Решили протестировать рекомендации Mindbox, и первый в нашей серии испытаний — алгоритм «Персональные рекомендации».

Несмотря на его популярность, результаты работы алгоритма могут сильно отличаться от проекта к проекту.

Поэтому в рамках рубрики «Лаборатория Bonfire» мы разберем, где его внедрение действительно оправдано, а где высок риск не получить ожидаемых результатов.

Как работает алгоритм

«Персональные рекомендации» анализируют просмотры, покупки, действия с корзиной и другие сигналы поведения клиента.

На основе этих данных алгоритм пытается предсказать, какой товар клиент захочет купить следующим.

Кажется, это отличное решение для повышения повторных продаж через CRM-канал.

Но есть нюансы.

Что показали испытания

1. «Персональные рекомендации» эффективны в проектах с большим ассортиментом и накопленными данными

Это значит, что не стоит рассчитывать на высокие результаты от «Персональных рекомендаций», если у вас небольшой каталог товаров или вы только запускаете CRM-канал.

2. Алгоритму важно понимать, что рекомендовать клиенту дальше

Поэтому он чувствует себя уверенно в e-commerce, где проще предложить следующий товар, и буксует в нишах с длинным циклом сделки — например, в сфере недвижимости, где покупка квартиры не подразумевает очевидной следующей покупки из каталога.

3. Наиболее перспективный сценарий — реактивационные коммуникации

То есть алгоритм лучше всего работает, когда нужно вернуть клиента персональным предложением.

4. Не во всех проектах результат виден сразу

Отсутствие прямых продаж из рассылки не всегда означает, что алгоритм не сработал. Товар могут не купить сразу после письма, но вернуться к нему позже. Особенно это характерно для B2B-сегмента.

Показываем на примере одного из наших клиентов.

Bonfire протестировал алгоритм на B2B-проекте с каталогом из 1750+ товаров

За 2,5 месяца триггерная рассылка показала Open Rate (открываемость) — 30% и Click Rate (кликабельность) — 2,64%, но прямых заказов из письма мы не увидели.

При этом около 25% клиентов, открывших письмо, позже оформили заказ, и часть товаров из персональной подборки совпала с товарами в этих заказах. Поэтому в B2B отсутствие прямых продаж из рассылок не всегда означает отсутствие результата.

Однако если цель — получать быстрые продажи из CRM-канала, возможности алгоритма в B2B-сегменте могут не оправдать ожиданий

«Персональные рекомендации» — не универсальный алгоритм для всех задач

Успех зависит не только от данных и специфики бизнеса, но и от того, какую задачу должна решить коммуникация.

Есть задачи, когда эффективнее работают более простые алгоритмы:

→ Если нужно показать клиенту товары, похожие на недавно просмотренные, лучше использовать алгоритм «Похожие товары».

→ Если задача — допродать что-то к уже оформленному заказу, эффективнее алгоритм «Сопутствующие товары».

→ Если данных о клиентах пока недостаточно, хороший результат могут дать даже обычные «Популярные товары».

Эти и другие алгоритмы мы также разберем в нашей Лаборатории.