Александр Боев: Особенности интеграции и...

Особенности интеграции и использования продуктов Google в Ecommerce проектах

Боев Александр

Сегодня в программе:

1. О компании2. Задача клиента3. Поиск зоны роста4. Решаем задачу или создаем инфраструктуру5. Итоги 6. А что дальше?7. Q&A

О компании

Задача

Задача

Зарабатывать больше за счет персонализированых рекомендаций.

Предполагаемое решение:Персонализированные триггерные рассылки.

Зоны роста

Основные точки касания

Уже покрытые кейсы

● Рассылка по всей базе● Брошенная корзина● Отзыв о товаре/магазине● Аксессуары на основе последней покупки● Рекомендации акций

В итоге

Необходимо взаимодействовать с пользователями, которые зашли на сайт и начали процесс выбора товара, но по каким-либо причинам не закончили его.

Что хотим отправлять?

Рекомендации товаров на основании просмотров сайта.Данные уже есть в GA.

Рекомендации GA

Related Products:

1. Ecommerce tracking2. Related Products enabled3. 30 дней

Что нам нужно?

1. Данные о пользователях

2. Данные о товарах

3. Рекомендации

4. Возможность быстро и легко формировать сегменты для отправки

5. Инструмент для отправки

Решение задачи или создание

инфрастурктуры

Возможные варианты

1. Создание нового сценария рассылок через сайт

2. Создание инфраструктуры для гибкого управления рассылками

1. Реальные продажи1С

2. Данные о поведении пользователей на сайтеGoogle Analytics

3. Данные о товарах Сайт, внутренняя база

4. Информация о покупателях1С, Terrasoft

5. Данные о рекомендацияхGoogle Analytics

Казалось бы, у нас есть все данные

1. Данные в разных системах

2. Данные поступают с разной скоростью

3. Данные в разных форматах и не нормированы

4. Данные меняются задним числом

5. Пользователи только “мешают”:a. Используют разные устройстваb. Покупают в разных точках касания

Но по факту данных много, толку — мало

Решение

Схема обмена данными

Google BigQuery

Веб-сайт

Мобильный сайт

Мобильное приложение

Google Universal Analytics

data

Laye

rGoogle

Tag Manager

Отправка писем.Mandrill

Streaming

Колл-центрMeasurement Protocol

Premium

api

Преимущества Google BigQuery1. Не надо покупать лицензии или специализированное ПО

Никаких долгосрочных вхожений — оплата пока пользуетесь

2. Не надо покупать сервера и другое оборудованиеВсе работает в Google Cloud, всегда в наличии дополнительные

3. Не надо нанимать новых специалистовSQL-like синтаксис и большое количество готовых библиотек

4. Быстрое начало работыИспользуются данные из установленного Google Universal Analytics

5. Легкая интеграция со сторонними приложениямиБольшое количество готовых библиотек

6. Надежность и безопасность99.9% uptime, ISO 27001, SOC 2 & SOC 3 Type II

Google BigQuery UserFeed

Google BigQuery UserFeed

UserFeed&Streaming

UserFeed:

● Данные из GA● Данные агрегированны вокрук пользователя● Данные актуальны с отставанием в 1 день

Streaming:

● Данные напрямую с сайт● Данные агрегированны вокрук 1 взаимодействия(hit)● Данные доступны в realtime

Интеграция с mandrill

Интеграция с mandrill

Интеграция с mandrill

Для этого нам нужна:

1. Информация о товаре - цена, наличие, фото, описание

Источник - сайт

2. Информация о пользователе - статус подписки, email

Источник - сайт, ERP

3. Информация о рекомендациях - расчет связи товар-товар

Источник - GA

Создаем рассылку

Результаты

А что дальше?

1. Related-categoryТема:{{Название товара}} | И другие товары, которые мы

подобрали на основе ваших интересов

Оправляется всем посетителям сайта, которые ничего не

купили, и не смотрели конкретные карточки товаров в тот же

день.

Контент - related категорий товаров, просмотренным категориям

Собственные рассылки

2. Promocod-wievТема: Получите {{сумма скидки}} грн. скидки на товар {{название

товара}}

Рассылка скидок по промо-коду на просмотренные но не

купленным поваров. Отправляется, когда есть такие скидки.

Собственные рассылки

3. Брошенная корзинаТема: У вас незавершённая покупка!

Классическая "брошенная корзина" отправляется в первый

день.

Собственные рассылки

Итоги

1. Решена задача по рассылке рекомендаций2. Реализован быстрый доступ к ключевой информации в

одном источнике3. Внедрение новых кейсов не требует разработки

Q&A