Webáruházak marketing költéseinek legnagyobb része az oldalra beérkező látogatókra irányul, amihez számos hirdetési platform és szolgáltatás nyújt lehetőséget. Ugyanakkor ezekkel a látogatókkal célunk az is, hogy minél könnyebben felfedezzék az online boltunk kínálatát és abból számukra releváns termékeket, csökkentve a lemorzsolódási arányukat.Előző cikkünkben összefoglaltuk az UnasShopban elérhető külső marketing eszközöket, és felhívtuk a figyelmet arra, hogy a webáruház üzemeltetőknek manapság rengeteg bevétel sokszorozó eszközt ajánlanak, melyek nagy része csak ígéret marad. Most bemutatunk egy működő, ajánlórendszerek által biztosított technológiát, és a rá jellemző teljesítménymutatókat. Az ajánlórendszerek automatizált módon segítik az új és visszatérő látogatókat a számukra releváns termékek megtalálásában, ezáltal növelve a konverziós arányt és pozitívan hatva a felhasználó élményre. Egy, a hatékonyságát jól mutató metrika az 1.000 megjelenített ajánláson (impression) keresztül érkező bevétel összege, mely a lekattintott, majd 24 órán belül megvásárolt termékek összegének és a megjelenített 1.000 ajánlások számának a hányadosa.
Az alábbiakban három Unas webáruház példáján keresztül mutatjuk be a Yusp ajánlórendszer segítségével elérhető eredményeket.
Átkattintási arány és ajánláson keresztüli bevétel
Az intelligens ajánlórendszerek működésére jellemző, hogy az idő múlásával egyre nagyobb hatékonysággal állítják össze az algoritmusok a termékkapcsolatokat. Kezdetben a termékattribútumok hasonlóságára súlyozva (cím, kategória, ár, stb.) állnak össze az adott pillanatban legrelevánsabb ajánlatok. Több felhasználói és vásárlási adattal a rendszer azonban képes tanulni és feltérképezni az adott webáruház forgalmát és a felhasználók szokásait, ezáltal személyreszabni az ajánlásokat. Rendszerint erre a “betanulási időszakra” 14-30 napos próbaidőszakot biztosítanak a Yusp-hoz is hasonló szoftver szolgáltatások, mely idő alatt megfelelő mennyiségű oldalmegtekintés és vásárlási adat gyűlik össze, amihez előnyt jelent, ha az adott webáruháznak már stablil látogatószáma van (havi legalább 20-50.000 oldalmegtekintés).Erre a folyamatra jó példa a gyogyexpressz.com, akik februárban implementálták a megoldást oldalukon. Az első hónap alatt a termékoldali ajánlódobozra 4,63%-os átkattintási aránnyal klikkeltek a felhasználók, az innen érkezett bevétel pedig a webáruház teljes havi forgalmának a 4.15%-át adta ki. 4 hónap elteltével, havonta fokozatosan növekedett a CTR (click-through-rate), júniusra elérve a 200%-os javulást a kezdetekhez képest, így a 9.2%-os átkattintási aránnyal teljesítő termékoldali ajánlódoboz a havi összbevétel 10.45%-át termeli. Mindeközben a kosároldali (együtt vásárolt termékek) ajánlások esetén szintén több, mint 1%-kal nőtt az átkattintási arány (4%-ra), az ezen keresztül érkező bevétel pedig 72%-kal növekedett a február óta eltelt időszak alatt.
Megtérülési ráta - ROI
A websale.hu otthon, kert és szabadidős termékeket forgalmazó Unas webáruház termék és kosároldalain helyezte el az ajánlórendszert, amin keresztül a havi forgalmának a 10%-át realizálja. Az így kapott költségek és bevételek aránya a következőket eredményezte: - alapcsomagjukban 1.000 megjelenített ajánlás 270 Ft költséget jelent
- az 1.000 ajánlásból származó bevételük 66.500 Ft
- az egy eladásra jutó költséghányad tehát az eladott termék bruttó árának 0.4%-a
Felhasználói elkötelezettség növelése
A Venture Beat kutatása szerint az Y-generáció 77%-a már egyenesen elvárja, hogy személyreszabott tartalom és élmény köszöntse őket a weben. Nem lehet ez alól kivétel a vásárlási folyamat sem, ahol a perszonalizált ajánlások nagyban növelik a felhasználók elkötelezettségét. A Trendmaker.hu célja 2016-ban az ajánlórendszer bevezetésével az volt, hogy növeljék a bevételeiket és a felhasználói elkötelezettséget oldalukon releváns termékajánlásokkal. A vásárlók viselkedésére, és konvertibilitására is jótékony hatást észleltek az ajánlórendszer bevezetésével, azok a felhasználók akik ajánlásra kattintottak:- konverziós értékük 60%-kal magasabb volt azoknál a felhasználóknál, akik nem kattintottak ajánlásokra
- 113%-kal több oldalt tekintettek meg, egy látogatás során
