Лучшие статьи и кейсы стартапов
Включить уведомления
Дадим сигнал, когда появится
что-то суперстоящее.
Спасибо, не надо
Вопросы Проекты Вакансии
Центр управления конверсией интернет-магазина
Рекомендуем
Продвинуть свой проект
Лучшие проекты за неделю
30
Эбиа

Эбиа

www.ebia.ru

21
YAGLA

YAGLA

yagla.ru

16
Cookiezz

Cookiezz

cookiezz.com.ua

15
Enlite

Enlite

enlited.ru

15
likearea

likearea

smm.li

15
SE Ranking

SE Ranking

seranking.ru

11
Relap

Relap

relap.io

11
Perezvoni.com

Perezvoni.com

perezvoni.com

11
E-Commerce and Venture projects

E-Commerce and Venture projects

Продажа товаров от производителей оптом и в розницу

Показать следующие
Рейтинг проектов
Подписывайтесь на Спарк во ВКонтакте

Почему товары для животных, одежду и косметику нельзя продавать одинаково

152 1 В избранное Сохранено
Авторизуйтесь
Вход с паролем
Cпецифика продаж в одной отрасли радикально отличается от другой. К примеру, в магазин стройтоваров никогда не придут за подарком, а в магазин электроники — запросто. А это отдельный скрипт.

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?

Любому понятно: потому что 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 собственное 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.

2. 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.

3. 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.

Научите свои товарные рекомендации чуткости — говорят, благодарные покупатели тратят больше.

0
Добавить в избранное Сохранено
Авторизуйтесь
Вход с паролем
Первые Новые Популярные
Top Fan
Приложение для определения самых активных
Выбрать файл
Читайте далее
Загружаем…
Блог проекта
Расскажите историю о создании или развитии проекта, поиске команды, проблемах и решениях
Написать
Личный блог
Продвигайте свои услуги или личный бренд через интересные кейсы и статьи
Написать