[Кейс] Онлайн мерчандайзинг на основе Enhanced Ecommerce и анализа цен конкурентов позволил Юлмарту эффективно управлять товарными блоками, баннерами и рекламными акциями
2015-12-24
Затратив значительные ресурсы на онлайн-продвижение – внешние коммуникации, рекламу и другие средства охвата аудитории, в Юлмарт решили повысить доходность с клиента. Настало время внедрить полноценный онлайн мерчандайзинг, учитывающий цены конкурентов и их влияние на конверсию.
Разрабатывая собственную систему онлайнового мерчандайзинга, Юлмарт начал с вопроса: какой продукт показать первым, чтобы увеличить вероятность покупки? Оценка этой вероятности была получена для каждой категории, сегменту, географическому положению клиента и т.д. Далее, был произведен расчет «места на полке» и получен анализ, откуда приходят покупки: с главной страницы, через поиск, с категории, в качестве альтернативы, как сопутствующий товар? Но самый трудоемкий анализ был связан с предложениями конкурентов в онлайне и офлайне и эластичностью спроса. Здесь потребовались высокотехнологичные инструменты сбора и анализа больших массивов данных.
- Увеличилась средняя доходность с клиента
- Повысилась маржинальность некоторых продуктовых позиций без потери конверсии
- Было проанализировано влияние цен конкурентов на конверсию по регионам, категориям товаров, вендорам, а также по типам и источникам трафика
- Созданы условия для автоматизации управления рекламой с учетом конверсии по товарным позициям и цены на текущий момент.
- Сбор данных: Google Analytics Enhanced Ecommerce + OWOX BI Streaming
- Обработка данных: Google BigQuery
- Источник цен конкурентов: Competera
- Визуализация: Google Sheets
Главный вопрос, на который хотел ответить Юлмарт – как цены влияют на конверсию, особенно, если говорить о ценах конкурентов? Следующий вопрос – как это влияние проявляется по категориям, брендам, регионам, каналам привлечения трафика и т.п. Из технических аспектов, интересовали цены конкурентов в момент посещения сайта Юлмарт, а также информация о посетителе – по какому объявлению пришел, какие товары смотрел, сделал ли заказ?
Для решения подобных задач прежде всего необходимы оперативные и качественные данные, сбор и анализ которых осуществляется средствами Competera Price Intelligence и OWOX BI. Сбор данных происходит в формате Google Analytics Enhanced Ecommerce и затем они отправляются в Google BigQuery в режиме реального времени. Более 90 миллионов показов товаров на сайте Юлмарт – это гигантский объем, и Google BigQuery позволяет обрабатывать такие массивы данных на лету с любой детализацией без семплирования.
Вот как выглядят сводные данные, которые выдает BigQuery:
Задачи, которые были поставлены перед Competera Price Intelligence – прежде всего быстрое сопоставление товарных позиций и постоянное обновление информации о предложениях конкурентов. Кроме того, требовалась гибкая настройка мониторинга в разрезе регионов и категорий товаров, а также учет наличия, истории цен, акций и специальных предложений. Отправка данных в Google BigQuery выполнялась в режиме реального времени.
В результате была получена четкая картина, как цены конкурентов влияют на конверсию. Например, по категориям – компьютерная техника сильно зависит от цен конкурентов, чего не скажешь о мелкой бытовой технике. Конечно, чувствительность покупателей к отклонениям цен не столь низкая, как в офлайновых супермаркетах бытовой техники, но все же они не столь придирчивы к ценам, как в других категориях. Зависимость от цены конкурентов вполне очевидна у планшетов и гораздо сильнее проявляется у смартфонов. А для телевизоров оптимальное отклонение и вовсе -10.
Другой пример, если анализировать источники трафика. Выяснилось, что даже в случае с Яндекс.Маркет, где посетители очень чувствительны к цене, можно продавать чуть дороже. То есть нет необходимости уходить в минус и «убивать» рынок, чтобы привлечь покупателей. В то же время torg.mail.ru зависит только от цены, что не так ярко проявляется у segmento.ru. Для трафика Google Юлмарт может себе позволить уровень +3.
Получив информацию по ценам конкурентов и аналитику об их влиянии на конверсию, Юлмарт смог существенно повысить эффективность онлайновых продаж. Причем эта информация теперь доступна в различных разрезах: можно видеть, как отличается эластичность спроса по регионам, товарным категориям и каналам трафика, чтобы сделать выводы, на каких товарах и категориях стоит сделать акцент в продвижении по разным каналам.
Решения Competera и OWOX заложили технологический фундамент для дальнейшей модернизации системы электронной коммерции Юлмарт:
- Автоматизация управления рекламой с учетом конверсии по товарным позициям и цены на текущий момент.
- Создание уникальных стратегий продвижения по регионам, категориям, вендорам в различных источниках трафика и рекламы.
- Детальный расчет модели ценообразования по категориям.
Скачайте этот материал в пдф, чтобы отправить другу или коллеге
