«Продажи, которые начинаются с поиска, могут доходить до 40%»

… а могут и не доходить
А могут доходить и до 100%

Более бесполезный анализ чем от поставщика услуги или решения, может быть только у британских ученых.

Я в свое время крепко заморачивался точной настройкой поиска на AvtoGSM.ru, потом даже подключил yandex xml, потом поставил его в АВ тест со своим поиском, яндекс показал даже падение результатов, снес его.

Мое субъективное мнение такое, когда человек собирается что то купить, то он становится аналитическим центром АНБ-ЦРУ, не меньше, по крайней мере с чеком за 3000-4000 руб.
Бывает с экономикой какой акции промахнешься, так клиенты быстро тебя в долги с ней вгонят, какое то чутье у них на что то по настоящему выгодно.

Как то читал книжку от Сэма Уолтон (Сделано в Америке. Как я создал Wal-Mart) так у него там точно такая же мысль написана.

Все эти свистелки перделки умные поиски и персонализированные рекомендации конечно нужны и полезны, как минимум все должно сносно работать, но их заслуга в продажах не более чем на 1-2%, Ютинет не даст соврать, который заморочился на поиске больше всех в свое время и прогорел, как в прочем и алиэкспресс, где поиска считай и нет толком, хотя где где, а в крупных интернет-магазинах поиск много актуальнее чем в средних и мелких, зато есть ассортимент, цена и бесплатная доставка, как итог интернет-магазин N1 в РФ.

Честно скажу что не пользовался REES46, но полгода тестировал в хвост и гриву, думаю ничем не отличающегося их конкурента RetailRocket

Абсолютно никчемная, бесполезная и более того вредная (за счет неизбежного дополнительного торможения сайта) хрень.

Весь их анализ полезности сервиса сводится к тому что те кто тыкал в их предложения лучше конвертируются в заказы и с большим чеком… Чистое притягивание удобного результата за уши к себе в заслуги.

На самом деле просто напросто чаще всего тыкают в их рекомендации люди, которые дольше всего ходят по сайту и просматривают больше всего страниц, т.е. самые заинтересованны в магазине и товаре и самые ценные покупатели, которые просто долго и досконально изучают все на сайте и среди прочего естественно кликают и показываемые чуть ли не на каждой странице рекомендации, и о какая странность — люди, которые дольше всех сидят на сайте и больше всех смотрели страниц, оказывается имеют лучшую конверсию в заказы и больший средний чек… Какая однако неожиданность, ну просто Америку открыли :)

На любые же предложения сделать обычный и банальный объективный тест с показом половине посетителей рекомендаций и непоказом второй половине за хоть сколько нибудь длительное время и потом подсчетом результатов по обоим группам — отвечают категорическим отказом и невозможностью это вот никак реализовать.

Ну что ж мы не гордые, немного поднапряглись и запилили тест сами — результат — абсолютно нулевое влияние этих самых рекомендаций на продажи.

Про анализ показов и их предугадывание чего надо показывать клиенту, вообще можно много написать… но реально это просто смех и слезы, когда хорошо знаешь товар и видишь ЧТО они показывают и как оно меняется в зависимости от того, что на сайте смотришь и делаешь — ИИ на уровне инфузории-туфельки, даже банально половая принадлежность товаров и прочие очевидные качества типа размера не учитываются…
Специально прогоняли на отдельном браузере кучу сценариев с просмотром, покупкой определенных групп товаров, возвратами на сайт, и т.п. с целью посмотреть как работает это их предсказывание, какие рассылки они будут делать, насколько подстраиваться по имеющимся данным о клиенте…
Полное и абсолютное случайное пальцем в небо, в основном сводящееся к тому что показываем то что смотрели или то что больше покупают, всем без разбора и никакой индивидуальности…

Пару лет назад встраивали https://www.findologic.com/ru/ на https://www.piluli.ru — результаты сомнительны и не стоят затраченных усилий и денег. Рост продаж в деньгах не перекрывал трат на сервисы.
Полностью подтверждаю отзывы коллег в ленте.

>думаю ничем не отличающегося их конкурента RetailRocket

Я ставил рекомендалку RetailRocket в товарные карточки, они убеждали что АВ тест ничего не сможет показать, что просто надо к ссылкам на товары в рекомендалке вешать ключи, если переход по этим ключам произошел то ставить коку и отслеживать ее в новых заказах, по такой системе анализа прирост был существенен, что то около 30%, но я не унимался, все таки поставил их на АВ тест, проводил его где то месяц чтоб избежать positive false, вышло что рекомендалка RetailRocket в товарных карточках дала прирост 5-7%, что тоже не плохо, но практически полностью съедается оплатой их системы, решил сделать свою рекомендалку, причем сразу по двум разным алгоритмам:

1. ‘С этим товаром также покупают’ смысл ее в том чтоб предложить допы на основе статистики продаж, что люди еще заказывали с этим товаром, делается просто, много вычислительных ресурсов не тратит.

2. ‘Вас могут заинтересовать’ это уже сложнее, нужно хотя бы полгода накапливать данные по просмотренным товарным карточкам, на основе этих данных вычислять товары которые также смотрели вместе с товаром которому вычисляется рекомендалка, алгоритм получился сложный, умудрялся даже вешать отдельный сервак, но после вылизывания алгоритма стал сносно тратить вычислительные ресурсы, но все равно на простом хостинге работать не будет, нужен свой сервер.

Когда я поставил на АВ тест сразу два этих рекомендательных алгоритма, то результат получился даже лучше чем у RetailRocket, видимо сказалась подкрутка под особенности ассортимента, привязку к категориям и т.д.

На тест ставил несколько раз, снимал вовсе чтоб выровнялись АВ группы, результат всегда был положительный у своей рекомендалки, но конечно не такие цифры как заявляют компании типа RetailRocket.

Рекомендалки эти и до сих пор успешно работают
https://avtogsm.ru/avtogsm-energy-d09-p11646.html
В самом низу карточки две крутилки.

Так что если 5% прироста для вас это уже хорошо то можно заморочиться, мелочь а приятно, но ставиться сторонние системы имхо не окупится.

>проводил его где то месяц чтоб избежать positive false, вышло что >рекомендалка RetailRocket в товарных карточках дала прирост 5−7%

смотря конечно сколько заказов, но на своем примере месяца мало… когда поставили то результаты A/B теста скакал в +/- месяца 3-4, только потом более менее стабилизировался на нуле

1. Чтобы нормально рассчитать net lift у вас должен быть не только достаточный объем трафика, но и такое количество более-менее одновременных покупательских действий «в запасе», которые соответствовали бы разнообразию поведений Вашей аудитории. Причем однородность поведения аудитории играет даже большую роль, чем просто трафик «в лоб» с миру по нитке. В российском eCom’е конечного ритейла физических товаров (не агрегаторы и не однородные услуги типа Варгейминга) таких компаний в общем-то нет. В Вашем «А/В тестировании» никакого результата, кроме как постоянных плясок из плюса в минус и назад Вы в принципе не могли получить.
2. Не ждите чудес, при корректном расчете net lift’а в процентном отношении результат будет небольшой. Вы должны понимать, что вне зависимости от того, какой движок Вы используете, он воздействует ограниченным образом только на относительно небольшую «пограничную» часть покупателей.

PS Забавно, что для рекламы REES выбрал детство — «и вновь продолжается бой…» :)))

>>нужно хотя бы полгода накапливать данные по просмотренным товарным карточкам, на основе этих данных вычислять товары которые также смотрели вместе с товаром которому вычисляется рекомендалка, алгоритм получился сложный, умудрялся даже вешать отдельный сервак…

Денис, зачем Вы вообще этим занимались, если отдельный сервак и полгода данных — это проблема? Посмотрите за з/пшки дата сайентистов, отдельный сервак — это вообще не проблема…

>Причем однородность поведения аудитории играет даже большую роль, чем просто трафик «в лоб» с миру по нитке.

100%, потому и нужно много трафика, чем больше тем лучше, с миру по нитке не сработает, у меня раньше было трафика столько что можно было нормальные данные АВ теста уже через пару недель получиться, но тестировал по месяцу, сейчас конечно забил на АВ тесты, нет уже трафика, все будет positive false или наоборот.

>Денис, зачем Вы вообще этим занимались, если отдельный сервак и полгода данных — это проблема?

Для меня не проблема, это я написал как предупреждение, но получилось оптимизировать алгоритм так что спокойно на основном сервере обсчет работает, благо сервер у меня с 10 кратным запасом минимум.

>>у меня раньше было трафика столько что можно было нормальные данные АВ теста уже через пару недель получиться
На рекомендациях… Завидую…

>>Забавно, что для рекламы REES выбрал детство — «и вновь продолжается бой…» :)))

А что с детством не так ? Как раз та самая категория где рекомендации должны были бы работать на ура если бы вообще работали.
Ибо часто уже после первой же покупки (или даже до нее) мы по сути знаем пол и возраст ребенка, а значит примерно представляем его потребности в еде, одежде, игрушках на ближайшие N лет — этих данных для рекомендалки уже просто выше крыши — хоть обпродавайся, но только ни хрена они не работают… ну не может система понять автоматом, что к марке одежды такой то лучше предложить обувь вот такую то, а игрушки такие то… не понимают все эти роботы и ИИ ни хрена в товаре. А тупо посмотрим что смотрели и покупали все в среднем — не работает от слова совсем. Я смотреть могу на витрине что угодно, вон в Wildberries зайдешь, так понатыкаешь от футболочек за штуку грина, до эротического белья — ну потому что телки красивые лезут на баннерах, но это же не значит, что я это покупать собираюсь :))) Плюс состав реально выкупленного заказа от того что накидали в корзину отличается в пределах от 50 до 100% по примерно 8 из 10 заказов. Так что вся эта искусственная аналитика общей температуры по больнице — бесполезно выкинутые деньги .

у вас какая категория?

да она самая и есть — детство

>>рекомендации должны были бы работать на ура если бы вообще работали.

Они и работают. Просто то, что возможно работает в книжках, — Retail Rocket — не работает в других категориях. Поведение потребителей и сам принятия решения и покупки сильно отличается от категории к категории. Вам нужно давить на другие «кнопочки», по другому и в другие моменты. И эта категорийная специфика, ее влияние на конечный результат несравнимо выше, чем выкапывание одной сотой процента за счет подкрутки моделей.

>>не понимают все эти роботы и ИИ ни хрена в товаре. А тупо посмотрим что смотрели и покупали все в среднем — не работает от слова совсем.

«Среднее по больнице» — это представление о математике рекомендаций по состоянию лет эдак на десять, а может и на пятнадцать назад.

Понимаете, проблема не в том, что рекомендации не работают в той или иной категории. Проблема в том, что хороший «мультикатегорийный» рекомендательный движок — это очень очень дорого. А конечный эффект — честно посчитанный нет-аплифт — единицы процентов. Теперь наложите эти единицы процентов на, в лучшем случае, низкомаржинальный бизнес еКома в России (а обычно и на их минусовую маржу) и Вы поймете реальную проблему. Это не отрицание разработчиками наличия специфики категорий, а в том, что разработку движка под российский еКом невозможно отбить. Слишком маленький рынок.