Ранжирование листингов

DATAFORCE

DATAFORCE

Использование технологий машинного обучения для улучшения метрик продаж сайтов онлайн-ритейла через оптимизацию результатов внутренней
товарной выдачи

Попробовать

Скачать презентацию

Использование технологий машинного обучения для улучшения метрик продаж сайтов онлайн-ритейла через оптимизацию результатов внутренней
товарной выдачи

Попробовать

Скачать презентацию

Типичный путь пользователя сайта онлайн-ритейла от входа на сайт до покупки

До 63%* событий добавления товаров в корзину приходится на страницы внутренней товарной выдачи (листингов). Оптимизируя процесс формирования товарной выдачи можно влиять на ключевые метрики современного ecommerce

* на основе данных анализа 7 сайтов онлайн-ритейла

Аналитика взаимодействия пользователя с карточками товаров

Формирование страниц товарной выдачи, взаимодействие пользователей с карточками товаров, такие как: показы/просмотры карточек, добавление в избранное, выбор параметров товаров, просмотр фото/видео, отзывов о товарах и т.д. - источник ценных данных при оценке эффективности процесса покупки товаров.

Повышение эффективности кроссейл/апсейл блоков на листингах

Дополнительно к “базовым” листингам (результатам товарной выдачи) стоит учитывать дополнительные кроссейл/апсейл листинги. Как правило на сайтах ecommerce используются различные комбинации вспомогательных листингов: недавно купили другие товары рекомендуем к покупке и т.д.

Оценка эффективности листингов (списков товаров)

Инсайты полученные при оценки эффективности списков товаров можно успешно обогащать данными о контенте листингов, взаимодействии с элементами листингов, карточек. Оптимизируя на основе полученных данных результаты товарной выдачи можно влиять на ключевые метрики эффективности ecommerce: %CR, количесвто транзакций, выручку.

Что можно измерять?

Количество товаров в листинге

Глубина листинга по умолчанию, без пагинации.

1

Расположение карточек в листинге

Позиции показа карточек в зависимости от цены/бренда/кол-ва отзывов/кол-ва покупок/спроса на товар и т.д.

2

Наличие сопутствующих листингов

Показ дополнительных
листингов - подборка товаров с высокой CR и/или сочетанием других параметров, влияющих на конверсионность.

3

Наличие контента карточки, показанной в листинге

Цена, цена со скидкой, оплата за баллы, рейтинг и пр.

4

Варианты взаимодействия с карточкой

- добавление в избранное
- выбор цвета/размера
- просмотр фото и видео и т.д.

5

Как можно собирать данные

Подключаем технологии машинного обучения и искусственного интеллекта AI/ML

Используя технологии машинного обучения для построения модели данных на основе полученных и предобработанных показателях метрик ранжирования товаров в листингах, взаимодействия с элементами листингов и карточек, можно:

Оценивать влияние параметров ранжирования товаров в листингах на метрику CR,
Эффективно проектировать АБ-тесты по оптимизации работы алгоритмов ранжирования листингов,
Растить метрики продаж интернет-магазинов без дополнительных вложений в привлечение трафика на сайт.

Попробовать

Скачать презентацию

С нами работают

SEOWORK

ПРОДУКТ

БАЗА ЗНАНИЙ