Американский бренд нижнего белья усиливает e-mail рассылки персонализированными товарными рекомендациями

---

Популярный нью-йоркский бренд нижнего белья создает персонализированный омниканальный пользовательский опыт и пересматривает маркетинговые e-mail кампании.

О компании

Более 10 лет назад основатели ведущего американского ритейлера поставили перед собой цель разрешить типичные проблемы, с которыми сталкиваются рядовые потребители при выборе мужского и женского нижнего белья. Сегодня коллекция нижнего белья, нижних рубашек, одежды для отдыха и т.д. представлена в более чем 1 000 розничных магазинах, а также в интернет-магазине. По мере развития компании, базирующейся в Нью-Йорке, она сместила акцент на решение одной из ключевых проблем: устранение разрозненности данных для обеспечения более запоминающегося опыта и лучшего взаимодействия с клиентами. В попытке предоставить высоко персонализированные рекомендации в своих e-mail рассылках, а также на сайте, команда начала поиск решения для персонализации, которое автоматизирует и предоставляет целостный, персонализированный опыт по всем каналам, и в итоге выбрала решение Experience Email от Dynamic Yield для повышения эффективности своих e-mail кампаний.

Проблема

Email-маркетинг стал важным каналом для ритейлера, но маркетинговой команде не хватало возможности создавать действительно персонализированные e-mail кампании. Как и многие другие компании eCommerce, команда вручную подбирала товары для отображения в виджетах рекомендаций для каждой e-mail кампании, что было невероятно утомительно и основывалось на минимальной сегментации. В результате они не могли обеспечить богатый и увлекательный опыт для пользователей с учетом их интересов и поведения на сайте, который они стремились предоставить и который современные потребители ожидают получить в своих электронных почтах после проявления интереса к товарам на сайте. Команда стремилась увеличить отдачу от своих кампаний, особенно в рамках e-mail, и нуждалась в решении, которое могло бы:

• предоставлять персонализированные рекомендации всем пользователям, основываясь на их уникальных предпочтениях;
• создавать целостный опыт для пользователей по всем каналам, от веб-сайта до email;
• автоматизировать процесс выдачи персонализированных товарных рекомендаций на основе поведенческих данных в режиме реального времени.

Именно тогда команда решила заменить существующего поставщика решений для персонализации на Dynamic Yield. Команда быстро приступила к работе, используя платформу для предоставления индивидуальных рекомендаций на сайте, а также решение Experience Email на базе искусственного интеллекта для переноса персонализированных товарных рекомендаций в e-mail и прогнозирования того, какими товарами с наибольшей вероятностью заинтересуется каждый пользователь.

Решение

Обеспечили пользователей персонализированными рекомендациями, основанными на профилях персональных предпочтений на сайте и в E-mail.

Стремясь создать бесшовный опыт для пользователей, взаимодействующих как с интернет-магазином, так и с e-mail-рассылками, команда маркетинга знала, что начинать нужно с определения и отслеживания поведения пользователей на сайте. Используя омниканальные события для регистрации активности новых и возвращающихся пользователей, команда смогла начать создание единого образа клиента, связывая поведение между устройствами и браузерами, чтобы создать портрет индивидуальных предпочтений каждого пользователя.

Затем команда начала тестировать ряд алгоритмов для предоставления персонализированных товарных рекомендаций на основе прошлых взаимодействий пользователей как на сайте, так и в e-mail рассылках. Со временем наибольшего успеха добился алгоритм User Affinity, который давал более релевантные, персонализированные и подходящие рекомендации каждому пользователю, особенно по мере того, как со временем рос профиль персональных предпочтений каждого пользователя. А поскольку команда отслеживала поведение по всем каналам, она смогла обеспечить персонализацию рекомендаций в e-mail рассылках в соответствии с пользовательскими особенностями в поведении при просмотре сайтов.

Использовали рекомендательный движок на базе Deep learning для предоставления персонализированных рекомендаций непосредственно в электронных письмах.

До сотрудничества с Dynamic Yield маркетинговая команда не имела доступа к таргетингу на основе искусственного интеллекта и вручную выбирала товары, отображаемые в рекомендательных виджетах для e-mail рассылок. Стремясь разработать более клиентоориентированные e-mail кампании, учитывающие интересы пользователей, они начали использовать решение Experience Email для создания более целостного пользовательского опыта на основе взаимодействия с клиентами на сайте.

Используя алгоритмы рекомендаций, основанные на машинном обучении, они повторно направляли пользователям виджеты товарных рекомендаций в e-mail рассылках, используя всю историю заказов и онлайн-активность клиента для прогнозирования и отображения наиболее релевантных товаров. Это не только позволило команде предоставлять более актуальные рекомендации, но и автоматизировать процесс создания персонализированного опыта, избавив команду мерчандайзинга от многочасовой ручной работы, что привело к увеличению выручки на тысячу показов (RPM) от кампаний по e-mail на 40%.

Ключевые выводы

Понимая важность создания действительно индивидуального опыта для своих клиентов, маркетинговая команда ритейлера знала, что ей нужна возможность не только учитывать поведение пользователей по всем каналам, но и создавать динамические электронные рассылки, персонализированные для каждого пользователя.

Используя решение Experience Email от Dynamic Yield, команда смогла обеспечить предоставление пользователям персонализированных товарных рекомендаций в электронных письмах в соответствии с прошлым поведением и данными об интересах пользователей. Учет предпочтений каждого пользователя и создание целостного, кросс-канального опыта принесли свои плоды: повысился CTR в e-mail рассылках и увеличилась выручка, кроме того, команда сэкономила часы ручной работы, которые ранее были потрачены на подбор товарных рекомендаций для базовых и статичных e-mail рассылок.

Результаты