Рекомендации в email-рассылках для увеличения продаж

Может ли рекомендация бренда подтолкнуть человека к покупке? Однозначно, да. Рассказываем, какие технологии позволяют угадывать желания клиента и почему они работают так хорошо.

Что такое рекомендации?

Рекомендательные технологии – это программы, которые анализируют данные о пользователе и пытаются угадать, что ему может понравиться.

Откуда можно получить эти данные:

• из профиля пользователя
• из данных о его поведении на сайте (на каких страницах был, как долго, как себя вел) и о предпочтениях (что искал, смотрел, добавлял в Избранное, забывал в корзине, как реагировал на предложения, какие оценки ставил и какие отзывы писал) — это делается с использованием метрических программ и файлов cookies

Как их можно получить:

• открыто (через просьбу пройти опрос, заполнить анкету, поделиться мнением, оставить отзыв)
• неявно (через сбор и анализ данных поведения и предпочтений)

Чем больше данных, тем точнее рекомендации. А что делать, если данных нет?

Если данных мало, их нужно накапливать. Пока данные собираются, можно использовать общие рекомендации, такие как «Хиты месяца» или «Популярные товары». Это поможет начать собирать данные для более точных рекомендаций позже.

Зачем нужны рекомендательные системы?

• привлечь и удержать пользователей (укрепление связи с брендом)
• увеличить продажи (больше кликов по рекомендованным товарам)

Хорошие рекомендательные технологии выгодны всем. Бизнес увеличивает продажи, а клиенты получают более удобный опыт покупок. По данным McKinsey, использование искусственного интеллекта может увеличить продажи ритейлеров до 5%.

Клиенты экономят время на поиски, потому что бренд предлагает то, что им нужно. Рекомендации в email — это способ персонализировать рассылку. Кстати, о персонализации мы много и хорошо написали тут. 

«Отсутствие конкретного предложения часто дестабилизирует клиента. Он не хочет принимать решения, что-то искать и выбирать самостоятельно. Именно поэтому мы часто пишем в email-рассылках: «Посмотри, это тебе подойдет!». CDP-платформа Mindbox — мощный инструмент, у которого «под капотом» есть различные машинные алгоритмы, позволяющие автоматически вычислять, какие продукты можно предложить клиенту и подставить их в email-рассылку. При этом для каждого адресата в сегменте они будут свои».

Как формируются рекомендации?

Есть 4 типа систем, которые помогут подобрать рекомендации в email для клиента.

• Контентная фильтрация (content-based filtering)
  Как работает:  система изучает, чем пользовался/интересовался/покупал ранее и предлагает схожие варианты товаров/услуг.
• Коллаборативная фильтрация (collaborative filtering)
  Как работает: система изучает социальные профили всех клиентов и предлагает то, что может быть интересно клиенту на основе предпочтений других покупателей, которые имеют схожий с ним профиль. 
• Фильтрация, основанная на знаниях (knowledge-based filtering)

Как работает: система выдает общие рекомендации (в отличие от первых двух типов), которые основаны на исследованиях, мнениях экспертов, т.е. объективных и подтвержденных данных о том или ином сегменте аудитории или ЦА в целом.

• Гибридная фильтрация (hybrid filtering)
  Как работает: комбинированная система, которая использует одновременно несколько методов фильтрации. Главное в этом типе — точно знать, по какой причине тот или иной товар (услуга) был выведен в рекомендации конкретному пользователю. 

Минусы рекомендательных систем

• для эффективных персональных рекомендаций нужна история и данные, что на первых этапах затрудняет вывод качественных рекомендаций
• без улучшений и обновлений система деградирует: если пользователю все время предлагать одно и то же на основе его же интересов, у ИИ не будет «пищи» для обучения, а клиент вскоре уйдет из-за однообразия
• проблема «длинного хвоста», т.е. рекомендаций только популярных продуктов, с которыми клиенты взаимодействуют чаще всего, а остальные товары из линейки остаются «в хвосте» и не попадают в поле зрения клиента

«В Mindbox очень большой выбор рекомендаций для email-рассылок. Алгоритм СDP-платформы агрегирует все данные по клиенту, например, по его поведению на сайте – что делает, куда кликает, что добавляет в Избранное. И на основе этого моделирует группу товаров для оффера. Когда у нас нет данных об интересах конкретного человека, алгоритм анализирует товарную базу (в сегменте или вообще все, что есть), выбирает товары, которые в топе, и подставляет их в «интересы» человека».

К преимуществам рекомендательных технологий в email при работе с Mindbox эксперт выделяет:
– обилие видов рекомендаций (общие и персональные)
– возможность вывести рекомендации вручную и автоматически
– гибкость настроек рекомендаций в рамках одной рассылки (например, вывести как общие, так и персонализированные), что часто повышает конверсию

Наиболее популярные рекомендации в email-рассылках:

• «Похожие на»/«Вам также могут понравиться» — т.е. вывод товаров/услуг, похожих на те, что пользователь смотрел, добавлял в Избранное, покупал, клал в корзину
• «Самые популярные» — в какой-то категории или из всего пула товаров/услуг
• «Сопутствующие» — товары и услуги, которые соотносятся с приобретенным клиентом ранее. Например, подборка средств по уходу за обувью в email после покупки замшевых ботинок. Такие клиенты легче конвертируются в покупки, т.к. ранее уже приобретали товары, а предложенное им действительно может быть нужно.

«Рекомендательные технологии в email — это максимально наглядный способ посоветовать что-то клиенту. Здесь можно вывести фото товара, стоимость (со скидкой или без), краткое описание, отзыв и CTA. Они работают на 2 цели: рост конверсии в клик и в выручку, и укрепление лояльности, так как мы пытаемся соответствовать интересам клиента, и продать то, что нужно именно ему».

Хотите использовать рекомендации в email на все 100%? Агентство DataGrow поможет настроить письма и собрать цепочки любого сценария так, чтобы он принес прибыль.