24 февраля 2015 года в Москве в бизнес-центре Digital October прошла ConversionConf-2015, одна из немногих конференций для профессионалов, целью которой является получение и обмен практическими знаниями по повышению эффективности продаж в интернете.

Секцию «Инструментарий и аналитика» открыл доклад Серхата Соёереля (Serhat Soyuerel), сооснователя и управляющего партнера агентства рекламы и маркетинга INSIDER. Тема выступления звучала, как: «Latest Trends in Big Data Analytics, Website Personalization and Real Time Marketing with Case Studies» и раскрывала вопрос грамотного подхода к извлечению Big Data и дальнейшей их аналитике, которая бы способствовала увеличению конверсии.

Свое обращение к залу иностранный спикер начал с цитаты фразы специалиста по вопросам стратегии интернет-маркетинга и контента из Mannix Marketing, Inc. Джереми Абеля (Jeremy Abel): «Веб-сайт без оптимизации конверсии – это как машина без колес. В итоге, он приведет вас в никуда».

Однако здесь не всё просто: далее Серхат Соёерель поделился мнением о том, что оптимизация конверсии за счёт платного трафика – это игра в одни ворота. «Вы не прекращая тратите огромные деньги на покупку трафика, а выигрывают от этого только Google AdWords и Яндекс.Директ. Это как лить воду в пустое ведро – сколько вложений не делай, все они бесполезны».

В ходе опроса 86% потенциальных клиентов заявили, что персонализация напрямую влияет на их намерения совершать покупки. Однако использование персонализированного подхода при взаимодействии с пользователями таит в себе определённые трудности. Прежде всего, это: высокие маркетинговые затраты, высокая конкуренция в маркетинговой плоскости, низкая отдача от бренда, низкие прибыли.

Маркетологи сегодня сталкиваются с большим количеством вызовов и постоянно задают себе множество вопросов:

Найти ответ на данные вопросы позволит качественный Анализ Big Data. Сегодня много говорят о Больших Данных, но не все знают, как применять Big Data в бизнесе, и как использовать их с максимальной отдачей для маркетинга.

Спикер посоветовал специалистам в области маркетинга рассматривать Big Data в 6 ключевых аспектах:

На следующем этапе целесообразно анализировать параметры персонализации, включая: данные о месторасположении пользователя; применяемые браузеры; ПО используемого устройства; время дня; история пользовательской активности – как часто человек приходил на сайт, и что при этом делал; время, проведённое на сайте; давность и периодичность посещения сайта. При этом интересна как пользовательская история по отношению к сайту, так и к конкретному предложению.

Далее рассматриваются детализированные персонализированные параметры пользователей, такие как: источники трафика (то есть каналы, по которым пользователь приходил на сайт, включая анализ переходов из поисковых систем); переходы по ключевым словам. При этом персонализированную информацию по каждому пользователю необходимо изучать отдельно. Анализируя, его пол и возраст, тип аккаунта на сайте, частотность заходов на сайт, можно сделать конкретному человеку уникальное персонализированное предложение.

Следующим по значимости является вопрос применения собираемых данных:

Большинство маркетологов применяют, так называемую, наглядную аналитику: чаще всего они смотрят, что произошло на сайте, интересуются пользовательской аналитикой, но не используют предикативный анализ, позволяющий понять, что произойдет, если изменить те или иные параметры.

Метод описательной или наглядной аналитики заключается в том, что специалист по маркетингу просто фиксирует факт того, что конкретный пользователь отказался от покупки. Следующим шагом должен стать диагностический анализ, позволяющий понять истинные причины отказа от покупки. Так, если клиента не устроила цена, можно предложить ему аналогичные замещающие продукты по более привлекательной стоимости. Это позволит получить максимально возможную выгоду от контакта с пользователем.

Важно расширять сегментирование пользователей, которые приходят на сайт, и рассматривать характеристики каких-либо товаров. Так, например, удалось установить, что 20% трафика приносит 80% прибыли, однако покупка совершается всего 1 раз. Это говорит о том, что важно создавать аудиторию из таких пользователей и адресовать коммерческое предложение именно им.

Также данные статистического исследования показывают, что 5% трафика приходится на долю пользователей с максимальным средним чеком, при этом такие клиенты впоследствии возвращаются на сайт. 35% трафика приносят пользователи, перешедшие на сайт из органической выдачи или из социальных сетей, и предпочитающие совершать покупки в выходные дни. До 40% трафика приходится на долю тех, кто посетил сайт впервые. Как правило, эти люди активно используют купоны и ожидают скидок.

По замечанию Серхата Соёереля, не всегда имеет смысл делать одни и те же предложения пользователям из разных регионов. Так, у интернет-магазина M&S в Великобритании длительное время наблюдалась проблема брошенных корзин. В итоге маркетологи решили предлагать бесплатную доставку товара пользователям из Лондона и Ливерпуля, которые добавили товары в корзину, но не завершили процесс оформления заказа. При этом предложение высылалось не все подряд, а лишь тем пользователям, которые заходили на сайт более трёх раз, тем самым демонстрируя высокую заинтересованность в покупке. В результате удалось повысить конверсию на 15,68%. «Важно предлагать бесплатную доставку не всем подряд, а только тому сегменту, который не обеспечивает покупок», – подытожил кейс докладчик.

Еще один кейс связан с деятельностью интернет-аукциона eBay. В целях повышения конверсии было решено сегментировать аудиторию пользователей, которые несколько раз заходили на сайт за последние 3 недели и выбирали ноутбуки. Таким клиентам стали показывать персонализированную главную страницу: в изображениях, транслирующихся в «карусели» указанной категории пользователей стали показывать интересующие их модели ноутбуков. Это позволило повысить конверсию на 13,72%.

Компания Converse, производитель спортивной молодёжной обуви, в качестве маркетинговой стратегии использовала принцип конвертации пользователей, купивших товаров на сумму менее 75 фунтов. Именно этим людям показывались привлекательные персонализированные предложения. Таким образом, удалось стимулировать покупки на дополнительную сумму. Продажи выросли на 19,26%.

В заключении, Серхат Соёерель привел пример сегментации клиентов по погодным условиям. Владельцы крупного торгового сайта предлагали своим постоянным клиентам товары на главной странице в зависимости от дня недели и погоды в их регионе проживания. Данный подход позволил на 10,9% увеличить коэффициент конверсий.

Вопрос из зала: Есть персонализация, основанная на правилах, а есть - основанная и на алгоритмах самообучения. Что эффективнее использовать?

Серхат Соёерель: Мы используем и то, и другое. Одна концепция основывается на правилах поведенческого таргетинга, а другая - на алгоритмах машинного обучения. Хотя, больший упор сейчас делается именно на самообучающиеся алгоритмы.