Николай Хлебинский: «Retail Rocket умеет превращать статистику в деньги»

Облачный сервис товарных рекомендаций Retail Rocket создан разработчиками рекомендательных систем Ozon.ru и Wikimart.ru и предназначен для увеличения доходов интернет-магазина за счет увеличения суммы среднего чека, конверсии и трафика. Сервис формирует товарные рекомендации на основе поведения пользователей на сайте интернет-магазина с помощью сложных математических алгоритмов. Подключение рекомендаций к магазину бесплатно и занимает совсем немного времени.

Сегодня у нас в гостях руководитель сервиса Николай Хлебинский, который любезно согласился ответить на ряд вопросов, касательно своего проекта и той пользы, которую он может принести интернет-магазинам.

— Вы предлагаете уникальный коробочный продукт – сервис товарных рекомендаций для интернет-магазинов, позволяющий без труда и предварительных финансовых затрат, практически гарантированно повысить конверсию и другие бизнес-показатели сайта клиента. Естественно, возникает вопрос: существуют ли у вас конкуренты в этой нише? И если да – каковы ваши конкурентные преимущества?

Наш основной конкурент – это бесплатные модули для популярных CMS, обеспечивающие похожую функциональность. Но доминирование над ними лишь вопрос времени, ведь на деле – функциональность похожа только номинально, а по факту – в 99% случаев они используют два механизма.

Первый – рекомендации на основе совместных продаж товаров. Выглядит это следующим образом: так называемая «активная товарная матрица» (товары, которые продавались за несколько последних недель) составляет примерно 20%-30% ассортимента магазина (принцип Парето тут работает очень хорошо). Из этих товаров совместно продается в лучшем случае половина. Таким образом, актуальные рекомендации, основанные на совместных продажах, имеет около 10%-15% ассортимента. Все остальные товары просто не имеют рекомендаций.

Второй механизм еще хуже. Охарактеризовать результат его работы проще всего термином «случайные рекомендации». При изучении мы часто встречали рекомендации, например, полотенец за 1000 рублей для шкафов ручной работы за 200 000 рублей (это пример из жизни).

— Расскажите подробнее о самих алгоритмах. Должна ли эффективность алгоритмов играть решающую роль при выборе сервисов, подобных вашему, или существуют более значимые нюансы успешности систем рекомендаций?

Алгоритмы, безусловно, важны. За анализ данных в Retail Rocket отвечает Роман Зыков, который руководил отделом аналитики в Ozon.ru с 2004 по 2009 год, а после этого, до марта 2013 года руководил аналитикой в компании Wikimart, — человек, построивший рекомендательные системы для этих и других крупнейших ритейлеров Рунета.

Однако, они составляют лишь часть успеха. В знаменитом конкурсе рекомендательных систем, который проводила компания Netflix, борьба шла за десятитысячные доли процентов эффективности. При этом выигравший в конкурсе алгоритм внедрить не удалось – он требовал слишком много вычислительных мощностей. Простой пример: для среднего магазина с товарной базой в 15000 наименований наш сервис строит матрицу размерностью 15000*15000 – это более двухсот миллионов ячеек. Для расчета каждой используются данные о поведении пользователей, и проводится анализ товарной матрицы магазина. В результате – триллионы итераций, которые физически недоступны для виртуальных хостингов или VPS/VDS. Вывод: помимо технологической составляющей (алгоритма), нужна очень серьезная инфраструктура, позволяющая собирать, хранить и обрабатывать гигантские объемы данных.

— Доступна ли вашим клиентам статистика эффективности Retail Rocket? Или каким-то иным образом они смогут отслеживать действенность системы на своих площадках?

— Конечно же доступна. После настройки системы в личном кабинете появляется набор метрик, показывающих, как рекомендации влияют на продажи. Для нас это ключевой момент, ведь мы собираемся брать комиссию только от дохода, который приносим интернет-магазинам.

Кроме того, в нашей системе есть встроенный инструмент для А/Б-тестирования, позволяющий абсолютно точно измерить влияние рекомендаций на все KPI магазина.

— Вы могли бы озвучить какие-то конкретные показатели эффективности, исходя из уже имеющегося опыта?

В зависимости от тематики, внедрение наших рекомендаций приносит от 10% до 150% роста дохода магазина.

— Можно ли говорить, что ваша система эффективнее для сайтов определенной тематики или качественного уровня?

Максимальный эффект наблюдается для товаров с коротким циклом потребления и небольшой стоимостью (игры, фильмы, книги и т.п.), а также в сегментах товаров так называемого эмоционального спроса (одежда, подарки). А как таковых, ограничений нет – система отлично отработает везде. Есть некий условный порог в 300 товаров – меньшее количество удобнее пересечь вручную, однако это потребует неких усилий по программированию, и здесь мы тоже сэкономим время.

— Как часто вам приходится иметь дело с некачественными сайтами, например, когда навигация не удобна, юзабилити не продумано, а интерфейс отталкивает? Пытаетесь ли помочь таким ресурсам? И вообще: собираетесь ли расширяться в сторону ритейл-дизайна и юзабилити – основ высокой конверсии?

Наши интересы лежат в сфере товарных рекомендаций. Безусловно, мы помогаем подключающимся к нам магазинам. Это и настройка внешних систем аналитики, и советы по устранению программных ошибок на сайте, и даже мок-апы страниц.

— Как опытный коммерсант в этой сфере, какой совет вы бы хотели дать владельцам интернет-магазинов?

Не бойтесь внедрять новые технологии. Мы живем в уникальное время. Фактически, будущее уже здесь. Мы в Retail Rocket научились превращать статистические цифры в деньги и готовы предоставить наши технологии всем желающим.

— За предоставление услуг вы взимаете лишь «небольшой процент от стоимости товаров, купленных с помощью товарных рекомендаций», – так указано на вашем сайте. Уверен, нашим читателям будет интересно услышать о проценте более подробную информацию. Не могли бы вы ею поделиться?

Мы будем брать комиссию в зависимости от товарных категорий: от 1% в электронике — до 5%-7% в высокомаржинальных категориях (например, одежда).

— В планах и далее оставить сервис условно бесплатным, взимая лишь процент от результата, или вы намерены ввести дополнительные сборы?

Никаких дополнительных сборов не планируется. Более того, мы всерьез думаем о том, чтобы не брать комиссию с части функций сервиса.

— Планируете привлекать инвестиции к проекту, или он изначально запущен на инвесторские средства?

Проект запущен на свои средства, в данный момент мы активно ищем инвестиции и открыты к предложениям о сотрудничестве.

— Собираетесь ли вы усложнять и улучшать сервис рекомендаций? Например, планируется ли использование возможности улучшения ретаргетинга, создание «умного», продвинутого ретаргетинга при помощи рекомендательных технологий?

Безусловно. Мы уже ищем партнеров по ретаргетингу и e-mail маркетингу, более того, в данный момент у нас уже есть API, который может использоваться во внешних рекламных сервисах.

Как товарные рекомендации влияют на SEO?

Товарные рекомендации формируют перекрестные ссылки на карточки товаров (идеальная перелинковка), а также повышают глубину просмотра сайта и среднюю длительность сессии (вместе с повышением конверсии это отлично сказывается на поведенческих факторах), что положительно отражается на ранжировании в поисковиках. По сути, мы помогаем автоматизировать работу с поведенческими факторами интернет-магазинов.

Журналист, новостной редактор, работает на сайте с 2009 года. Специализация: интернет-маркетинг, SEO, поисковые системы, обзоры профильных мероприятий, отраслевые новости рунета. Языки: румынский, испанский. Кредо: Арфы нет, возьмите бубен.