quartic - p. wyborski - ehandel 2011
DESCRIPTION
TRANSCRIPT
Quartic. Inteligentny System Personalizowanych Rekomendacji
Czy Twoi klienci są jednakowi?
Personalizacja rekomendacji jako przewaga konkurencyjna
Paweł Wyborski, CEO
Quartic
2
Poznajmy się
Czym są Rekomendacje
System rekomendacji
Case study
Agenda
Firma – Quartic sp. z o.o. - Udziałowcy
3
+
Firma doradcza, specjalizująca się w Customer Intelligence.
Jesteśmy ekspertami w dziedzinie data mining i sztucznej inteligencji.
Umożliwiamy wykorzystanie potencjału gromadzonych danych o zachowaniach klientów do działań biznesowych.
Nasz Know-How powstał w oparciu o doświadczenia w zarządzaniu wielomilonowymi bazami klientów.
Customer Intelligence
Kompleksowe wdrożenia e-commerce
Wieloletnie doświadczeniem w projektowaniu, badaniu i ulepszaniu serwisów internetowych i oprogramowania.
Strategia, marketing, optymalizacja i projektowanie.
Wdrożenia, integracje i hosting.
E-commerce
4
Nasi Klienci
5
Poznajmy się
Czym są Rekomendacje
System rekomendacji
Case study
Agenda
Problem właściciela e-commerce
???
Rozwiązanie - Personalizowane Rekomendacje
Rekomendacje
pomagają
ODKRYWAĆ
klientowi jaki
produkt może
jeszcze kupić
ONLINE
Rekomendacje - przykłady
8
Personalizowane rekomendacje dla każdego użytkownika
Inne produkty, które są powiązane z przeglądanym produktem
Dopasowanie treści do preferencji oglądającego
9
Poznajmy się
Czym są Rekomendacje
System rekomendacji
Case study
Agenda
Jak zwiększyć lojalność i satysfakcję klienta e-commerce?
Jak automatycznie identyfikować potrzeby użytkownika i dopasować ofertę do jego potrzeb ?
Jak zrobić to szybko, tanio i przy zachowaniu wysokiej jakości?
Jak zwiększyć wartość sprzedaży, koszyka w e-commerce?
Adresowane problemy
Sesja użytkownika
• Odwiedzane strony
• Wyszukiwania
• Czas
• Kolejność kliknięć
Profil Klienta
• Preferencje
• Socjo/Demo
• Geografia
• Wielkość portfela
• RecencyFrequencyMonetary
Katalog produktów
• Kategorie
• Cechy
• Tagi
• Cena, Marża
• Dostępność
• Oceny
Transakcje i Akcje
• Zakup produktu
• Dodanie do koszyka
• Wishlist
• FB – Like
• Rekomendowanie
• Ocenianie, Recenzowanie
Potencjał w danych dla rekomendacji
Produkty powiązane, upsell
TreśćOpisy produktu,
Promocje
Przyciski akcji
Filtrowanie:Kategoria, Cena,
atrybuty produktu,
wykluczanie , etc
Sortowanie:Cenie, Marży
Promocji,
podobieństwie
Personalizacja: Wykluczenia produktów,
które użytkownik już
kupił, widział itp..
Produkty podobne –
odpowiadające danej potrzebie
użytkownika
Produkty komplementarne –
produkty uzupełniające,
inspirujące
Promocje – Produkty
ustawione ręcznie
MIX
Personalizacja dla użytkownika
Jeżeli masz 1000 klientów masz mieć 1000 różnych, dopasowanych
wersji sklepu
Produkty dopasowane do
historii zakupów
Promocje z nowych kategorii,
z których użytkownik jeszcze
nie kupił
Produkty dopasowane do
historii aktualnej/ostatniej
sesji
Sortowanie :Cenie, Marży
Promocji,
podobieństwie
Filtrowanie Po kategorii, cenie,
marży innych
atrybutach produktu
Retargetowanie inside/outside
1. Użytkownik ogląda produkt 2. Wychodzi 3. Wraca
ponownie na stronę 4. Serfuje po sieci
Znamy
użytkownikaPrzypominamy co
ostatnio oglądał
Dopasowanie do potrzebDajemy inne propozycje, które
mogą zainteresować
użytkownika
Ramka może być umieszczona w dowolnym miejscu na
stronie www lub poza nią – sieć afiliacyjna !!!
Cross-Sell w koszyku
W zależności od zawartości
koszyka
Produkty komplementarne
Filtrowanie kategorii, cenie, marży
innych atrybutach
produktu AkcjaDodaj do koszyka i
pozostanie nadal w
koszykuSortowanie :
Cenie, Marży
Promocji,
podobieństwie
E-mail, sms, mms, call center
Każdy klient może otrzymać za
pośrednictwem kampanii
marketingowej, indywidualną
propozycję zakupu produktów,
które bazują na historii zachowań
danego klienta na stronie
Warianty technologiczne
17
Ręczne generowanie i sterowanie rekomendacjami1
2
3
4
Budowa własnego rozwiązania od podstaw
Wdrożenie komercyjnego silnika rekomendacji
AdSerwer rekomendacji – model SaaS
Rekomendacje w Modelu SaaS
18
ADSERWER
SILNIK
REKOMENDACJI
Sztuczna
Inteligencja
WEB MART+ +
MODEL SaaS
integracja Plug & Play – Wklejenie skryptów w kod HTML strony
Rekomendacje generowane są przez system zewnętrzny w czasie
rzeczywistym
Technologia SaaS
adSerwer +
Silnik rekomendacji Zachowanie użytkownika
Rekomendacje online
Serwis WWWKatalog produktów
20
Poznajmy się
Czym są Rekomendacje
System rekomendacji
Case study
Agenda
Case Study Empik.com – Rynek B2C
Empik jest liderem na polskim rynku dystrybucji dóbr kultury
oraz dynamicznie rozwijającą się marką na rynku ukraińskim.
Katalog produktów empik.com: 2 miliony
Liczba UU miesięcznie: 1 000 000
Udział sprzedaży z rekomendacji: 10%
CTR ramki z rekomendacjami: 16%
Konwersja z rekomendacji: 5 %
Test A/B: 30% większa konwersja niż silnik empik.com
(oparty o ATG)
Case Study Pasart.pl – Rynek B2B
Pasaż artystyczny - Pasart.pl jeden z największych
sklepów internetowych w Polsce oferujących
półfabrykaty do wyrobu biżuterii.
CTR ramki z rekomendacjami: 19%
Wynik testu A/B
Wzrost wartości koszyka: 12%
Wzrost sprzedaży w całym sklepie: 6%
Wzrost wielkości koszyka: 8%
Katalog produktów: 7 000
23
Dziękuję za uwagę !
www.quartic.plPaweł Wyborski, CEO
m. +48 501 00 14 13
Beata Gubiec, Dyrektor Marketingu i Sprzedaży
m. +48 608 419 887