Привет, друзья. Чуть меньше года назад я начал работать в новом b2b-проекте для интернет-магазинов и написал на Хабр статью об этом стартапе. Сегодня я хочу рассказать о нашей главной ошибке за прошедший год, которая сподвигла нас изменить принцип работы сервиса и запустить в октябре этого года версию продукта 2.0.
HucksterBot – сервис, который показывает определенным посетителям сайта индивидуальные предложения купить товары со скидкой. Главное отличие от традиционных механизмов распродаж и стандартных модулей CMS-систем в том, что скидки показываются персонально, в зависимости от поведения пользователя на сайте. При таком подходе прибыль интернет-магазина не снижается, а увеличивается.
Раньше помимо установки JS-кода на сайт (стандартный шаг для SaaS-сервисов), чтобы запустить сервис, представителю интернет-магазина в личном кабинете необходимо было создать сегменты посетителей и установить скидки на определенные категории и товары. Для настройки сегментов можно было выбрать регионы, каналы и источники трафика, устройства (ПК или мобильные):
Пользователям каждого сегмента показывался специальный виджет с предложением купить просмотренные ранее товары со скидкой. Таким образом, скидки можно было предложить посетителям из определенных регионов, мобильным пользователям (что повышало в несколько раз конверсию и продажи в интернет-магазинах, сайты которых не были адаптированы для мобильных устройств), или, например, людям, пришедшим по рекламным каналам.
Данный подход подразумевал, что маркетологи или владельцы интернет-магазинов хорошо разбираются в вопросах повышения конверсии, могут правильно интерпретировать данные Google Analytics и Яндекс.метрики, выбрать и настроить несколько низкоконверсионных сегментов трафика и самостоятельно добиться максимального эффекта в виде повышения оборота и валовой прибыли. Это было большой ошибкой.
На деле далеко не все смогли (или захотели) разобраться с продуктом и нам приходилось делать это вместе с ними, помогать пользователям настраивать сервис. Да, в итоге сервис начинал работать эффективно, мы с клиентами делали истории успеха с отличными результатами, но о масштабировании с таким подходом приходилось только мечтать. Мы тратили слишком много времени на аналитику и внедрение.
Стало очевидным, что у нас 2 пути для развития: первый – поднимать цены, уходить в Enterprise-продажи, фактически становясь внедренцами дорогого продукта для крупных интернет-магазинов с индивидуальными «допиливаниями» и аккаунтингом, второй – значительно упростить продукт, не снижая его эффективность. Мы выбрали второй вариант, но для его реализации нужно было решить две большие задачи:
1. Автоматизация и принцип Парето.
Теперь для настройки виджета необходимо указывать только размер скидок и при необходимости ограничить показы в регионах, все остальное настраивается автоматически. Система отслеживает события, когда пользователь кладет товар в корзину и проводит анализ конверсии по каждому товару, учитывая каналы трафика.
В показе скидок используется принцип Парето: автоматически выбирается 20% товаров, которые дают 80% заявок, скидки для них не показываются. Таким образом, сервис не работает с товарами, которые магазин и так успешно продает, а увеличивает продажи только по тем позициям, которые совсем не продаются или продаются намного хуже ТОПовых.
2. Прозрачность работы.
Работа сервиса начинается с того, что он собирает и анализирует данные на основную часть трафика интернет-магазина, показывая виджет по указанным скидкам лишь небольшой доле посетителей без какой-либо дифференциации. После сбора и автоматического анализа данных (от 1-й до 2-х недель) сервис начинает работать в режиме непрерывного теста: 20% случайно выбранных посетителей интернет-магазина не увидят виджет со скидкой ни при каких обстоятельствах, на остальные 80% будут распространяться заданные правила показа персональных скидок. Тем самым в личном кабинете всегда можно увидеть, как сильно отличается конверсия чистого сегмента (20%) от сегмента с работающим сервисом HucksterBot.
После релиза версии 2.0 количество пользователей, которые самостоятельно настроили и внедрили сервис увеличилось на 100%. Нас беспокоил только один вопрос.
Мы решили проверить эффективность нового подхода при работе сервиса с интернет-магазином Snail.ru, принадлежащим одной из крупнейших в России розничных сетей по продаже садово-парковой техники «Садовые машины».
Согласно правилу Парето система автоматически отобрала 20% товаров, которые являются самыми продаваемыми, на них действие сервиса не распространялось. Для остальных 80% товаров работали персонализированные скидки, размер которых был установлен сотрудниками магазина.
Далее начался A/B-тест, который достиг максимальной статистической значимости в течение 2 недель. 20% случайных посетителей интернет-магазина не видели виджет HucksterBot ни при каких обстоятельствах, остальные 80% могли его увидеть при определенном поведении на сайте.
Результаты теста
Общая конверсия сайта при внедрении HucksterBot 2.0 (заказы через корзину + виджет) составила 1,9%.
Конверсия сайта в заказы без виджета (по данным A/B – теста, а также по данным Google Analytics, когда сервис не был подключен к интернет-магазину) составляет 0,8%.
Таким образом, использование сервиса персонализации скидок позволяет повысить общую конверсию сайта в 2,4 раза.
Анализ продаж магазина показал, что при использовании сервиса HucksterBot оборот магазина увеличился ровно в 2 раза (на 100%), а валовая прибыль в 1,4 раза (на 40%).
Таким образом, если вы запускаете b2b-стартап и мечтаете о массовом рынке, продукт должен быть максимально простым и автоматизированным, таким, чтобы его внедрение не требовало каких-то специальных знаний. Кроме того, важно доказывать его эффективность реальными цифрами и графиками, расчетом ROI, а не обещаниями и словами.
В следующей статье я поделюсь опытом продвижения SaaS-продукта для интернет-магазинов на российском рынке: расскажу о том, какие рекламные каналы окупаются, какие нет, как не слить бюджет и привлечь регистрации по цене меньше 200 рублей за штуку.
Если у вас есть вопросы, буду рад ответить на них в комментариях.
HucksterBot – сервис, который показывает определенным посетителям сайта индивидуальные предложения купить товары со скидкой. Главное отличие от традиционных механизмов распродаж и стандартных модулей CMS-систем в том, что скидки показываются персонально, в зависимости от поведения пользователя на сайте. При таком подходе прибыль интернет-магазина не снижается, а увеличивается.
Раньше помимо установки JS-кода на сайт (стандартный шаг для SaaS-сервисов), чтобы запустить сервис, представителю интернет-магазина в личном кабинете необходимо было создать сегменты посетителей и установить скидки на определенные категории и товары. Для настройки сегментов можно было выбрать регионы, каналы и источники трафика, устройства (ПК или мобильные):
Пользователям каждого сегмента показывался специальный виджет с предложением купить просмотренные ранее товары со скидкой. Таким образом, скидки можно было предложить посетителям из определенных регионов, мобильным пользователям (что повышало в несколько раз конверсию и продажи в интернет-магазинах, сайты которых не были адаптированы для мобильных устройств), или, например, людям, пришедшим по рекламным каналам.
Данный подход подразумевал, что маркетологи или владельцы интернет-магазинов хорошо разбираются в вопросах повышения конверсии, могут правильно интерпретировать данные Google Analytics и Яндекс.метрики, выбрать и настроить несколько низкоконверсионных сегментов трафика и самостоятельно добиться максимального эффекта в виде повышения оборота и валовой прибыли. Это было большой ошибкой.
На деле далеко не все смогли (или захотели) разобраться с продуктом и нам приходилось делать это вместе с ними, помогать пользователям настраивать сервис. Да, в итоге сервис начинал работать эффективно, мы с клиентами делали истории успеха с отличными результатами, но о масштабировании с таким подходом приходилось только мечтать. Мы тратили слишком много времени на аналитику и внедрение.
Стало очевидным, что у нас 2 пути для развития: первый – поднимать цены, уходить в Enterprise-продажи, фактически становясь внедренцами дорогого продукта для крупных интернет-магазинов с индивидуальными «допиливаниями» и аккаунтингом, второй – значительно упростить продукт, не снижая его эффективность. Мы выбрали второй вариант, но для его реализации нужно было решить две большие задачи:
- Автоматизировать сложные настройки (чтобы даже домохозяйка смогла запустить сервис).
- Сделать прозрачными и понятными результаты работы сервиса, чтобы каждый клиент мог в любой время зайти в личный кабинет и найти ответ на вопрос «что я потеряю, если отключу виджет HucksterBot?».
Как мы решили эти задачи?
1. Автоматизация и принцип Парето.
Теперь для настройки виджета необходимо указывать только размер скидок и при необходимости ограничить показы в регионах, все остальное настраивается автоматически. Система отслеживает события, когда пользователь кладет товар в корзину и проводит анализ конверсии по каждому товару, учитывая каналы трафика.
В показе скидок используется принцип Парето: автоматически выбирается 20% товаров, которые дают 80% заявок, скидки для них не показываются. Таким образом, сервис не работает с товарами, которые магазин и так успешно продает, а увеличивает продажи только по тем позициям, которые совсем не продаются или продаются намного хуже ТОПовых.
2. Прозрачность работы.
Работа сервиса начинается с того, что он собирает и анализирует данные на основную часть трафика интернет-магазина, показывая виджет по указанным скидкам лишь небольшой доле посетителей без какой-либо дифференциации. После сбора и автоматического анализа данных (от 1-й до 2-х недель) сервис начинает работать в режиме непрерывного теста: 20% случайно выбранных посетителей интернет-магазина не увидят виджет со скидкой ни при каких обстоятельствах, на остальные 80% будут распространяться заданные правила показа персональных скидок. Тем самым в личном кабинете всегда можно увидеть, как сильно отличается конверсия чистого сегмента (20%) от сегмента с работающим сервисом HucksterBot.
После релиза версии 2.0 количество пользователей, которые самостоятельно настроили и внедрили сервис увеличилось на 100%. Нас беспокоил только один вопрос.
Остался ли сервис эффективным?
Мы решили проверить эффективность нового подхода при работе сервиса с интернет-магазином Snail.ru, принадлежащим одной из крупнейших в России розничных сетей по продаже садово-парковой техники «Садовые машины».
Согласно правилу Парето система автоматически отобрала 20% товаров, которые являются самыми продаваемыми, на них действие сервиса не распространялось. Для остальных 80% товаров работали персонализированные скидки, размер которых был установлен сотрудниками магазина.
Далее начался A/B-тест, который достиг максимальной статистической значимости в течение 2 недель. 20% случайных посетителей интернет-магазина не видели виджет HucksterBot ни при каких обстоятельствах, остальные 80% могли его увидеть при определенном поведении на сайте.
Результаты теста
Общая конверсия сайта при внедрении HucksterBot 2.0 (заказы через корзину + виджет) составила 1,9%.
Конверсия сайта в заказы без виджета (по данным A/B – теста, а также по данным Google Analytics, когда сервис не был подключен к интернет-магазину) составляет 0,8%.
Таким образом, использование сервиса персонализации скидок позволяет повысить общую конверсию сайта в 2,4 раза.
Анализ продаж магазина показал, что при использовании сервиса HucksterBot оборот магазина увеличился ровно в 2 раза (на 100%), а валовая прибыль в 1,4 раза (на 40%).
«Мы запустили новую версию HucksterBot 2.0. Если раньше нам приходилось постоянно экспериментировать с разными сегментами, корректировать настройки, чтобы добиваться максимального эффекта, теперь сервис делает это автоматически. Это очень удобно»Степан Мальцев, менеджер проекта Snail.ru.
Таким образом, если вы запускаете b2b-стартап и мечтаете о массовом рынке, продукт должен быть максимально простым и автоматизированным, таким, чтобы его внедрение не требовало каких-то специальных знаний. Кроме того, важно доказывать его эффективность реальными цифрами и графиками, расчетом ROI, а не обещаниями и словами.
В следующей статье я поделюсь опытом продвижения SaaS-продукта для интернет-магазинов на российском рынке: расскажу о том, какие рекламные каналы окупаются, какие нет, как не слить бюджет и привлечь регистрации по цене меньше 200 рублей за штуку.
Если у вас есть вопросы, буду рад ответить на них в комментариях.
