Тестируем сервисы товарных рекомендаций Rees46 и RetailRocket

If you are so clever, show me your money
pers-big.png

Первая и вторая части статьи были опубликованы в блоге раньше.

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.

111.jpg

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

Персонализация сайта Shell, сервисы товарных рекомендаций для автокомпонентов и автохивии

Особенности:
  • 3 города/склада;
  • множество типов цен;
  • оптовый и розничный интерфейсы;
  • сервис подбора товаров по марке авто;
  • блок  « вы смотрели » ;
  • рекомендации, проставленные админом;
  • акции, подарки в корзине;
  • и вообще много всего.

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?

surp-(3).png

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

Именно поэтому мы сделали на сайте подбор по модели авто. Указал на чем ездишь — получил рекомендацию.

Подбор компонент по автомобилю, марке и модели

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

karmen.jpg

Вторым подопытным был магазин  « для взрослых » . Это развитая региональная компания с 5-ю торговыми точками и 10-летней историей.

С ассортиментом такого магазина все совсем иначе, чем с моторным маслом. Корреляция между полом, историей поиска, поведением и последующими покупками существует. Думаю что даже Фрейд с Юнгом вряд ли взялись бы предсказать следующую фантазию пациента без довольно серьезного погружения в его личность, чисто по  « анализу логов » .


Персонализация сайта товаров для взрослых

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

Как поставить на сайт сервис товарных рекомендаций rees46 и retail rocket

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/ .

png;base644cc23de578de80b1.png

Модуль Rees46 не только включает отслеживание действий посетителя, но и сам делает две вещи, которые в Retail Rocket решаются значительно сложнее.


hires.jpg

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.

png;base64cab19686ab00fa5f.png

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.

Здесь между RR и Rees46 различий нет, кроме интерфейсных. Проблем никаких, как только код ставится и трекер ловит событие, в системе сразу загорается лампочка  « все хорошо » .

png;base6433c30f0f40afd428.png      png;base647df33b294d0f9bdd.png

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.

png;base6486bef8bceff4190a.png

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.

png;base64609ca5117b38def2.png

Скриншот интересный, но я не знаю ни тему сайта, ни сроков, никаких вообще подробностей. Я задал всего 1 вопрос: знают ли конкуренты о проведенном сравнении и признают ли его?

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

Rees46 имеет симпатичный удобный сайт, пристойную документацию и вообще — оставляет впечатление добротного, хотя и простого инструмента.

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.

png;base645ac6b7b988bc97f7.png

Есть ложка дегтя.

Сервис выводит диаграмму доли обычных и рекомендованных заказов.

png;base646c43d014df399d5e.png

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 магазина для взрослых.

Тем не менее за период наблюдений (55 заказов, 7 из которых содержали рекомендованные товары) около 6,6% денег принес именно сервис товарных рекомендаций.

Rees46 результаты работы

Rees46 + 18iposle

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

Ровно 50% заказов содержали рекомендованные товары, 26,3% денег принес сервис рекомендаций.

Rees46 результаты работы

Retail Rocket+Shell

На магазине масел Shell товарные рекомендации Retail Rocket дали 1% денег от продаж.

Retail Rocket результаты работы

Retail Rocket + 18iposle

В магазине товаров для взрослых Retail Rocket показал, что чуть более 11% денег получено от  продажи рекомендованных товаров.

Retail Rocket результаты работы

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.

Хочу повысить продажи с помощью сервиса товарных рекомендаций