ИНТЕРВОЛГА занимается сопровождением и продвижением интернет-магазинов на 1С-Битрикс. 

Мы исправляем ошибки, заставляем сайты “летать”, организуем рекламные кампании, повышаем конверсию.  

Мы привыкли говорить только правду. 
В последнее время тема товарных рекомендаций стала очень популярной, и мы решили провести исследование таких сервисов. Мы хотели понять, дают ли они продажи? Правда ли то, что пишут в маркетинге?

Сервисы персональных товарных рекомендаций анализируют поведение посетителя, статистику сайта и в особых рекламных блоках рекомендуют покупателю то, что ему нужно. Автоматически.

Такие сервисы должны давать продажи. Теория — интересна, психологические тесты увлекательны, но всем нужен результат.

Сегодняшняя статья — про проверку работы сервисов Rees46 и Retail Rocket.

Почему Rees46 и Retail Rocket

В планах протестировать несколько существующих сервисов персонализации и реализацию технологии от 1С-Битрикс, когда она появится.

Retail Rocket был отобран как самый популярный и раскрученный российский сервис товарных рекомендаций. Rees46 был включен, так как показался самым простым и понятным. Его установка не вызвала никаких проблем.

Какие сайты?

На конференциях и в описании кейсов всегда говорят о гигантах.

Гиганты действительно на многое способны:

• Ozon знает вероятность покупки после того, как посетитель сделает второй клик по ссылкам на сайте;
• Amazon доставляет товар раньше, чем его заказали
  и прочая магия с разоблачением.

При всем уважении к монстрам интернет-ритейла, их аналитике и финансовым возможностям, мне гораздо интереснее массовое применение технологии.

Цель статьи — понять, могут ли принести реальную пользу сервисы товарных рекомендаций и насколько сложно с ними работать. Потребители — небольшие магазины. 

Среди наших клиентов таких большинство, и было бы здорово за скромные деньги принести конкретную пользу. Да и Битрикс выпускает свою персонализацию, ориентируясь не только на самых дотошных и богатых, а реально «на всех».

Поэтому я выбрал в качестве площадок для теста два небольших, но гордых интернет-магазина.

Интернет-магазин масел Shell

Владельцы сайта вкладывают в развитие и продвижение много сил, и результат есть — продажи растут.

Выбор этого сайта — проверка самой идеи товарных рекомендаций «на вшивость».

Дело вот в чем.

Основной товар магазина — моторное масло. Бренд ровно один — Shell. Есть автохимия и расходка, но они не составляют заметной доли в продажах.

Покупатель никак не может выбрать ни «глазами», ни «по бренду». Для неспециалиста все канистры с маслом совершенно одинаковы.

Ну вот вы знаете чем конкретно отличается Rimula от Helix?

На самом деле в мире моторных масел много тонкостей, но они непонятны потребителю.

Адепты сервисов персонализации собирают много информации о персоне покупателя, анализируют ее и понимают связь между поведением, демографией и покупками.

Что касается магазина Shell, я уверен в отсутствии такой корреляции. Что и когда ты купишь определяется не полом, возрастом и историей покупок, а тем, что и когда тебе залили в двигатель в прошлый раз.

Масло не является предметом роскоши, раброс цен невелик, поэтому попытка рекомендовать состоятельному человеку более дорогое масто также не выглядит перспективной.

Гипотеза: сервис персонализации не способен автоматически определить рекомендуемые товары, подбираемые «по автомобилю». Даже если алгоритм понял что я езжу на Fiat Punto, не хватит примеров, чтобы быстро обучиться. Если я помню что у меня залито, я найду это поиском сайта или Яндексом без сервиса товарных рекомендаций.

Взрослый сайт

Вторым подопытным был магазин «для взрослых», или, проще говоря, секс-шоп. Это развитая региональная компания с 5-ю торговыми точками и 10-летней историей.

С ассортиментом секс-шопа все совсем иначе, чем с моторным маслом. Корреляция между полом, историей поиска, поведением и последующими покупками существует.

Гипотеза: Успех выглядит достижимым. Сервис персональных рекомендаций на сайте товаров для взрослых может быть полезным, если поймет как и что покупают люди.

Такие вот задачки «с подковыркой» я поставил перед сервисами товарных рекомендаций.

Устанавливаем сервисы товарных рекомендаций

Настройка и передача данных в Rees46 и Retail Rocket

Оба сервиса имеют бесплатные модули для Битрикса: http://marketplace.1c-bitrix.ru/solutions/mk.rees46/ и http://marketplace.1c-bitrix.ru/solutions/quetzal.retailrocket/.

Первое — анализ истории заказов, совершенных в магазине ранее (до установки сервиса). Rees46 вежливо спрашивает  разрешения передать на обработку историю заказов — и передает (требуется CURL).

Я сильно подозреваю, что Rees46 просто не задает вопросов, когда сталкивается с проблемами. Тем не менее все работает удивительно нормально.

Ребята из Retail Rocket также собираются добавить в свой модуль передачу старых заказов.

Второе — передача сервису базы товаров магазина. С описаниями, ценами и наличием.

Эту функцию Rees46 реализует не так, как RR или Crossss.

Rees46 берет эту информацию прямо из инфоблоков Битрикса.

Если вы знакомы с архитектурой системы, то спросите: как это вообще возможно? Битрикс поддерживает несколько типов цен, несколько складов, конструируемые скидки.

Точная цена, картинка и наличие товара определяется в компоненте каталога, и ничто не мешает разработчику хранить в базе одну цену, а выводить другую, или, например, показывать несколько картинок из разных хранилищ.

Это выглядит волшебством, но тем не менее работает. На два непростых сайта у нас был один неприятный случай, когда Rees46 вдруг начал продавать все по оптовым ценам, чему администрация магазина не обрадовалась.

Здорово, что разработчики Rees 46 отреагировали сразу, и менее чем через сутки у меня уже был обновленный модуль, в котором ошибка была уже исправлена.

Общее время на передачу товаров и заказов 2 магазинов: 3 рабочих часа.

У Retail Rocket передача истории заказов требует создания файла особой структуры, на формирование которого я тратил минут 30, а на разбор коллизий (например, ID товаров изменились за несколько месяцев) — еще несколько дней.

Причем файл загружается не в личный кабинет, а отправляется на электронную почту сотруднику.

Неясно:

• всем ли клиентам RR дает такой сервис, как мне?
• многие ли клиенты способны передать историю заказов и вычистить в ней проблемные места?

Retail Rocket информацию о товарах получает из YML-файла, путь к которому нужно указать в настройках профиля. Это тот самый файл, который передается в Яндекс.Маркет.

Ребята из RR несколько раз отвергали передаваемую базу товаров из-за ее недостаточного качества: то нет картинок у некоторых товаров, то не все характеристики описаны, то счетчик на сайте замечает, что продается товар, которого нет в выгрузке.

Кроме того, были наши организационно-технические проблемы вроде скрипта выгрузки, которому не хватало памяти, разнобоя в номенклатуре разных городов, затруднения с обновлением выгрузки после синхронизации с 1С и так далее.

В общем, возни было очень много, и я потратил на решение всех проблем около месяца. Чистого программистского времени уходило часа 2-3 в неделю.

Передача товаров через YML представляется мне слишком сложной для рядового магазина, хотя и дает большую свободу при работе с рекомендациями.

Трекеры и обучение

Трекерами сервисы товарных рекомендаций называют коды мини-счетчиков, которые нужно поставить в несколько мест на сайте.

Через несколько часов или дней (в зависимости от посещаемости сайта) сервис сообщает, что рекомендации сформированы, и разрешает начать показы.

Внешний вид товарных рекомендаций в Rees46 и Retail Rocket

И в этом вопросе подход двух сервисов товарных рекомендаций различается.

Rees46 почти не имеет настроек. Единственное, что поддается редактированию — css-файл для настройки внешнего вида. HTML, который выводит сервис, не меняется.

Существует документация по API, которая позволяет собрать свой виджет, но мне не потребовалось ей пользоваться.

C Rees46 на обоих моих сайтах мне повезло — внешний вид рекомендаций был сразу таким, как нужно: очень похож на карточку товара в магазине.

Мне этого хватило с головой, я ничего не настраивал.

У RR тоже есть предустановленные коды виджетов рекомендаций и специальный конструктор виджетов, где можно собрать то, что тебе нужно.

Встроенные мне совсем не подошли, выглядели неэстетично и чужеродно, и мы собрали свои виджеты.

Как оказалось, даже в таком несложном деле можно сделать ошибки: не сразу заработало добавление товаров в корзину.

Поддержка

Rees46 и Retail Rocket уделяют большое внимание работе с клиентами.

Сразу после регистрации приходит автоматическое письмо. Если на него ответить, ответ регистрируется и обрабатывается. Все по-человечески.

Более того, в течение суток после регистрации на каждом сервисе мне звонил живой сотрудник и предлагал помощь. Похоже, они переживают что клиент уйдет (к конкурентам или совсем) и очень стараются помочь.

Что не понравилось в работе с Rees46: когда я поинтересовался встроенным A/B тестированием и упомянул что буду сравнивать работу сервиса с другими, мне прислали скриншот некоего эксперимента, где Rees46 обошел конкурента и показал высокую эффективность.

Выяснилось, что конкурент не в курсе. Корректно ли были установлены коды конкурентов, как «тюнили» свой алгоритм под задачу Rees46 — неизвестно.

Некрасиво.

Мне кажется, что подобные сравнения полезны, но проводить их нужно корректно.

А то получается как с тонированной 9-кой, которая всех порвала на светофоре. Правда, больше никто и не соревновался.

Поддержка Retail Rocket вела себя безупречно. Все мои бесконечные вопросы и сложности помогали решить, искали ошибки, предлагали решения. Я замучил по почте сотрудников поддержки, которые сами ко мне постучались (Дмитрия Самарцева и Степана Соколова), всего было около 50 писем.

Руководитель Retail Rocket Николай Хлебинский периодически включался через Facebook.

Сайты сервисов Rees46 и Retail Rocket

При работе с магазинами на сайте видны их ID.

Два моих магазина имели номера 246 и 261.

Третий магазин, который я добавил, получил номер 303. Итого около 40 клиентов в месяц.
Много это или мало — судите сами.

Есть ложка дегтя.

И если в заказе присутствуют обычные и рекомендованные товары, то весь заказ записывается в рекомендованные, и, что особенно неприятно, вся цена заказа попадает в столбик «рекомендованные».

Разработчик признает, что диаграмма неточная, и планирует ее переделку.

Осадочек остался.

Сайт и механика работы Retail Rocket вполне приятны. Интерактив, наглядность, функции — все хорошо.

Проблема сайта в том, что при работе в личном кабинете я периодически видел старые закешированные данные. Только настойчивое нажатие CTRL+F5 решало проблему.

Выводы по процессу

Функциональность обоих сервисов схожа и достаточна для решаемых задач.

Общий подход Rees46 — работать не задавая вопросов и не давая свободы. Направленность на скорость и автоматизацию. При этом для любителей ковырять код есть обширная документация.

Общий подход Retail Rocket — функциональность, гибкость, внимание к деталям. Направленность на тонкость настройки и качество. Представители RR задают значительно больше вопросов и придираются к каждому элементу. Это импонирует по сути, но утомляет в процессе.

Выбор между этими подходами — дело вкуса.

Сайты и сотрудники в обоих сервисах работают хорошо.

В части опыта и числа клиентов RR далеко впереди, но мантра «установка сервиса требует 15 минут младшего ИТ-специалиста» в моем случае не оправдалась. RR был намного более проблемным в установке.

Результат

Самое интересное — финансовые результаты работы.

Rees46 + Shell

На магазине масел Shell товарные рекомендации сработали значительно хуже, чем на сайте секс-шопа.

Rees46 + 18iposle

На сайте товаров для взрослых все весело и радужно :-)

Retail Rocket+Shell

Retail Rocket + 18iposle

В обоих случаях я полагался на собственную аналитику каждой системы. Данные были перепроверены, лишних заказов не было.

Интересно, что именно каждая система считает продажей по рекомендации.

Rees46 считает продажу «своей», если человек перешел по ссылке с информера хотя бы один раз. Продажи в следующей сессии — учитываются. Если человек неоднократно посещал карточку товара ранее, а потом один раз по рекомендации — товар считается проданным по рекомендации.

Retail Rocket считает продажей «по рекомендации», если произошло несколько событий:

1. Пользователь должен кликнуть на рекомендуемый товар (перейти в карточку или добавить в корзину)
2. Пользователь должен купить этот товар в рамках текущей сессии (в следующий визит уже не засчитается)
3. Пользователь НЕ должен был видеть этот товар ранее.

Как видно, RR зачтет себе в заслугу меньше покупок, чем Rees46 при тех же фактических данных.

Выводы

Факты

Вопрос выбора сервиса рекомендаций — сложный.

Подключение далеко не так беспроблемно, как об этом говорят разработчики.

Сложно сделать вывод о том, кто лучше сработал в конкретных условиях эксперимента.

Статистику системы собирают по-разному, и вывод «лучше сработал Rees46» не выглядит однозначным. Хотя проблем с Rees46 было намного меньше, чем с Retail Rocket, а результаты на диаграммах заметно лучше.

Личное мнение

Мне очень понравилась клиентоориентированность всех участников. Можно работать с удовольствием.

Я уверен, каждый эксперимент будет давать разные результаты. Будет влиять тип товаров, структура сайта, специфика продаж. На то и конкуренция.

Я пришел к выводу, что на маленьких сайтах с небольшой посещаемостью сервисы рекомендаций дают продажи не потому, что у них могучий интеллект и колоссальный набор данных о людях, а по другой и очень простой причине. Они выводят наиболее востребованные на сайте товары (автоматически подстраиваясь под изменение вкуса) на самых просматриваемых местах сайта. Получается такой навязчивый «умный баннер».

Такой баннер продает значительно лучше, чем лишенные автоматики статические блоки «акции».

Показанный рост продаж в 26% и 11% — прекрасный результат, Я бы советовал всем интернет-магазинам опробовать технологию персональных товарных рекомендаций и сделать свои выводы.

Оригинал: http://www.intervolga.ru/blog/likbez/personalization-part3-tests-retail-rocket-rees46/