Így Növeld Webáruházad Bevételét Automatizált Ajánlórendszerrel - 3 Unas Esettanulmány

Webáruházak marketing költéseinek legnagyobb része az oldalra beérkező látogatókra irányul, amihez számos hirdetési platform és szolgáltatás nyújt lehetőséget, legyen szó keresőből, közösségi oldalról, emailből, árösszehasonlító oldalról érkező forgalomról. Ahogy a Webshop Experts 2017-es Webáruház felméréséből kiderül, a magyar online kereskedők 70+%-a él is ezekkel az eszközökkel.

Ugyanakkor az oldalra organikusan SEO-val, valamint fizetett módokon behozott felhasználókkal célunk az is, hogy minél könnyebben felfedezzék az online boltunk kínálatát és abból számukra releváns termékeket, csökkentve a lemorzsolódási arányukat. Ebben az ajánlórendszerek által biztosított technológia mára már rengeteg webáruháznak nyújt segítséget, automatizáltan növelve a konverziós számot és pozitívan hatva a felhasználói élményre.

Milyen teljesítménymutatók jellemzik az ezeket a rendszereket, és hogyan növelhetik egy webáruház bevételeit?

Egy, az ajánlórendszer 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 alábiakban három, Unast használó bolt 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.

gyogyexpressz.com kosároldali ajánlódoboz

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 (lásd: lenti ábra), 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.

Ajánlórendszer CTR növekedése a gyogyexpressz.com webáruház oldalán

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
websale.hu termékoldai ajánlódoboz

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.

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

Kezdeti lépések

A perszonalizáció és a felhasználói élmény javításának konkrét, anyagi hozzáadott értéke egy ilyen megoldás finomhangolt működéséhez szükséges próbaidőszak teljesítménye alapján ítélhető meg. Ez alapján tisztán látszik, hogy az adott bolt számára pontosan mekkora extra értéket teremt egy ajánlórendszer.

A fenti példákban emíltett Unas motor esetén rendkívül könnyedén, az admin felületről pár kattintással engedélyezhető a Yusp. Más platformok esetében rendszerint e-kereskedelmi modulok segítségével, vagy egyszerű javascript követőkódon keresztül integrálhatóak az ajánlórendszerek.

A 30 napos Yusp próbaidőszak indításáért kattints ide.

One clap, two clap, three clap, forty?

By clapping more or less, you can signal to us which stories really stand out.