И пусть вас не смущает незнакомый дизайн. Дело в том, что в 2020 году проект закрылся по независящим от него причинам. Нам искренне жаль. Судя по количеству поисковых запросов, вы любили его. А мы гордились своей работой. Именно поэтому мы решили реинкарнировать его в виде нового кейса у себя на сайте и рассказать, каким он был крутым с точки зрения разработки.
В проекте была настроена очень глубокая аналитика. На протяжении всего времени сотрудничества мы делали АВ-тестирование, строили воронки как для заказов через сайт, так и для заказов по телефону. Постоянно совершенствовали и дорабатывали какие-то детали, чтобы повышать конверсию. Уделяли очень большое внимание SEO.
Надо отобрать поставщиков. Этот поставщик должен точно знать, есть ли у него такой товар (а не хер пойми, где он на складе пылится в мятой коробке). Он должен иметь ответственное лицо – того, кто будет отвечать перед рассрочкой за сроки доставки и тп. (если мы добавляем на сайт товар батут, то в случае его покупки, точно знаем, с кем связаться, кто поднимет трубку, отправит счет, сам батут и прочее).
Поставщиков надо агрегировать в один прайс-лист (один и тот же телевизор может быть у разных людей). С помощью специального парсера, собрать воедино артикулы всех позиций и стоимости у разных поставщиков, сравнить их со среднерыночной ценой, произвести расчеты и сделать наиболее выгодное для обеих сторон предложение. После чего “обогатить” характеристиками и картинками каждую позицию в каталоге.
После того, как вы выбрали себе желанный телевизор и нажали на кнопочку купить за 1000 денег, лизинговая компания (которая придумала весь это проект) шла к поставщику и покупала у него этот телевизор за свои кровные 900 денег, а потом обязалась взыскать с вас оговоренные 1000 денег и, соответственно, заработать себе 100 денег.
Проводили скоринг. После заполнения анкеты с вами связывались из колл-центра, получали дополнительную информацию, проверяли в базе, в которой агрегировалась вся информация из налоговой, банков и т.п. Высчитывали вашу кредитную историю и принимали решение: разрешить покупку или отказать. После этого все дальнейшие покупки в рассрочку проходили по упрощенной системе.
В личном кабинете можно было видеть всю необходимую информацию по покупкам и остаткам оплаты.
Какие были сделаны интеграции? Во-первых, со скорингом по принципу, описанному выше. Во-вторых, с парсером цен и характеристик товаров у поставщиков. В-третьих, минимально с сервисом по рекомендациям и с сервисом для обмена отзывами о товарах.
Всё происходило постепенно. Только в тех случаях, когда понимали, какой процесс “болит”. Например, сначала статусы клиентов привели в порядок, чтобы никакие заказы не терялись. Потом наладили интеграцию с поставщиками, чтобы не получать всю информацию от них “вручную”.
В истории с тем же телевизором, пока вы оформляете с оператором колл центра рассрочку, эта единица должна быть зарезервирована у поставщика, чтобы он никому ее не отдал.
Мы ежедневно запрашивали у поставщиков счет на купленный пользователями в течение дня товар (а таких позиций было по 300 шт в день). С теми, у кого была интеграция на сайте, все было просто – им приходило уведомление и они автоматически могли нам отправить необходимые документы. А для тех, у кого интеграции не было, мы генерировали сообщение для мессенджера, где также указывали все артикулы и количество.
Телевизор стоит 1000 денег. Как его можно купить в рассрочку:
Он отслеживал в каком случае, какой тип рассрочки предлагать. Например, если наценка 20%, то это 15 платежей. Поставщик, бренд, маржа – также могли влиять на тип рассрочки.
Товары, чуть лучше по характеристикам, но дороже. Эта идея не наша, она взята у Amazon. Но конверсию она делала нереальную. Минимум 10% пользователей переходили и покупали из этого блока.
Товары, которые покупают вместе с этим. Не стали интегрироваться ни с каким сервисом. Придумали свой конструктор, который позволял рекомендовать товары, необходимые потребителю, таким образом, чтобы снизить нагрузку на логистику. То есть, если вы ищете телевизор и кронштейн, и уже выбрали первый товар, второй будут подбирать для вас либо от того же поставщика, либо у от другого, со схожими условиями доставки. Чтобы вы не ждали свои покупки в разные дни.
Поиск на сайте умел как банальные штуки, типа распознавать непереключенную раскладку на клавиатуре или однокоренные слова. Но помимо этого он мог распознавать не только по наименованию категории, но и по бренду, а в дальнейшем – и по характеристикам. То есть вы могли просто вводить «Телевизор самсунг с вайфаем» и получать все актуальные модели.
Сразу оговоримся, что пункт меню – это не категория. Благодаря конструктору могли добавлять в меню, например, пункт «Товары для ванной». И сюда попадали стиральные машины, сушилки и тп. А могли создать «Телевизоры Самсунг». Все это очень помогало с точки зрения SEO. Были автоматически генерируемые заголовки и шаблонизатор, который писал meta- для товаров.
На этапе покупки свели количество заполняемых полей к минимуму: номер телефона для авторизации, адрес доставки и промокод. Но после авторизации через sms показывали форму, которую покупателю предстоит заполнить с оператором кол-центра, и предлагали внести данные онлайн, чтобы меньше тратить на это времени по телефону.
Заморозка цены в течение дня на товар добавленный в корзину.
Благодаря глубокой аналитике увидели, что для авторизации многие вводили городской номер телефона, sms не приходило, они отваливались. С помощью подсказок объяснили, что нужен именно мобильный, и конверсия увеличилась.
Логистика. Разбили всю страну по зонам, чтобы когда человек указывал населенный пункт и адрес, мы могли показать ему сразу свободные слоты по времени, потому что знали, что именно в этот промежуток в этой зоне будет машина.
У нас была формула, по которой мы каждый вечер пересчитывали все товары, чтобы на следующий день человек мог посмотреть товары с фильтром «по-популярности».
Для каждой категории можно было выбрать и настроить свои фильтры. Ведь для ноутбуков это, например, диагональ, вес, тип процессора. А для стиральных машин: загрузка, максимальное кол-во оборотов и т.п. И, кстати, мы предусмотрели, что какие-то фильтры — это булевое значение, другие — диапазон, а третьи — списком.
Отдельно можно было в конструкторе фильтров управлять их сортировкой. Например, бренды по количеству товаров, а процессоры — по алфавиту.
Подборки товаров для праздников. «Идеи товаров на Новый год». Его выводили на главную и оформляли, чтобы выделить среди других.
После оформления покупки предлагали позиции гораздо более дешевые, но по различным параметрам подходящие к заказу.
Персональные рекомендации работают где-то на основе сервиса RetailRocket, где-то на основе правил и сложнейших конструкторов, а где-то на основе автоматических собственных алгоритмов.
