Platnosci online - Andrzej Chechlinski mBank - eHandel 2011
Quartic - P. Wyborski - eHandel 2011
1. Czy Twoi klienci są jednakowi?
Personalizacja rekomendacji jako
przewaga konkurencyjna
Paweł Wyborski, CEO
Quartic
Quartic. Inteligentny System Personalizowanych Rekomendacji
2. Agenda
Poznajmy się
Czym są Rekomendacje
System rekomendacji
Case study
2
3. Firma – Quartic sp. z o.o. - Udziałowcy
+
Customer Intelligence E-commerce
Firma doradcza, specjalizująca się w Kompleksowe wdrożenia e-commerce
Customer Intelligence.
Wieloletnie doświadczeniem w
Jesteśmy ekspertami w dziedzinie projektowaniu, badaniu i ulepszaniu
data mining i sztucznej inteligencji. serwisów internetowych i
oprogramowania.
Umożliwiamy wykorzystanie
potencjału gromadzonych danych o Strategia, marketing, optymalizacja i
zachowaniach klientów do działań projektowanie.
biznesowych.
Wdrożenia, integracje i hosting.
Nasz Know-How powstał w oparciu o
doświadczenia w zarządzaniu
wielomilonowymi bazami klientów.
3
7. Rozwiązanie - Personalizowane Rekomendacje
Rekomendacje
pomagają
ODKRYWAĆ
klientowi jaki
produkt może
jeszcze kupić
ONLINE
8. Rekomendacje - przykłady
Personalizowane rekomendacje dla każdego
użytkownika
Inne produkty, które są powiązane z
przeglądanym produktem
Dopasowanie treści do preferencji
oglądającego
8
9. Agenda
Poznajmy się
Czym są Rekomendacje
System rekomendacji
Case study
9
10. Adresowane problemy
Jak zwiększyć wartość sprzedaży, koszyka w e-commerce?
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?
11. Potencjał w danych dla rekomendacji
Sesja Katalog Transakcje i
Profil Klienta
użytkownika produktów Akcje
• Odwiedzane strony • Preferencje • Kategorie • Zakup produktu
• Wyszukiwania • Socjo/Demo • Cechy • Dodanie do
• Czas • Geografia • Tagi koszyka
• Kolejność kliknięć • Wielkość portfela • Cena, Marża • Wishlist
• Recency • Dostępność • FB – Like
Frequency • Oceny • Rekomendowanie
Monetary • Ocenianie,
Recenzowanie
13. Personalizacja dla użytkownika
Jeżeli masz 1000 klientów masz mieć 1000 różnych, dopasowanych
wersji sklepu
Sortowanie :
Cenie, Marży
Promocji,
Produkty dopasowane do podobieństwie
historii zakupów
Promocje z nowych kategorii,
z których użytkownik jeszcze
Filtrowanie nie kupił
Po kategorii, cenie,
marży innych Produkty dopasowane do
atrybutach produktu
historii aktualnej/ostatniej
sesji
14. Retargetowanie inside/outside
1. Użytkownik ogląda produkt 2. Wychodzi 3. Wraca
ponownie na stronę 4. Serfuje po sieci
Znamy Dopasowanie do potrzeb
użytkownika Dajemy inne propozycje, które
Przypominamy co mogą zainteresować
ostatnio oglądał użytkownika
Ramka może być umieszczona w dowolnym miejscu na
stronie www lub poza nią – sieć afiliacyjna !!!
15. Cross-Sell w koszyku
W zależności od zawartości
koszyka
Filtrowanie
kategorii, cenie, marży Produkty komplementarne
innych atrybutach
produktu
Akcja
Dodaj do koszyka i
pozostanie nadal w
Sortowanie : koszyku
Cenie, Marży
Promocji,
podobieństwie
16. 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
17. Warianty technologiczne
1 Ręczne generowanie i sterowanie rekomendacjami
Budowa własnego rozwiązania od podstaw
2
3 Wdrożenie komercyjnego silnika rekomendacji
4 AdSerwer rekomendacji – model SaaS
17
18. Rekomendacje w Modelu SaaS
Rekomendacje generowane są przez system zewnętrzny w czasie
rzeczywistym
SILNIK
REKOMENDACJI
ADSERWER
+ Sztuczna + WEB MART
Inteligencja
MODEL SaaS
integracja Plug & Play – Wklejenie skryptów w kod HTML strony
18
19. Technologia SaaS
Serwis WWW
Katalog produktów
adSerwer +
Zachowanie użytkownika Silnik rekomendacji
Rekomendacje online
21. 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)
22. Case Study Pasart.pl – Rynek B2B
Pasaż artystyczny - Pasart.pl jeden z największych
sklepów internetowych w Polsce oferujących
półfabrykaty do wyrobu biżuterii.
Katalog produktów: 7 000
CTR ramki z rekomendacjami: 19%
Wynik testu A/B
Wzrost wartości koszyka: 12%
Wzrost sprzedaży w całym sklepie: 6%
Wzrost wielkości koszyka: 8%
23. Dziękuję za uwagę !
www.quartic.pl
Paweł Wyborski, CEO
e. pawel.wyborski@quartic.pl
m. +48 501 00 14 13
Beata Gubiec, Dyrektor Marketingu i Sprzedaży
e. beata.gubiec@quartic.pl
m. +48 608 419 887
23