ...

Согласие на обработку персональных данных

×

Физическое лицо, оставляя заявку на веб-сайте e-pepper.ru через форму «Обсудим ваш проект» и форму подписки на e-mail рассылку, действуя свободно, своей волей и в своем интересе, а также подтверждая свою дееспособность, предоставляет свое согласие на обработку персональных данных (далее — Согласие) Обществу с ограниченной ответственностью «АЭРОКОМ» (ООО «АЭРОКОМ») (ИНН 9705136776, info@aeroidea.ru, +7(495)120-12-38, +7 968 900-23-45), которому принадлежит веб-сайт https://e-pepper.ru и которое зарегистрировано по адресу 111024, г. Москва, вн.тер.г.муниципальный округ Лефортово, ул. Авиамоторная, д.50, стр.2, этаж 2, помещ.XI, комната 25, офис А79, на обработку своих персональных данных со следующими условиями:

  1. Данное Согласие дается на обработку персональных данных, как без использования средств автоматизации, так и с их использованием.
  2. Согласие дается на обработку следующих моих персональных данных: персональные данные, не относящиеся к специальной категории персональных данных или к биометрическим персональным данным: адрес электронной почты (e-mail); имя; сведения о месте работы; номер мобильного телефона.
  3. Цель обработки персональных данных: обсуждение возможного проекта.
  4. В ходе обработки с персональными данными будут совершены следующие действия: сбор; запись; систематизация; накопление; хранение; уточнение (обновление, изменение); извлечение; использование; передача (предоставление, доступ); блокирование; удаление; уничтожение.
  5. Третьи лица, обрабатывающие персональные данные по поручению ООО "Аэроком” для указанной в согласии цели:
    • АО "АМОЦРМ", 21205, г. Москва, вн.тер.г. Муниципальный Округ Можайский, Тер Сколково Инновационного Центра, б-р Большой, д. 42 стр. 1
    • ООО "Яндекс", 119021, г. Москва, ул. Льва Толстого, д. 16
  6. Персональные данные обрабатываются в течение 30 дней с момента отказа в дальнейшем обсуждении проекта или с момента принятия решения о заключении договора на проект в соответствии с ч. 4 ст. 21 152-ФЗ, смотря что произойдет раньше.
  7. Согласие может быть отозвано вами или вашим представителем путем направления ООО "Аэроком” письменного заявления или электронного заявления, подписанного согласно законодательству Российской Федерации в области электронной подписи, по адресу, указанному в начале Согласия.
  8. В случае отзыва вами или вашим представителем Согласия ООО "Аэроком” вправе продолжить обработку персональных данных без него при наличии оснований, указанных в пунктах 2 — 11 части 1 статьи 6, части 2 статьи 10 и части 2 статьи 11 Федерального закона № 152-ФЗ «О персональных данных» от 27.07.2006 г.
  9. Настоящее согласие действует все время до момента прекращения обработки персональных данных, указанных в п. 6 и п. 7 Согласия.