Embed Size (px)
Citation preview
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
