e.l.f. Cosmetics делает удобнее онлайн-шоппинг пользователей с помощью персонализации страниц продуктовых листингов

Один из ведущих beauty-ритейлеров меняет порядок выдачи товаров на страницах категорий в режиме реального времени и увеличивает выручку на пользователя (RPU) на 29,7% с помощью персонализации страниц продуктовых листингов.
Скачать PDF * Email не требуется для загрузки
3.2х
ROI
после тестирования на посетителях сайта в режиме реального времени переупорядочивания страниц продуктовых листингов с использованием движка Deep Learning
+29.7%
RPU
после расширения кампании персонализации листингов в период «Черной пятницы» (Black Friday) и «Кибернедели» (Cyber Sale week)
13.5х
ROI
на основе прогнозируемого годового прироста выручки от персонализации всех страниц категорий

Введение

e.l.f. Cosmetics — ведущий beauty-ритейлер, в ассортименте которого уходовая и декоративная косметика, аксессуары и другие косметические товары премиум-качества по доступным ценам.

С самого начала в основе бизнеса компании лежало стремление предоставить своим клиентам лучший косметический продукт и создать удобные условия для онлайн-шопинга.

Поняв, что страницы продуктовых листингов (таких, как страницы категорий, подборок и поисковой выдачи) принимают на себя много трафика, но при этом перегружены элементами навигации (фильтры, меню и так далее), содержат огромное количество товаров, что влечет за собой очень сложный процесс поиска и выбора товаров для пользователя, e-Commerce команда бренда обратилась к компании Dynamic Yield для решения этой проблемы.

Благодаря персонализации страниц продуктовых листингов стало возможным автоматически менять порядок страницы, используя алгоритм глубокого машинного обучения (Deep Learning) платформы Dynamic Yield. В рамках пилота команда достигла роста показателя RPU (выручка на пользователя) на 29,7% и окупаемости инвестиций в 3,2 раза. В планах также расширение кампании персонализации по всем страницам категорий, благодаря которому команда ожидает 13-кратный рост показателя возврата инвестиций (ROI), основанный на прогнозируемом ежегодном приросте выручки.
«Большое количество товаров «нагромождает» страницы продуктовых листингов, усложняя процесс поиска. Благодаря решению по персонализации этих страниц с помощью Dynamic Yield, мы сделали их максимально простыми и понятными для каждого пользователя в ключевой момент совершения покупки. Теперь отображаемые товары представляют больший интерес и подходят каждому индивидуальному пользователю, а находить их стало намного легче»
Экта Чопра, Chief Digital Officer, e.l.f. Cosmetics

Гипотеза

Так как страницы продуктовых листингов — основной источник роста конверсии в покупку, команда бренда решила сфокусироваться именно на их персонализации. Увеличатся ли показатели выручки и конверсии, если решить задачу по упрощению навигации, поиска и выбора товаров для пользователей на этих страницах? Чтобы проверить предположение, требовалось решение, которое:

  • будет персонализировать товарную выдачу в режиме реального времени в соответствии с поведенческими данными пользователя;
  • сделает проще и понятнее текущую навигацию и поиск товаров для пользователей, при этом снизит негативное влияние на скорость загрузки страницы;
  • создаст бесшовный пользовательский опыт при переключении между разными категориями.

Выполнение

Для проверки гипотезы была внедрена персонализированная сортировка товаров в продуктовых листингах на основе платформы Dynamic Yield, используя данные из истории поиска и поведения пользователей.
Проанализировав поведение пользователей сайта, которые посещали страницы продуктовых листингов, ритейлер определил основную цель для себя — упростить пользователям процесс поиска нужных товаров. Осознавая мощные возможности персонализации, команда предположила, что может увеличить ключевые бизнес-показатели по всему сайту за счет создания индивидуального порядка сортировки товаров на страницах категорий для каждого пользователя.

Персонализация листинга с помощью Dynamic Yield — процесс сортировки листинга на базе движка глубокого машинного обучения (Deep Learning). Листинг товаров при этом происходит в реальном времени и уникальным образом для каждого пользователя в каждый момент времени, используя данные о его интересах, предсказывая его действия на основании сравнения с поведением других пользователей, а также учитывая остатки товаров, маржинальность, текущие промо-акции и многие другие факторы.

Для теста команда выбрала девять наиболее популярных страниц категорий: тени для век, помады, блески для губ, бальзамы и уход для губ, праймеры для лица и другие, разбив при этом трафик 50/50: половина пользователей видела текущее решение по сортировке, другая половина — персонализированную выдачу, сформированную платформой Dynamic Yield.
В варианте контрольной группы (текущем решении) листинг был одинаковым для всех и содержал только стандартные инструменты сортировки по цене, популярности и т.д.
В персонализированном варианте движок Dynamic Yield угадывал (на основании прошлых действий на сайте) и даже предугадывал (на основании того, что пользователь еще не сделал, но сделает с большой вероятностью) предпочтения пользователей, и сайт перестраивался для них индивидуально в режиме реального времени. Заходя в желаемую категорию, в верхних позициях выдачи пользователи сразу же видели именно то, что хотели бы найти.
Движок не просто угадывал, но и предсказывал наиболее вероятнее следующее действие на основании данных о похожих пользователях — тысяч посетителей этого сайта, которые совершали схожие действия, а также смотрели или покупали товары, которые вы не видели, но которые, вероятнее всего, вам понравятся. На основании анализа огромного количества информации такого рода, движок предсказывал, в данном случае, какой следующий товар заинтересовал бы пользователя с максимальной вероятностью.
Тест персонализации страниц продуктовых листингов длился один месяц (конец октября -конец ноября 2020 года) и показал следующие результаты:

  • рост показателя выручки на пользователя составил +3,3% во всех категориях;
  • увеличился показатель возврата первоначальных инвестиций в используемое решение в 3,2 раза (ROI);
  • благодаря движку Deep Learning, удалось собрать данные о товарах, представляющих потенциальный интерес для пользователей — основу для персонализированной поисковой выдачи при будущих взаимодействиях пользователей с сайтом.
Чтобы не упустить потенциальный доход от «Черной пятницы» и «Кибернедели», после проведения теста команда сразу расширила кампанию по персонализации страниц продуктовых листингов на бОльшую часть трафика. Это решение привело к росту выручки на пользователя на 29,7% всего за неделю активных распродаж.

Сегодня команда продолжает использовать платформу Dynamic Yield для автоматической персонализированной сортировки товаров в листинге для каждого пользователя, что приведет к 13-кратному росту показателя окупаемости инвестиций (ROI), исходя из прогнозируемого прироста годовой выручки.
Базовая товарная выдача
на странице категории
Персонализированная товарная
выдача страницы категории на
основе движка Deep Learning

Ключевой вывод

Команда e.l.f. Cosmetics не только создает качественный продукт, но и делает процесс его поиска на сайте удобнее для пользователей с помощью персонализации, предлагая товары в соответствии с их потребностями, предпочтениями и желаниями. Используя решение Dynamic Yield для персонализации страниц продуктовых листингов, команда сделала много инсайтов, во многом благодаря движку Deep Learning. С его помощью, например, каждому покупателю теперь будет показан персонализированный порядок товаров в листинге при посещении страниц различных категорий во время онлайн-шоппинга. Внедрение от этого решения увеличило выручку на пользователя на 29,7% и по прогнозу даст 13-кратную отдачу от вложений в использование передовой платформы персонализации пользовательского опыта Dynamic Yield.

ЗАКАЗАТЬ ДЕМО