Интернет-магазин и товарные рекомендации

Этот материал появился из нашего разговора с Андреем Себрантом перед YAC|M. Мы сидели в кабинете Андрея в Яндексе и обсуждали, какое исследование сделать для конференции, основная тема которой – рекомендательные сервисы. Мы решили показать на данных статистики, которые в изобилии есть у Data Insight, как работают эти сервисы, какой эффект они дают.

Рекомендательные сервисы могут влиять на конверсию (из посетителей в покупателей), частоту покупок (которую снаружи тоже видно, как конверсию) и средний чек (через количество товаров в заказе). Из этих двух факторов конверсию проверить технически намного проще. Поэтому мы выбрали этот показатель, чтобы изучить, как влияют на него разные виды рекомендаций.

Так на свет появилось это небольшое исследование. На всякий случай я добавлю важный disclaimer: это оценочное исследование, не претендующее на абсолютную полноту. Оно создано как ориентир, а не как истина в последней инстанции.

Итак, начнем.

Что и как мы изучали?

Для исследования мы выбрали 250 крупнейших магазинов Рунета (нижняя граница списка – около 200 размещаемых заказов в сутки). В рамках других наших проектов у нас есть данные по количеству заказов и посещаемости для этих компаний. Сайты этих продавцов мы проанализировали вручную на наличие в них рекомендательных сервисов (нет смысла писать парсер для 250 сайтов).

Мы рассматривали 9 типов рекомендаций, разбитые на две группы: рекомендации общего характера (новинки, акции, хиты продаж) и рекомендации персонализированные, привязанные к человеку или товару (с этим товаром покупают, вы смотрели ранее ит.д.).

• новинки;
• акции, распродажи, товары со скидкой;
• популярные товары (бестселлеры, хиты продаж);
• другие люди недавно купили, сейчас смотрят;
• вы смотрели ранее ;
• рекомендовано лично вам (возможно, вам понравится, товары для вас);
• с этим товаром смотрят;
• сопутствующие товары, аксессуары, купите вместе;
• похожие товары, другие производители товара.

Наличие рекомендаций проверялось на 4 типах страниц: главной, странице товарной категории, карточке товара и на странице корзины. Позднее мы исключили из анализа страницу товарной категории. С одной стороны, на ней практически и не использовались рекомендации, а с другой стороны, эта страница и изменения на ней почти не оказывали влияния на конверсию магазина.

Дополнительно мы проверили, есть ли на карточке товара:

• отзывы;
• обсуждения;
• видео.

В рамках анализа мы сопоставляли медианные средние и средние арифметические значения конверсии для магазинов, использующих и не использующих те или иные системы рекомендаций.

На величину конверсии в большой степени влияют и другие факторы: возраст магазина (и следовательно, уже существующая доля лояльной аудитории), уровень цен, уникальность ассортимента и пр. Для снижения влияния этих факторов мы используем значения медианного среднего и учитываем большое количество интернет-магазинов.

Исследование было проведено в мае 2015 года.

Основные выводы

Этих кошек мы любим, но пока не умеем готовить. Первое, что бросается в глаза: для большинства магазинов влияние рекомендательных сервисов на конверсию — минимально. И более того, часто рекомендации влияют на нее отрицательно. Причина – их неграмотное использование. Очень заметно, как крупнейшие интернет-магазины (в первую очередь в сегментах одежды и электроники) умеют наращивать свои продажи через рекомендации, – и как плохо это делают ритейлеры поменьше (а также практически все магазины в других товарных категориях). Иными словами: рекомендательные сервисы могли бы приносить ИМ существенно больше результатов, чем они приносят сегодня.

Не все «распробовали» рекомендации. Даже среди 250 крупнейших российских интернет-магазинов системы рекомендаций использует меньше половины, а автоматизированные, основанные на анализе Big Data, – и того меньше. Можно однозначно сказать, что этот рынок еще достаточно пустынен. Рекомендательные сервисы могут стать не точкой роста не только отдельных магазинов, но и всей электронной торговли в России в целом.

Уровень проникновения рекомендательных сервисов стремительно падает по мере уменьшения размера магазина. Если большая компания может сделать систему рекомендаций, опираясь на свои данные, то даже у среднего магазина для этого недостаточно статистики продаж. В любом случае, крупные ритейлеры имеют больше опыта и больше возможностей для экспериментов. Поэтому нет ничего удивительного в том, они используют системы рекомендаций намного эффективнее.

Для разных страниц нужны принципиально разные модули. Те рекомендации, которые работают на главной, не работают на карточке товаров, и наоборот. Это не означает, что на карточке товара рекомендации в принципе дают меньший эффект. Возможно, здесь они будут более эффективными для увеличения чека. Но если ориентироваться на показатель конверсии, то все рекомендации на главной и даже на странице товарной категории работают лучше, чем на странице карточки товара.

Вывод: нужно тестировать не только разные типы рекомендаций, но и то, какой эффект они дают в зависимости от того, на какой странице показываются.

В отдельных товарных категориях рекомендации работают по-разному. Совсем по-разному. Возьмем две самые крупные по доле рынка, обороту и числу ИМ категории: БтиЭ и fashion. Для электроники более эффективными будут рекомендации популярных товаров, а для одежды и обуви – новинки с распродажами, плюс лучше работают персональные рекомендации на основе анализа больших данных. Причина, по нашему мнению, в том, что в этих товарных категориях принципиально разная модель выбора товаров. В электронике человек сначала выбирает товар (устройство и конкретную модель), а потом магазин, а в одежде – наоборот. Таким образом, посетитель на сайте ИМ электроники гораздо ближе к моменту совершения покупки, чем в ИМ одежды. В то же время, рекомендации в одежде могут дать намного больший эффект, чем в электронике.

Акции и распродажи отрицательно сказываются на распродажах. По результатам исследования можно сделать однозначный вывод: акции и распродажи понижают конверсию, как в среднем по всем ИМ, так и при любом делении магазинов на группы: по размеру или товарной категории. Результаты исследования не показывают сам механизм снижения конверсии. Мы не можем объяснить, как почему это происходит (тут возможны только догадки). Но мы видим, что без акций и распродаж, в среднем, конверсия заметно выше.

А теперь — с цифрами…

1. Где, что и как рекомендуем?

Персональные рекомендации на главной странице для незарегистрированных пользователей использует всего 18% магазинов, тогда как на странице карточки товаров – уже вдвое больше – 35%. Такое соотношение удивляет, ведь все 250 ИМ, участвовавших в исследовании, – довольно заметные на рынке продавцы.

На странице карточки товара те или иные рекомендации (или специализированный контент) были практически во всех магазинах. Однако, чаще всего это были отзывы о просматриваемом товаре. Если же убрать эти контентные блоки, то окажется, что около 20% магазинов не используют на товарной карточке никаких инструментов увеличения конверсии и среднего чека. Те же, что используют, обычно, останавливаются на одном, максимум двух инструментах.

Вторая любопытная вещь – это слабое использование систем рекомендаций в корзине. Лишь 15% ИМ предлагают в корзине персональные рекомендации и еще 11% – перечень дополнительных / сопутствующих товаров. Проще говоря, допродажи почти никто не делает.

Табл. 1. Главная страница

Табл. 2. Карточка товара

Табл. 3. Корзина

2. Эффективность инструментов

Самые из полученных цифр, – это данные по эффективности разного рода рекомендаций на двух страницах: главной и карточке товаров – для двух самых крупных товарных категорий: БтиЭ и fashion. На примере этих данных видно, что товарная категория ИМ больше влияет на эффективность различных рекомендаций, чем все остальные факторы, например, такие, как размер магазина.

Для категории БтиЭ (включая телефоны, планшеты и компьютеры) наибольший эффект на главной странице дает блок «вы смотрели ранее». Он дает прирост конверсии в 1,84 раза: Для магазинов, не использующих этот блок на главной, медианная конверсия составила 2,8% от месячной посещаемости, а для магазинов, использующих его, – 5,2% от месячной посещаемости.

Следом идет блок «личные рекомендации». При использовании на главной он дает рост конверсии в 1,38 раза. За ним – «популярные товары» (неперсонифицированный блок) – он увеличивает конверсию в 1,28 раза.

При этом блок «вы смотрели ранее» является самым редко используемым блоком на главной странице у магазинов этой товарной категории, а блок «популярные товары», наоборот, – самым распространенным (их используют 9 и 63 % ритейлеров соответственно).

Акции и распродажи дают нулевой эффект конверсии (0,97 раз – в пределах статистической погрешности), а «новинки» понижают (!) конверсию на четверть. По всей видимости, когда потребителю рекомендуют новинку рынка, у него заново запускается механизм принятия решения о покупке. В итоге человек «уходит думать» – и иногда не возвращается.

Таблица 4. Товарная категория БТиЭ, телефоны, компьютеры. Главная страница.

На странице карточки товара в БТиЭ эффект от рекомендаций гораздо скромнее. Человек, дошедший до карточки товара, с большой вероятностью уже определился с покупкой, а следовательно, дополнительные модули рекомендаций уже мало на него влияют. Логично было бы предположить, что рекомендации на этом уровне должны быть нацелены уже не столько на повышение конверсии, сколько на увеличение чека. Тем не менее, персональные рекомендации на карточке товара увеличивают конверсию на четверть: с 2,8% (конверсия магазинов, не использующих этот блок) до 3,5% от месячной конверсии.

Блок «вы ранее смотрели» на карточке товара увеличивает конверсию незначительно ( в 1,12 раза), а рекомендации «с этим товаром смотрят» и «сопутствующие товары» и вовсе снижают конверсию, впрочем, незначительно (на 16 и 10 % соответственно).

При этом чаще всего ИМ в категории БтиЭ используют на странице товарной карточки… модуль «сопутствующие товары» (48% исследованных магазинов этой товарной категории).

Таблица 5. Товарная категория БТиЭ, телефоны, компьютеры. Страница карточки товара.

Для категории «одежда и обувь» ситуация выглядит несколько лучше. Магазины здесь используют куда больше модулей и на главной странице, и на товарных карточках. Блок «популярные товары» использует 26% онлайн-ритейлеров, а блок «недавно купили» – 35% ИМ. Наиболее эффективен в этом сегменте блок «популярные товары». Он дает рост конверсии в 1,62 раза (с 3,1% до 5% от месячной посещаемости). Персональные рекомендации, акции и распродажи дают примерно одинаковый эффект — рост конверсии в 1,25 и 1,2 раза соответственно. А вот блок «недавно купили» понижает конверсию на четверть.

Таблица 6. Товарная категория одежда, обувь, аксессуары. Главная страница.

Если мы посмотрим на карточку товара, то единственное, что работает на увеличение конверсии для сегмента Fashion – это персональные рекомендации. Все остальные виды рекомендаций существенно понижает медианные значения конверсии.

Таблица 7. Товарная категория одежда, обувь, аксессуары. Страница карточки товара.

В заключение хочу сказать вот что. Результаты исследования не надо воспринимать как непреложную истину, как то, что магазинам нужно или не нужно использовать те или иные виды рекомендаций на сайте. Все вышесказанное, скорее, приводит к выводу, что интернет-магазинам надо тестировать все эти модули, и тестировать на различных страницах раздельно. 

Успехов!