Покупатели — заложники своих привычек. Примерно 60% людей начинают путь к покупке в знакомых интернет-магазинах, а остальные 40% — в поисковиках. Но это, конечно, не значит, что они совершат покупку там же, где начали путь. Примерно от 22 до 43 процентов покупателей посещают в ходе поиска больше двух интернет-магазинов.
Они заходят в другие магазины за более широким ассортиментом, более подробной информацией о продукте или чтобы сравнить опции доставки. Ремаркетинг использует эти моменты, чтобы мотивировать клиентов изменить своим привычкам и рассмотреть предложения вашего магазина.
В кампаниях ремаркетинга вы показываете рекламу людям, уже заходившим к вам на сайт. Для этого нужно пометить гостей сайта файлом куки, в котором содержится информация о визите на ваш сайт и просмотренных товарах. Эти файлы станут триггером для показа вашей рекламы на других сайтах.
Содержание
Зачем предсказывать вероятность покупки?
Исследования показывают, что ремаркетинг приносит больше конверсий, чем рассылки и поисковая реклама. Но какой ценой? Не все гости, которые посмотрят вашу рекламу и кликнут на нее, действительно заинтересованы в покупке, но при ремаркетинге вам придется платить за все просмотры и клики всех гостей. Это ухудшит отношение между стоимостью привлечения клиента (CAC) и пожизненной ценностью клиента (LTV).
Но постарайтесь предсказать поведение клиента и персонализировать баннеры, и вы сможете оптимизировать ремаркетинговую кампанию — простым сегментированием поведения клиентов такого не добьешься. Exponea умеет делать такие прогнозы благодаря машинному обучению. Это разновидность искусственного интеллекта, которая сама ищет в данных статистические паттерны и не требует предварительного программирования (то есть как будто «учится» на данных). Алгоритм машинного обучения анализирует клиентов, купивших товар в течение последних 30 дней после кампании ремаркетинга, и ищет закономерности. Чтобы понять, какие паттерны найдет алгоритм, вспомним последние исследования о поведении покупателей.
Привычки потенциальных покупателей
Аналитическая маркетинговая компания Criteo опросила 2 023 взрослых жителей Великобритании о том, как они смотрят товары и совершают покупки онлайн. Вот что показал опрос:
- Две трети покупателей сказали, что знают, какой конкретно товар им нужен, и ищут именно его.
- Готовность совершать импульсивные покупки напрямую связана с субъективной ценностью категории. В категории продовольственных товаров импульсивных покупок происходит больше всего, а в категории электроники — меньше всего.
- В категории продовольственных товаров 20% покупателей добавляют вещи в корзину, а потом, раз в неделю или в две недели, совершают покупку. А в категориях с максимальной лояльностью клиентов — например, косметике или одежде и аксессуарах — клиенты обычно сохраняют верность одному сайту.
- В каждой категории люди принимают решение по-разному. Больше всего времени уходит на принятие решения при покупке электроники: люди думают по 10 дней и оценивают в среднем 19 товаров. А в категориях с высокой лояльностью и низким обдумыванием — например, в косметике — люди просматривают в среднем 8 товаров за 6,6 дней.
Категория продукта | Средняя длина цикла покупки | Количество просмотренных товаров |
Электроника | 10 дней | 19 |
Мебель | 8.6 дней | 16 |
Товары для младенцев | 7.3 дней | 10 |
Красота и здоровье | 6.6 дней | 8 |
Одежда и аксессуары | 8.4 дней | 13 |
Игры и игрушки | 7.1 дней | 13 |
Как разработать эффективную стратегию ремаркетинга для вашей категории
Это важные данные: они показывают, как и насколько покупатели открыты к стороннему влиянию. Для эффективного ремаркетинга нужно признать, что у каждой категории есть свой набор качеств — длина обдумывания, готовность к импульсивным покупкам, лояльность и субъективная ценность. Например, продукты питания — это категория с коротким обдумыванием и низкой субъективной ценностью, поэтому покупатели охотнее совершают импульсивные покупки. Для таких категорий отлично подходит ремаркетинг с напоминаниями о товарах, брошенных в корзине. Покажите клиенту несколько продуктов из его корзины и несколько рекомендаций похожих и дополнительных товаров.
А электроника — категория с долгим обдумыванием и высокой ценностью, поэтому в ней лучше использовать другую стратегию и мотивировать покупателей провести максимальную часть процесса выбора на вашем сайте. Здесь нужна реклама, которая показывает понимание намерений пользователя и предлагает рекомендации на основе его интересов.
Как определить вероятность покупки при ремаркетинге
Алгоритм машинного обучения ищет связь разных факторов с вероятностью покупки. На приведенном ниже графике показан примерный результат работы этого алгоритма. Между вероятностью покупки и активностью на сайте есть прямая корреляция. Но этот график не объясняет, как именно конкретное количество активности на сайте связано с вероятностью покупки.
Чтобы лучше это понять, нужно погрузиться глубже и подробно изучить поведенческие принципы. Эта таблица иллюстрирует поведенческое значение диапазона вероятности покупки.
0-20 | В этом сегменте представлены в основном случайные гости. Они заходят на страницу категории или товаров и сразу уходят. Иногда они добавляют что-то в корзину, чтобы проверить цену. Скорее всего, они не вернутся к вам на сайт за покупкой. |
20-60 | В этом сегменте ваш интернет-магазин активно конкурирует с другими интернет-магазинами за внимание гостей. Они возвращаются к вам в магазин по несколько раз. Если предложения конкурентов оказываются более привлекательны, частота их визитов снижается, а если человек хочет купить товар у вас, — растет. Кроме того, покупатели по несколько раз просматривают один и тот же товар. |
60-100 | Покупатели этого сегмента, скорее всего, начали свой путь в вашем магазине. Но при этом они действуют, чем в других сегментах — они открывают ваш сайт с нескольких разных устройств. Например, покупатель может начать свой путь на телефоне или планшете, а потом, когда уже собирается завершить покупку, перейти на ноутбук или компьютер. |
Внедрение и результаты
Один из наших клиентов — это среднего размера интернет-магазин fast-fashion-одежды для мужчин, женщин, подростков и детей. Он проводит свои ремаркетинговые кампании через Facebook, поэтому может персонализировать рекламу. Для этого он загружает на Facebook списки покупателей, отсортированные по тому, что показалось им интересным в процессе просмотра сайта. Эта система приносила нашему клиенту возврат рекламных трат в размере 16,15% при уровне конверсии 3,26%. Мы предположили, что эти цифры можно существенно улучшить, если не показывать рекламу гостям с низкой вероятностью покупки, и загрузили в алгоритм данные за два прошлых месяца. Обнаружив закономерности, мы применили эти паттерны к потоку новых клиентов, составили списки покупателей с вероятностью покупки более 20%, и выгрузили их на Facebook. В результате нам удалось увеличить окупаемость рекламных трат до 19,01%, а уровень конверсий — до 5,38%.
Еще несколько советов о стратегии ремаркетинга
Нам удалось увеличить прибыль на 15%, не увеличивая бюджет — а значит, предиктивный ремаркетинг улучшает эффективность рекламных расходов. А если совместить его с Facebook, то можно использовать и другие способы оптимизации рекламы и ремаркетинга. Например, Facebook предлагает функцию создать похожую аудиторию (Look-a-Like): найти пользователей, похожих на ваших клиентов по локации, возрасту, полу и интересам. Доказано, что реклама для этой аудитории — полезный способ привлекать новых потенциальных клиентов.
Клиентов с историей низкой вероятности покупок можно исключить из похожей аудитории, чтобы улучшить конверсию маркетинговых кампаний. Проогнозирование вероятности покупки — еще один способ избавиться от лишней рекламы. А клиенты с высокой вероятностью покупки уже и так оценили ваш бренд и ассортимент. Показывать им рекламу и дальше — это не просто бесполезно, а даже вредно: это может оттолкнуть их от вашего бизнеса, раздражить и насторожить их. Исключите их из кампании по ремаркетингу, чтобы еще больше снизить рекламные расходы, в то же время увеличивая прибыльность.
Ключевые выводы
Ремаркетинг может быть отличным инструментом для конкуренции с другими интернет-магазинами, если ваша стратегия учитывает намерения и процесс принятия решения ваших покупателей. В каждой категории продуктов цикл покупок и процесс принятия решения устроены по-своему. Наш единый пользовательский профиль покажет вам, какой путь совершил каждый клиент, что он хочет купить и как использует корзину. Если в вашей стратегии ремаркетинга сохранится баланс между этим процессом, готовностью к импульсивным покупкам, верностью бренду и субъективной ценностью, вы сможете показывать клиентам баннеры с нужным сочетанием товаров. А алгоритм прогнозирования поможет выбрать, кому именно их нужно показывать. Как мы уже увидели на примере нашего клиента-магазина одежды, внедрение прогнозирования может существенно улучшить отношение между стоимостью привлечения клиента (CAC) и пожизненной ценностью клиента (LTV).