Россия
Choose a region

Desert.ru – товарные рекомендации с оплатой по CPA схеме

Desert.ru – товарные рекомендации с оплатой по CPA схеме

desert_680x300

Рекомендательный сервис Desert.ru, построенный на технологиях Big Data, Data Mining, Semantic Analysis, интеграция которого на сайт интернет магазина занимает меньше 30 минут, для оплаты используется схема CPA, детальная аналитика для каждого рекомендательного блока.

Виктор Мангазеев, основатель сервиса Desert.ru рассказывает о том, как работает сервис товарных рекомендаций и почему это выгодно интернет-магазинам.

Расскажите о своем сервисе, что он делает в данный момент и как все начиналось?

Сервис формирует релевантные рекомендации в сегменте e-commerce: аналоги, аксессуары, комплектующие, популярные товары и т.д. тем самым повышая кол-во продаж, товаров в чеке и сам средний чек.

Разработку рекомендательной системы мы начали в конце 2012 года, в публичную бету вышли в феврале 2014, подключили первых клиентов. Как же мы обрадовались, когда теория заработала. Сервис стал приносить десятки миллионов рублей продаж нашим клиентам. И это продажи высокомаржинального товара.

Изначально делали только рекомендации аксессуаров, позже уже добавили такие механики как: “Похожие товары”, “Так же смотрят”, “Популярные товары” и тп.

Кто ваша целевая аудитория?

Целевая аудитория e-commerce с посещаемостью от 3000 уников в день. Среди клиентов есть и магазины из топ15. Всего сейчас уже более 140 клиентов. Если e-commerce хочет больше зарабатывать – это наш клиент.

Чем вы лучше ваших конкурентов или аналогов?

Название говорит о том, что у нас все самое вкусное ) Топовый стэк технологий в этой области (Java, Hadoop). Команду разработчиков, которую мы собрали, каждую неделю приходят хантить из топовых банков, операторов связи. Мы смеемся и работаем дальше, нам очень нравится то что мы делаем, это сильно мотивирует. Наша цель построить не только технологичную компанию, но и клиенториентированную. Все наши менеджеры готовы отвечать почти в круглосуточном режиме, потому что нам нравится наш продукт.

Интеграция нашего сервиса с ИТ проходит просто и существенно быстрее чем у остальных. Это очень важно для клиентов. Сервис у нас самообучаемый. Это значит, что при формировании рекомендаций мы учитываем не только характеристики товаров, поведение пользователей на сайте и историю продаж, но и результаты взаимодействия пользователей с рекомендательными блоками.

У нас удобный личный кабинет где видно в режиме онлайн как пользователи взаимодействуют с каждым виджетом и сколько каждый из них приносит денег. Прозрачная система оплаты за результат по CPA модели.

Сколько лет вашему проекту и какие планы на конец 2014 года?

На рынке мы меньше года, сейчас активно расширяем базу клиентов, партнерство с admitad дает отличные результаты. Сейчас ведем работу над расширением набора рекомендательных сценариев. Открыли представительство в США, подключаем зарубежных клиентов.

 Каким образом происходит монетизация сервиса?

Монетизация – это оплата за действие, мы получаем процент с проданного по рекомендации товара. Если на товар кликнули с рекомендательного виджета и купили, то мы берем процент. Он варьируется в зависимости от категории. Для крупных клиентов есть фиксированные тарифы.

Какие данные вы используете на входе, то есть какие данные вы забираете из интернет-магазина для обучения?

Мы устанавливаем на сайт клиента трекинг код, как у Google Analytics который позволяет собирать данные о посетителях магазина и их поведении на сайте, мы знаем с какого браузера, из какого региона и какого источника трафика пришел посетитель, первый ли раз он на сайте, какие страницы он посетил и сколько времени на них провел, ну и конечно что в итоге купил.

Чем отличается алгоритм рекомендации в сегментах одежда и электроника, к примеру?

Алгоритм у нас изначально разрабатывался универсальный, которых хорошо работает как с электроникой, так и с одеждой или, к примеру, косметикой. Конечно вносим дополнительные коррективы в зависимости от специфики магазина и разнообразия товарной матрицы, но алгоритм остается неизменным, показывать контент который основан на поведении посетителей и их предпочтении.

Из примеров таких корректировок в одежде разделение по полу (мужчина/ женщина), размер, цвет. В электронике это технические характеристики типа размера матрицы, веса телевизора с одинаковыми характеристиками у кронштейна и тп.

Вы выводите рекомендации для товаров только внутри магазина или есть возможность предлагать товары из других магазинах при условии, что есть такие договоренности?

Сервис работает только в рамках подключенного магазина и только на базе его товаров и статистики.

Используете ли вы данные о покупках конкретного пользователя в одном магазине, чтобы в другом магазине на основе покупок в первом магазине предлагать более релевантные рекомендации?

Нет, для каждого магазина у нас формируются свои персональные рекомендации, данные других клиентов мы не используем.

То есть подключение у вас бесплатное, а интернет-магазины платят вам только за продажи товаров из ваших рекомендаций?

Все верно, подключение у нас абсолютно бесплатное и не требует особых усилий.

В двух словах, объясните алгоритм работы вашего сервиса, то есть то, что вы обычно рассказываете интернет-магазинам.

Алгоритм простой, как и любая статистика или мат. анализ ) Сервис собирает данные по поведению пользователей и информацию  о товаре. Дальше выявляем закономерности, что с чем смотрит и покупает наибольшее кол-во людей, формируем и показываем рекомендации. По каждому рекомендации считается CTR, CR, ECPC и так далее. Меряя эффективность и качество рекомендаций онлайн – меняем выдачу товаров в виджете.

Есть ли какая-то статистика: средний чек до внедрения, средний чек после внедрения, средний чек через 3 месяца после внедрения?

Да, конечно, хотя показатели и сильно разнятся в зависимости от тематики магазина, ассортимента и трафика, судя по нашему опыту средний чек с помощью рекомендательной системы реально поднять на 10-15% , а кол-во товаров в чеке на 15-20%, результат виден уже сразу после подключения.

Насколько сложно интернет-магазины самостоятельно реализовать у себя подобный функционал?

Реализовать очень просто. Мы даже на конференция рассказываем как построить подобный сервис, из чего он состоит и какие сложности могут возникнуть. Но что бы это работало и приносило хорошие деньги, построение такого сервиса должно стать бизнесом. С четкими метриками, дедлайнами, затратами и графиком работ. Чаще всего у магазинов нет необходимых ресурсов для построения такого сервиса. Как в человеческом ресурсе, так и в опыте построения таких систем.

Как говорится дьявол в деталях. Казалось бы интернет магазин тоже открыть легко, купил товары, поставил популярную CMS, подключил логистику, включил рекламу. Однако успешных магазинов не так много. E-commerce – это сложный бизнес. Как и рекомендательные системы. Магазины должны концентрировать свои усилия на продажах, а работу с данными предоставьте нам =).

Хотите продвигать свой бренд?

Email не валидный

Поле не может быть пустым

Поле не может быть пустым

Поле не может быть пустым

Поле не может быть пустым

Поле не может быть пустым

Поле не может быть пустым

Поле не может быть пустым

Поле не может быть пустым

Спасибо!

Мы скоро с вами свяжемся

Закрыть

Admitad
Admitad
Admitad is a German IT company headquartered in Heilbronn that develops and invests in services for media buying, increasing sales and attracting customers through online advertising, traffic and content monetization and earnings using a single platform.
Founded 2009-09-01, Lise-Meitner-Str, Heilbronn
Founder Alexander Bachmann
Website