Рекомендательная система для интернет-магазина: похожие товары и персональные подборки

Покупатель открыл карточку товара, посмотрел и ушёл. В офлайн-магазине продавец предложил бы похожее подешевле или аксессуар в довесок. В интернет-магазине эту работу делают блоки рекомендаций. Либо не делает никто.

«Похожие товары», «с этим покупают», персональные подборки на главной: это цифровой продавец-консультант, который говорит с каждым посетителем одновременно. Он закрывает допродажи и кросс-продажи, на которые у живых менеджеров не хватает рук. По нашему опыту в магазине со здоровым каталогом через такие блоки проходит заметная доля заказов. Планка у конкурентов при этом низкая: подборки «вам может понравиться» на большинстве сайтов до сих пор собраны кое-как и мимо.

Почему мы не пишем систему с нуля

Своя рекомендательная система означает ML-инженеров, инфраструктуру и большие объёмы данных для обучения. Малому и среднему магазину такая разработка не окупается, и убеждать вас в обратном мы не станем.

Мы работаем проводниками. На рынке есть зрелые платформы, где алгоритмы уже обучены на миллионах сессий. Помогаем выбрать платформу под ваш каталог и трафик, аккуратно её подключить и убедиться, что она приносит деньги, а не занимает место на странице.

Из чего выбираем

Сервисов на российском рынке несколько, и они разные. Вот те, с которыми мы работаем чаще всего.

• Retail Rocket. Самый известный. Сильные поведенческие алгоритмы, рекомендации в письмах и на сайте из одного окна. Чаще подходит магазинам с приличным трафиком: ценник соответствует.
• REES46. Похожий набор, тарифы мягче на старте. Хороший вариант для магазина, который только пробует рекомендации и не хочет сразу подписываться на год.
• Mindbox. Тяжёлая платформа: рекомендации тут часть большой системы маркетинга с рассылками, сегментами и программой лояльности. Имеет смысл, если вы и так собирались наводить порядок во всей коммуникации.
• Готовые модули CMS. Простые правила по каталогу: похожие по категории и атрибутам, сопутствующие товары, «с этим покупают» по истории заказов. Поведенческой магии нет, зато платить помесячно не нужно. Для маленького магазина это честная первая ступень.

Выбор упирается в трафик, каталог и деньги, а не в красоту сайта сервиса. Сравнение под ваш профиль мы делаем на аудите.

С какими движками работаем

Чаще всего это 1С-Битрикс: под него у платформ есть готовые модули, и подключение идёт быстро. Дальше по частоте WooCommerce, OpenCart, InSales и Drupal Commerce. С самописным движком тоже работаем: там рекомендации ставятся через API и товарный фид, просто уходит на неделю больше.

Отдельный вопрос, откуда берутся данные о товарах. Если каталог живёт в 1С, фид собираем из неё: так цены и остатки в подборках не расходятся с реальностью.

Как мы работаем

• Аудит. Смотрим каталог, трафик и качество товарных данных. Потом честно говорим, готов ли магазин к рекомендациям и какой формат сработает.
• Подбор платформы. Сравниваем условия, алгоритмы и цены под ваш профиль, а не продаём «единственно правильный» сервис.
• Данные. Собираем товарный фид, чиним категории и атрибуты: рекомендации не бывают лучше каталога, на котором стоят.
• Интеграция. Размечаем события (просмотры, корзины, покупки) и ставим блоки в карточку товара, в корзину, на главную и в письма.
• Проверка эффекта. A/B-сравнение и отчёт: какая доля выручки реально прошла через блоки рекомендаций.

С какого магазина это работает

Порог входа лучше знать заранее, чтобы не платить за подписку впустую.

• Меньше 3000 посетителей в месяц. Поведенческие алгоритмы учиться не на чем. Ставим простые правила по каталогу средствами CMS и растим трафик.
• От 3000 до 10 000 посетителей. Пробовать можно, но на щадящем тарифе и с обязательным A/B-сравнением. Иногда подписка съедает прирост, и это выясняется за месяц.
• Больше 10 000 посетителей и от 300 товаров в каталоге. Рабочая зона. Тут персонализация обычно окупается, и разговор идёт уже про выбор платформы.

Каталог важен не меньше трафика. Тридцать товаров человек пролистает сам, рекомендовать ему нечего.

Сколько это стоит и сколько занимает

Платить придётся дважды: нам за работу и платформе за подписку. Считаем обе части сразу, чтобы не было сюрприза на второй месяц.

• Аудит и подбор платформы. От 40 тысяч рублей, неделя. На выходе понятно, стоит ли вообще начинать.
• Подключение и интеграция. От 90 тысяч рублей, три-четыре недели. Фид, разметка событий, блоки на сайте и в письмах, настройка алгоритмов.
• Чистка каталога, если она нужна. От 60 тысяч рублей. Категории, атрибуты, дубли, описания.
• Подписка на платформу. От 15 тысяч рублей в месяц на малом трафике. Дальше тариф растёт вместе с посещаемостью, а часть сервисов берёт процент с выручки, прошедшей через рекомендации.

Когда подписка съедает прирост

Этот расчёт мы делаем до подключения, на ваших числах. Выглядит он так.

Магазин с оборотом 5 миллионов рублей в месяц. Через блоки рекомендаций проходит 5% заказов, это 250 тысяч рублей. Маржа 30%, то есть 75 тысяч валовой прибыли. Подписка стоит 35 тысяч. Проект живёт и приносит деньги.

Теперь магазин поменьше: оборот 800 тысяч в месяц. Те же 5% дают 40 тысяч выручки, маржа 30% превращает их в 12 тысяч. Подписка те же 35 тысяч. Минус, причём ежемесячный.

Поэтому в маленьком магазине мы начинаем с правил по каталогу средствами CMS: разово заплатили, дальше бесплатно. К платформе возвращаемся, когда обороты дорастут.

Что получите

Блоки встают там, где они решают. В карточке товара это похожие и сопутствующие позиции. В корзине предложение докупить к заказу. На главной и в категориях персональные подборки для вернувшихся. В триггерных письмах брошенная корзина с подходящими альтернативами.

И цифры. Вы видите в отчётах, сколько заказов и выручки прошло через рекомендации. Продлевать подписку на платформу или нет, решаете по этим цифрам.

Где это буксует

Холодный старт и малый трафик. Алгоритмы учатся на поведении: «купившие это берут и то». Им нужна статистика. Если в магазин заходят сотни человек в месяц, персонализация сработает слабо. Начинаем с простых правил по каталогу: похожие по атрибутам, сопутствующие по категориям. Поведенческие алгоритмы включаем по мере роста.

Мусор в каталоге. Нет нормальных категорий, атрибутов и фотографий, и рекомендации предложат зимние шины к летнему платью. Фид готовим всерьёз: это половина результата.

Подписка против эффекта. Платформы тарифицируются от трафика или выручки. У небольшого магазина подписка способна съесть весь прирост. Поэтому экономику считаем до подключения и иногда советуем отложить проект, пока обороты не дорастут.

Рекомендации не чинят магазин. Медленный сайт, неудобное оформление заказа, неконкурентные цены: блок «похожие товары» это не лечит. Иногда аудит заканчивается советом сначала привести в порядок базу. Это тоже полезный результат.

Что происходит после запуска

Рекомендации стареют быстрее, чем кажется. Пришла зима, а в подборках висят вентиляторы. Завели новую категорию, а алгоритм про неё не знает: статистики по ней нет. Вымылся ходовой размер, и блок настойчиво тянет покупателя к тому, чего нет на складе.

Поэтому за подборками кто-то должен следить. Раз в месяц: смотреть отчёт, поднимать новинки, гасить товары без остатков, менять правила под сезон. Час-полтора работы, но без них эффект тихо сползает.

Если в команде есть маркетолог, мы учим его и отдаём настройки: дальше он справляется сам. Если такого человека нет, берём эту работу на себя, от 12 тысяч рублей в месяц. Через полгода без присмотра блоки обычно превращаются в украшение страницы.

Опишите задачу в форме ниже. Укажите адрес магазина, примерный трафик и число товаров. Оценим, какой формат рекомендаций даст эффект именно у вас, и предложим платформу с прозрачной экономикой: сколько стоит и когда окупится.