En 2011, tres mayoristas holandeses de renombre se juntaron para dar vida al eCommerce THR, un comercio electrónico relacionado con productos de bricolaje y materiales de construcción profesionales. A día de hoy, cuentan con una gama de más de 80.000 productos y marcas.
Por tanto, al tener tantos productos, para lograr el equilibrio perfecto entre oferta y demanda, THR necesitaba adoptar un enfoque diferente y personalizado con sus clientes; es decir, necesitaba que la experiencia de éstos fuese totalmente única.
Con la finalidad de lograrlo y ofrecer al cliente una experiencia personalizada, THR recurrió a Retail Rocket, una herramienta que dispone de una serie de algoritmos de autoaprendizaje que permiten crear experiencias de compra personalizadas en las tiendas online. Basándose en los tests A/B con los clientes, Retail Rocket extrae conclusiones que le dan la oportunidad de ofrecer una experiencia de navegación diferente, así como convertir a los usuarios que llegan al site en clientes potenciales.
https://marketing4ecommerce.net/decathlon-nl-aumentar-ingresos-recomendaciones-personalizadas-retail-rocket/
A través de recomendaciones en tiempo real sobre las páginas de productos que estaban siendo vistas por los usuarios en ese momento, mostrando productos similares y productos relacionados a los que se estaba observando en ese mismo instante.
El equipo de Growth Hacking de Retail Rocket realizó un test A/B para averiguar, en efecto, cómo estaban influyendo las recomendaciones personalizadas en la conducta y navegación del usuario. Para ello, se dividieron aleatoriamente en cinco grupos:
Grupo 1
Al primer grupo se le mostraron en su navegación productos similares a los que estaba observando en el momento, basados en las propiedades del mismo (como precio, marca o categoría), así como en el filtrado colaborativo (lo que otros clientes, que también empezaron con ese producto, acabaron comprando)
Grupo 2
A este segundo grupo, por el contrario, se mostraron productos relacionados o complementarios a los que el usuario estaba viendo en tiempo real. Para hacer esa selección, Retail Rocket se basa en el análisis de la base de datos de productos, así como en el comportamiento de los usuarios (carritos, pedidos, etc).
Grupo 3
En relación al grupo 3, se aplicó una subdivisión en dos bloques:
Grupo 4
En el grupo 4 se aplicó la misma subdivisión que en el grupo anterior, pero con el orden inverso:
Grupo 5
El grupo 5, por último, no registró ninguna recomendación.
El test A/B aplicado a la marca THR demostró un aumento de conversión del 25,6% dentro del grupo 3 (enseñando productos similares y productos relacionados) con una significación estadística del 100%. Pero, además, Google Analytics mostró evidencias de que las recomendaciones en la página de producto generaban un mayor número de sesiones por parte del usuario, que regresaba en más ocasiones al eCommerce.
[Tweet “Con las recomendaciones personalizadas, #THR logró un aumento de inversión del 25,6%”]
Por otro lado, se añadieron recomendaciones de productos en las páginas de cada categoría, de modo que los usuarios pudiesen ver los productos más populares de cada una de ellas.
https://marketing4ecommerce.net/formularios-inteligentes-de-salida-ecommerce/
Una vez aplicada esta recomendación, se realizó un nuevo test A/B para averiguar la efectividad real de la acción así como su tasa de conversión, creando de nuevo otros 4 grupos de forma aleatoria, atendiendo a tres tipologías diferentes de recomendación:
Los grupos siguieron la siguiente clasificación:
Usuarios a los que se les mostró un bloque de recomendaciones sin una barra deslizante.
Usuarios a los que se les mostró un bloque de recomendaciones con una barra deslizante estándar.
Usuarios a los que se les mostró un bloque de recomendaciones con una barra deslizante con desplazamiento automático después de 10 segundos.
Grupo de control que no vió ninguna de las recomendaciones.
La tecnología empleada por Retail Rocket en esta ocasión -que no empleó recursos de IT ni requirió de un periodo de implementación excesivamente largo- logró aumentar la conversión en un 8,4% en las páginas de categorías.
Para Krista Gerhartl, Manager del eCommerce THR, la tecnología de Retail Rocket y su personalización directa de productos logró facilitar y acelerar el proceso de compra de sus clientes: A través del método de trabajo de Retail Rocket, todos los datos pueden interpretarse con bastante rapidez y precisión. Esto ha resultado en sugerencias que son relevantes para nuestros clientes, lo que facilitó y aceleró su proceso de compra”.
No se han encontrado artículos relacionados.
Your email address will not be published. Required fields are marked *
Δ