Black Red White ułatwia swoim klientom zakupy, dzięki personalizowanym rekomendacjom QuarticON

…meblowej są dodatki oraz akcesoria niezbędne w łazience, kuchni, garderobie czy jadalni.

Black Red White to największa grupa meblarska w Polsce, która lokuje ponad 30% swojej sprzedaży za granicą. Asortyment polskiej marki dostępny jest, poza rynkiem polskim, w ponad 30 krajach świata, m.in.: Czechach, Rosji, Niemczech, Francji, Hiszpanii, Grecji, Wielkiej Brytanii, Irlandii oraz krajach skandynawskich.

Spółka z powodzeniem rozwija również sklep internetowy www.brw.com.pl, który notuje ponad 2 mln odsłon miesięcznie. E-sklep spełnia dwie ważne funkcje – sprzedażową i wizerunkową. Ponieważ dla współczesnych klientów niezwykle ważna jest wygoda zakupów, marka stawia na rozwiązania, które ułatwiają szybkie odnajdywanie poszukiwanych produktów i sam proces zakupowy.

Jednym z kluczowych elementów naszej strategii sprzedaży jest umożliwienie klientowi jak najszybszego znalezienia produktów, które odpowiadają jego indywidualnym potrzebom. Następnie, zainspirowanie go do dokonania dodatkowych zakupów. Chcieliśmy, aby sklep internetowy był jak dobry sprzedawca, rozumiał potrzeby naszych klientów i rekomendował personalizowaną ofertę każdemu z nich. – Magdalena Grzegorczyk, Menedżer ds. E-Commerce w Black Red White.

Dziękujemy 90 000 fanom na LinkedInie. Jesteś tam z nami?

Obserwuj

Postawione cele udało się osiągnąć dzięki wykorzystaniu profesjonalnego silnika personalizowanych rekomendacji QuarticON.

#PrzeglądTygodnia [30.03-05.04]: marki na prima aprilis, prozwierzęce kampanie, moda kolejny raz spotkała się z kinem

Silnik rekomendacji QuarticON, gromadzi i przetwarza dane o interakcjach użytkowników na stronie sklepu. Wykorzystując zaawansowane algorytmy uczenia się (machine learing), system buduje wiedzę o potrzebach i preferencjach każdego użytkownika z osobna, a następnie w czasie rzeczywistym wyświetla dopasowaną dla niego ofertę. W ten sposób, każdy klient widzi trochę inną wersję sklepu z indywidualnie wybranymi przez silnik rekomendacji produktami.

W sklepie brw.com.pl umieszczono ponad 10 widżetów z rekomendacjami, które generują blisko 18% sprzedaży całego sklepu miesięcznie. W zależności od miejsca wyświetlania widżetów ustawiono na nich dedykowane strategie rekomendacji produktów, które mają na celu wspieranie konwersji lub wielkości koszyka.

Mamy newsletter, który rozwija marketing w Polsce. A Ty czytasz?

Rozwijaj się

Na wzrost konwersji wpływają strategie, które pomagają klientowi szybciej znaleźć produkty, których potrzebuje. Natomiast na wzrost koszyka, strategie kreujące nową potrzebę i rekomendacje cross-sellingowe – czyli takie, które pomagają klientowi znaleźć i kupić dodatkowy produkt.

Klient, który wchodzi do sklepu ma określoną potrzebę i pomysł na produkt, który chciałby kupić. O swoich potrzebach informuje system rekomendacji, poprzez swoje zachowanie i przeglądanie pierwszych produktów. Silnik rekomendacji od pierwszego kliknięcia, na podstawie danych, uczy się aktualnej potrzeby klienta i odpowiada na nią poprzez personalizowane rekomendacje produktów. W ustalonych miejscach, dla każdego użytkownika wyświetlane są dedykowane produkty. Ramka z personalizowanymi rekomendacjami została umieszczona na stronie głównej, stronach kategorii, a także na stronie z brakiem wyników wyszukiwania i pustym koszyku. Dzięki temu każdy użytkownik widzi dopasowaną do siebie ofertę i szybciej znajduje potrzebny produkt. Automatycznie uzyskaliśmy dla setek tysięcy użytkowników tyle samo różnych wersji sklepu.

W porównaniu do często używanych na stronie głównej bestsellerów, personalizowane rekomendacje potrafią dać 10 razy większą konwersję z danego miejsca strony.

Strategie oparte o personalizowane rekomendacje generują średnio 8% miesięcznej sprzedaży całego sklepu.

Na skrócenie czasu poszukiwań mają też wpływ rekomendacje na karcie produktu, które wykorzystują doświadczenia innych użytkowników poszukujących konkretnego produktu. Na karcie produktu zostały umieszczone rekomendacje „Produkty jakie mogą Cię zainteresować”. Algorytm rekomendacji na bieżąco uczy się, jakie produkty są jednocześnie rozważane przez klientów przed podjęciem decyzji o kupnie z aktualnie oglądanym produktem. Rekomendowane pozycje sortowane są automatycznie wg wskaźnika określającego szansę zakupu danego produktu. Dzięki temu ułatwiony jest proces wyszukiwania podobnych produktów, który został zawężony tylko do tych, które inni klienci uznali za podobne. Taka strategia rekomendacji generuje średnio miesięcznie 5% sprzedaży.

Zaraz po tym jak klient wybierze już produkt, który chciał kupić, rozpoczyna się proces cross-sellingu, czyli wykreowania mu nowej potrzeby i jej zaspokojenie. Algorytm rekomendacji na bazie doświadczeń innych użytkowników analizuje, które dodatkowe produkty mają największą szansę zaciekawić konkretnego klienta, a wszystko to w zależności od tego, jakie aktualnie produkty wybrał lub dodał do koszyka. Na stronie produktu pokazywane są klientowi produkty komplementarne – „Inni klienci, którzy obejrzeli ten produkt kupili również”. Np. dla klienta, który chce kupić łóżko, system rekomenduje materace i szuflady pod łóżko. Rekomendacje generowane są automatyczne, w kolejności, jaką wskaże scoring określający największą szansę zakupu. Bardzo istotna jest kolejność pokazywania produktów, ponieważ statystyczny użytkownik klika w ramce rekomendacji w produkty zaczynając od lewej strony. Pokazanie tych samych produktów, ale w innej kolejności skutkowało znacznym spadkiem sprzedaży z tego miejsca rekomendacji.

Rekomendacje cross-sellingowe najbardziej zauważalne są na popupie, który pojawia się zaraz po dodaniu danego produktu do koszyka, jak i w samym koszyku. Wtedy klient jest najbardziej skupiony na dokonanym właśnie wyborze produktu i odpowiednio dobrane produkty, na podstawie analizy danych, wzmagają impuls zakupowy. Świadczy to o tym, że co 8 klient klika w takie rekomendacje (CTR na poziomie 12%), a następnie co 10 decyduje się na zakup rekomendowanego produktu (konwersja 10%).

Silnik personalizowanych rekomendacji QuarticON automatycznie analizuje interakcje każdego użytkownika ze stroną, nieustannie odnajduje nowe zależności i wzorce zachowań. W czasie rzeczywistym identyfikuje nowe potrzeby klientów i za pomocą ramek rekomendacji, stara się je zaspokoić i zainspirować do nowych zakupów. System rekomendacji nie wymaga obsługi, jest samodzielny. Posiada jednak możliwość definiowania własnych reguł biznesowych tj. filtracji kategorii produktowych, cen oraz innych atrybutów produktów.