Кейс e.l.f. Cosmetics: Как сделать удобнее онлайн-шоппинг с помощью персонализации страниц продуктовых листингов?

---

Один из ведущих beauty-ритейлеров угадывает интересы своей аудитории и увеличивает выручку на пользователя (RPU) на 29,7%, меняя порядок выдачи товаров на страницах категорий в режиме реального времени.

О компании

e.l.f. Cosmetics — ведущий beauty-ритейлер, в ассортименте которого уходовая и декоративная косметика, аксессуары и другие косметические товары премиум-качества по доступным ценам. 

С самого начала в основе бизнеса компании лежало стремление предоставить своим клиентам лучший косметический продукт и создать удобные условия для онлайн-шопинга.

Поняв, что страницы продуктовых листингов (таких, как страницы категорий, подборок и поисковой выдачи) принимают на себя много трафика, но при этом перегружены элементами навигации (фильтры, меню и так далее), содержат огромное количество товаров, что влечет за собой очень сложный процесс поиска и выбора товаров для пользователя, e-Commerce команда бренда обратилась к компании Dynamic Yield для решения этой проблемы. 

Благодаря персонализации страниц продуктовых листингов стало возможным автоматически менять порядок страницы, используя алгоритм глубокого машинного обучения (Deep Learning) платформы Dynamic Yield.

В рамках пилота команда достигла роста показателя RPU (выручка на пользователя) на 29,7% и окупаемости инвестиций в 3,2 раза. В планах также расширение кампании персонализации по всем страницам категорий, благодаря которому команда ожидает 13-кратный рост показателя возврата инвестиций (ROI), основанный на прогнозируемом ежегодном приросте выручки.

Как удалось достичь таких показателей, читайте в нашем кейсе.

Гипотеза

Так как страницы продуктовых листингов — основной источник роста конверсии в покупку, команда бренда решила сфокусироваться именно на их персонализации.

Увеличатся ли показатели выручки и конверсии, если решить задачу по упрощению навигации, поиска и выбора товаров для пользователей на этих страницах? 

Чтобы проверить предположение, требовалось решение, которое: 

• будет персонализировать товарную выдачу в режиме реального времени в соответствии с поведенческими данными пользователя;
• сделает проще и понятнее текущую навигацию и поиск товаров для пользователей, при этом снизит негативное влияние на скорость загрузки страницы;
• создаст бесшовный пользовательский опыт при переключении между разными категориями.

Как проверялась гипотеза?

Для проверки гипотезы была внедрена персонализированная сортировка товаров в продуктовых листингах на основе платформы Dynamic Yield, используя данные из истории поиска и поведения пользователей.

Проанализировав поведение пользователей сайта, которые посещали страницы продуктовых листингов, ритейлер определил основную цель для себя — упростить пользователям процесс поиска нужных товаров. Осознавая мощные возможности персонализации, команда предположила, что может увеличить ключевые бизнес-показатели по всему сайту за счет создания индивидуального порядка сортировки товаров на страницах категорий для каждого пользователя.

Для теста команда выбрала девять наиболее популярных страниц категорий: тени для век, помады, блески для губ, бальзамы и уход для губ, праймеры для лица и другие, разбив при этом трафик 50/50: половина пользователей видела текущее решение по сортировке, другая половина — персонализированную выдачу, сформированную платформой Dynamic Yield.

В варианте контрольной группы (текущем решении) листинг был одинаковым для всех и содержал только стандартные инструменты сортировки по цене, популярности и т.д.

В персонализированном варианте движок Dynamic Yield угадывал (на основании прошлых действий на сайте) и даже предугадывал (на основании того, что пользователь еще не сделал, но сделает с большой вероятностью) предпочтения пользователей, и сайт перестраивался для них индивидуально в режиме реального времени. Заходя в желаемую категорию, в верхних позициях выдачи пользователи сразу же видели именно то, что хотели бы найти.

Тест персонализации страниц продуктовых листингов длился один месяц (конец октября – конец ноября 2020 года) и показал следующие результаты:

• рост показателя выручки на пользователя составил +3,3% во всех категориях;
• увеличился показатель возврата первоначальных инвестиций в используемое решение в 3,2 раза (ROI);
• благодаря движку Deep Learning, удалось собрать данные о товарах, представляющих потенциальный интерес для пользователей — основу для персонализированной поисковой выдачи при будущих взаимодействиях пользователей с сайтом.

Чтобы не упустить потенциальный доход от «Черной пятницы» и «Кибернедели», после проведения теста команда сразу расширила кампанию по персонализации страниц продуктовых листингов на бОльшую часть трафика. Это решение привело к росту выручки на пользователя на 29,7% всего за неделю активных распродаж.

Сегодня команда продолжает использовать платформу Dynamic Yield для автоматической персонализированной сортировки товаров в листинге для каждого пользователя, что приведет к 13-кратному росту показателя окупаемости инвестиций (ROI), исходя из прогнозируемого прироста годовой выручки.

Ключевой вывод

Команда e.l.f. Cosmetics не только создает качественный продукт, но и делает процесс его поиска на сайте удобнее для пользователей с помощью персонализации, предлагая товары в соответствии с их потребностями, предпочтениями и желаниями. Используя решение Dynamic Yield для персонализации страниц продуктовых листингов, команда сделала много инсайтов, во многом благодаря движку Deep Learning. С его помощью, например, каждому покупателю теперь будет показан персонализированный порядок товаров в листинге при посещении страниц различных категорий во время онлайн-шоппинга. Внедрение от этого решения увеличило выручку на пользователя на 29,7% и по прогнозу даст 13-кратную отдачу от вложений в использование передовой платформы персонализации пользовательского опыта Dynamic Yield.

Результаты