как MediaMarkt увеличил ARPU на 14%

Как крупнейший в Европе ритейлер электроники и бытовой техники запустил персонализацию для своих европейских клиентов и увеличил средний доход с клиента на 14%

СКАЧАТЬ PDF * Email не требуется для загрузки

Для оценки результатов, MediaMarkt, как data-driven компания, запустила глобальную контрольную группу, где 5% от всего онлайн трафика были исключены из всех кампаний Dynamic Yield, что дало уверенность в корректности оценки реального влияния на бизнес и ROI кампаний по персонализации.

14%

прирост среднего дохода с клиента

53%

рост количества добавлений товаров в корзину

31%

рост конверсии в покупку по результатам кампании Social Proof на страницах товаров

Краткое изложение

MediaMarkt – самый большой в Европе ритейлер электроники и бытовой техники с оборотом в 22 миллиарда евро (2,4 – доля ecommerce). Учитывая постоянный рост продаж, компания поставила перед собой задачу объединить данные из онлайна и офлайна для лучшего понимания и управления клиентским опытом. В качестве основного решения MediaMarkt выбрал платформу Dynamic Yield.

“Раньше у нас было большое количество инструментов для разных целей: тестирование и аналитика, рекомендации, коммуникации с пользователем и т.д. Большинство из этих инструментов нельзя было интегрировать между собой, что вызывало большие трудности в работе. С 2017 мы начали сотрудничать с Dynamic Yield – и значительно оптимизировали трудозатраты. Кроме этого, мы получили новый широкий функционал, позволяющий еженедельно запускать и тестировать различные сценарии с фокусом на построение правильного клиентского опыта.”

Дэвид Гайсен, CDO, MediaMarkt Iberia

Задача

MediaMarkt, как один из крупнейших ритейлеров Европы, успешно прошел путь диджитализации, став лидером и в офлайне, и в онлайне на всей территории континента. Для дальнейшего масштабирования бизнеса перед компанией встали совершенно новые задачи, которые планировалось решить с партнером Dynamic Yield:

разработать и внедрить программу персонализации
создать условия для постоянного создания и тестирования идей и сценариев персонализации
объединить транзакционные данные из офлайна и онлайна
оптимизировать слишком большое количество систем, которые никак не интегрированы между собой
минимизировать зависимость от IT и разработки для решения маркетинговых и контентных задач
использовать информацию в реальном времени о спросе на товар, чтобы “промоутировать” наиболее популярные товарные предложения.

Выполнение

Для решения описанных задач MediaMarkt выделил несколько основных направлений работы:

1. Централизация источников данных

Кастомная интеграция от Dynamic Yield позволила MediaMarkt собирать, синхронизировать и анализировать все данные о клиентах в едином месте. Такое решение позволило компании таргетированно запускать персонализацию и на сайте, и в мобильном приложении.

Набор данных включил в себя:

информацию в реальном времени о поведении пользователя на сайте и в приложении, включая тип устройства, источник трафика и др.
смоделированные данные от внутренней команды data-science MediaMarkt, основанные на большом количестве характеристик пользователей (CLV, вероятность оттока и т.д).

2. Привлечение новых участников программы лояльности

Сбор email-адресов – это первый шаг к построению базы лояльных клиентов и роста количества повторных продаж. Для этой задачи MediaMarkt запустил персонализированный поп-ап по сбору email-адресов для разных сегментов, где каждая аудитория видела свой вариант в зависимости от пола, местонахождения и других атрибутов.

3. Сообщение “Social Proof” на странице товара

Как распродать популярный товар ещё быстрее? На странице товара была добавлен элемент с информацией, сколько людей купили его за последние 48 часов. Кампания сыграла на ощущении «срочности», что в итоге привело к увеличению конверсии в заказ и росту количества добавлений товаров в корзину.

Added Social Proof messaging to Product Detail Page

4. Товарные рекомендации на основных этапах пути пользователя

На основе рекомендательной системы Dynamic Yield компания MediaMarkt запустила различные механики товарных рекомендаций на главной странице, странице категорий и продукта. Посетители главной страницы видели несколько рекомендательных виджетов с наиболее релевантными товарами из разных (для разных пользователей!) продуктовых категорий.

Personalized recommendations across the entire user flow

Виджет с товарными рекомендациями формируется автоматически на основе стратегий: “Рекомендуем для вас”, “Рекомендуем в этой категории” и др

5. Таргетированные стратегии рекомендаций для различных сегментов пользователей

В дополнение ко всему, алгоритмы системы тестировали различные комбинации и взаимосвязи рекомендательных стратегий, используя машинное обучение для контроля и определения лучшего результата для каждого пользователя.

Targeted and personalized recommendations based on customer intent

Главные выводы

В эпоху диджитализации большие компании нуждаются в решениях, которые смогут объединить уже имеющиеся наработки с более инновационными технологиями. Благодаря мощным технологиям Dynamic Yield, которые позволяют консолидировать данные, создавать персонализированный клиентский опыт и измерять активность клиентов по широкому набору показателей, MediaMarkt смог принять вызов современного мира и удвоить прибыль.