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.
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
на странице категории
Персонализированная товарная
выдача страницы категории на
основе движка Deep Learning
выдача страницы категории на
основе движка Deep Learning