КАК ПОДНЯТЬ ПРОДАЖИ ИНТЕРНЕТ МАГАЗИНА ЗА...

КАК ПОДНЯТЬ ПРОДАЖИ ИНТЕРНЕТ-МАГАЗИНА

ЗА СЧЕТ ТЕХНОЛОГИЙ ПЕРСОНАЛИЗАЦИИ

НА ОСНОВЕ BIG DATA

Николай Хлебинский, Retail Rocket

Система real-time персональных товарных рекомендаций для Ecommerce

Платформа для data-driven email-маркетинга

Платформа для мультиканальной персонализации интернет-магазина на основе Big Data

120+ миллионов уникальных пользователей в месяц

Аналитический кластер из 100+ серверов

450+ тысяч внешних запросов в секунду

9GB сырых данных для анализа… В час!

В цифрах:

ЧТО ТАКОЕ RETAIL ROCKET?

RETAIL ROCKET AT A GLANCE

1000+ клиентов и 100+ сотрудников в России, Англии, Нидерландах, Испании, Германии и Чили

ПЕРСОНАЛИЗАЦИЯ – NEXT BIG THING

Персонализация – это ключ к повышению продаж

и улучшению customer experience.

– Любая digital конференция

ПЕРСОНАЛИЗАЦИЯ: ИСТОЧНИКИ ДАННЫХ

Браузинг

Поисковые запросы

Транзакции в рознице и ИМ

Взаимодействие с рассылками

Предпочтения по цене и бренду

Implicit

Опросы

Call to action

Лайки, отзывы, рейтинги, избранное, Wishlist

Explicit

ПЕРСОНАЛИЗАЦИЯ: ИНСТРУМЕНТЫ

Пользователи делятся на сегменты с помощью правил, создаваемых вручную

Правила могут строиться как на базе сырых входных данных, так и на основе сложных алгоритмов, обрабатывающих большие данные

Проактивные

Автоматизированное непрерывное применение самообучающихся правил

Адаптивные

ПЕРСОНАЛИЗАЦИЯ: ИНСТРУМЕНТЫ

ПЕРСОНАЛИЗАЦИЯСАЙТА

КАК УСТРОЕНЫ ПЕРСОНАЛЬНЫЕ ТОВАРНЫЕ РЕКОМЕНДАЦИИ

История браузинга

Поисковые запросы

Транзакции интернет-магазина

Взаимодействие с рассылками

Предпочтения по цене и бренду

Scala, python, HTML/JavaScript, SQL

Глубокие знания в математике

Несколько десятков подсистем (проксирование, БД, настройки параметров,

мониторинг, бекапы, сборка, деплой, аналитический кластер, CDN и т.д.)

КАК УСТРОЕНЫ ПЕРСОНАЛЬНЫЕ ТОВАРНЫЕ РЕКОМЕНДАЦИИ

Scala, python, HTML/JavaScript, SQL

Глубокие знания в математике

Несколько десятков подсистем (проксирование, БД, настройки параметров,

мониторинг, бекапы, сборка, деплой, аналитический кластер, CDN и т.д.)

История браузинга

Поисковые запросы

Транзакции интернет-магазина

Взаимодействие с рассылками

Предпочтения по цене и бренду

DATA SCIENCE

Гипотеза: если диверсифицировать категории товаров в выдаче, то продажи магазина увеличатся

КАК УСТРОЕНЫ ПЕРСОНАЛЬНЫЕ ТОВАРНЫЕ РЕКОМЕНДАЦИИ

Scala, python, HTML/JavaScript, SQL

Глубокие знания в математике

Несколько десятков подсистем (проксирование, БД, настройки параметров,

мониторинг, бекапы, сборка, деплой, аналитический кластер, CDN и т.д.)

История браузинга

Поисковые запросы

Транзакции интернет-магазина

Взаимодействие с рассылками

Предпочтения по цене и бренду

GROWTH HACKING

+5,8%

GROWTH HACKING

+7,6%

GROWTH HACKING

+4,6%

ПЕРСОНАЛИЗАЦИЯ: ИНСТРУМЕНТЫ

ПЕРСОНАЛИЗАЦИЯСАЙТА

CALL-ЦЕНТР

ПЕРСОНАЛИЗАЦИЯ: ИНСТРУМЕНТЫ

1. Клиент ходит по сайту и своими действиями показывает, что ему очень интересен какой-то

товар (например, добавляет его в корзину), но уходит с сайта

2. Retail Rocket отправляет информацию об этом в колл-центр магазина

3. Операторы КЦ «дожимают» продажу

Конверсия из звонков в продажи

+3,7% +5% +6,2% +29%(предлагалась скидка)

ПЕРСОНАЛИЗАЦИЯ: ИНСТРУМЕНТЫ

ПЕРСОНАЛИЗАЦИЯСАЙТА

CALL-ЦЕНТР

ПОДСТРОЙКА ОБРАЗОВНА ОСНОВЕЛАЙКОВ В EMAIL

ПЕРСОНАЛИЗАЦИЯ: ИНСТРУМЕНТЫ

ПЕРСОНАЛИЗАЦИЯ: ИНСТРУМЕНТЫ

ПЕРСОНАЛИЗАЦИЯСАЙТА

CALL-ЦЕНТР

ПОДСТРОЙКА ОБРАЗОВНА ОСНОВЕЛАЙКОВ В EMAIL

SMSМЕССЕНДЖЕРЫ

ПЕРСОНАЛИЗАЦИЯ: ИНСТРУМЕНТЫ

Здравствуйте. Пришло время

перевернуть матрас,

Так он прослужит больше.

Ваша Askona

MULTICHANNEL

GROWTHHACKING CYCLE

ПЕРСОНАЛИЗАЦИЯКОНТЕНТА (АЛГОРИТМЫ)

ПЕРСОНАЛИЗАЦИЯ(ВРЕМЯ, ИНТЕРЕСЫ)

DATA SCIENCE CYCLE

MULTICHANNEL

БУДУЩЕЕ УЖЕ ЗДЕСЬ: ALEXA В ХОЛОДИЛЬНИКАХ

Николай Хлебинскийnh@retailrocket.io

СПАСИБО ЗА ВНИМАНИЕ!