Проблема: рекомендации для «не того» пола
Петербургский универмаг «Дом Мод» давно работает с email-каналом и активно развивает автоматические рассылки. Среди запущенных сценариев - брошенная сессия, напоминание о накопленных баллах в программе лояльности, welcome-цепочка и, конечно, поздравление с днем рождения.
Именно сценарий для именинников и стал источником головной боли. Механика выглядела логично: система анализирует историю покупок и поисковых запросов клиента, а затем формирует подборку рекомендованных товаров и отправляет её вместе с поздравлением за неделю до дня рождения.
На практике всё оказалось сложнее. У новых пользователей этих о покупках и просмотрах мало. Алгоритм рекомендаций работает с тем, что есть, и порой выдает странные результаты. Типичная ситуация: мужчина зарегистрировался неделю назад, зашел на сайт выбрать подарок жене, посмотрел женские сумки и платья. Мужские товары он не открывал вообще. Перед его днем рождения система собрала письмо с рекомендациями на основе этих просмотров - и предложила ему купить женскую сумку и юбку.
Такие ошибки вредят не просто метрикам. Они подрывают доверие клиента к бренду и снижают вероятность повторных покупок. Получив нерелевантное письмо, человек скорее отпишется от рассылки, чем откроет следующее сообщение.
Гипотеза: точнее рекомендации - выше кликабельность
Команда маркетинга «Дома Мод» сформулировала простую гипотезу: если добавить в сценарий поздравительной рассылки сегментацию по полу, товарные рекомендации станут точнее. А точные рекомендации напрямую влияют на click rate и, как следствие, на количество переходов и лидов из email-канала.
Задача звучала так: настроить в одном шаблоне письма разные блоки товарных рекомендаций для мужчин и женщин. Женщины должны видеть женские товары, мужчины - мужские. При этом весь остальной контент письма (поздравление, промокод, баннер) остается одинаковым для всех.
Какие варианты рассматривали
Перед тем как выбрать техническое решение, маркетологи «Дома Мод» рассмотрели несколько подходов:
- Шаблонизатор с ручной настройкой. Первый вариант - настроить вывод блоков рекомендаций через шаблонизатор платформы. Минус: это требовало обращения в техподдержку, согласования и ожидания. Быстро запустить не получилось бы.
- Два отдельных письма. Второй вариант - создать две полностью отдельные рассылки (для мужчин и для женщин) и в сценарии поставить развилку по проверке пола. Минус: двойная работа по дизайну и контенту, риск рассинхронизации шаблонов при обновлениях, больше времени на поддержку.
- Конструктор с условиями показа блоков по сегментам. Третий вариант - использовать функцию условного отображения блоков внутри одного шаблона. В этом случае маркетолог создает единый шаблон, добавляет товарный блок и указывает, какому сегменту он показывается. Разные сегменты видят разные рекомендации, но письмо собирается из одного шаблона.
Выбрали третий вариант. Он позволил обойтись без техподдержки, без дублирования шаблонов и уложиться в пару часов вместо целого рабочего дня.
Как устроен сценарий после доработки
После внедрения сегментации сценарий поздравительной рассылки работает по следующей логике:
- Клиент регистрируется в программе лояльности и указывает дату рождения.
- Система ежедневно проверяет базу и находит пользователей, у которых день рождения наступит в ближайшие семь дней.
- ML-алгоритм анализирует историю заказов, просмотров и добавлений в «избранное», а затем формирует подборку рекомендаций.
- Перед отправкой проверяется условие показа по сегменту: если клиент женщина - письмо содержит блок с женскими товарами, если мужчина - с мужскими.
- Именинник получает поздравление с релевантной подборкой товаров.
- Через год сценарий сработает снова - автоматически, без ручного участия маркетолога.
Каждый шаг прозрачен и поддается контролю. Маркетолог видит, сколько писем ушло по каждому сегменту, какие товары были рекомендованы, какой click rate показала каждая группа.
Результаты: click rate вырос почти вдвое
Через два месяца после запуска обновленного сценария команда «Дома Мод» зафиксировала заметный рост метрик:
- Click rate: вырос с 5,3% до 9% (прирост +4 п. п., то есть почти в два раза).
- Open rate: увеличился с 36,8% до 48% (+11,2 п. п.).
- Точность рекомендаций: алгоритм перестал предлагать товары для противоположного пола.
- Скорость подготовки рассылок: вместо суток на настройку маркетолог тратит не больше часа.
Рост open rate - отдельный показательный момент. Казалось бы, сегментация по полу влияет только на содержимое письма, а не на тему. Но у email-канала есть накопительный эффект: если предыдущие письма были релевантными и полезными, получатель с большей вероятностью откроет следующее. Репутация отправителя растет, письма реже попадают в спам, и open rate подтягивается вслед за click rate.
Что планируют дальше
По словам Лидии Чумаченко, директора по маркетингу «Дома Мод», компания собирается применять тот же подход - вывод блоков по сегментам - и в других рассылках. В планах:
- Персональные баннеры с акциями для новичков, активных покупателей и клиентов в оттоке.
- Разные подборки товаров в массовых рассылках в зависимости от предпочтений сегмента.
- Тестирование дополнительных критериев сегментации помимо пола - например, по ценовому сегменту или категории товаров.
Ожидание простое: чем глубже персонализация, тем выше метрики рассылок и доход от email-канала.
Выводы для email-маркетологов
Кейс «Дома Мод» демонстрирует несколько практических уроков, которые применимы к любому e-commerce проекту:
- Персональные рекомендации без сегментации - это лотерея. ML-алгоритмы отлично работают при большом объеме этих, но у новых клиентов этих мало. Без дополнительных фильтров (пол, возраст, категория) рекомендации могут оказаться абсурдными.
- Одно письмо лучше двух. Вместо того чтобы создавать отдельные шаблоны для каждого сегмента, выгоднее использовать условные блоки внутри единого шаблона. Это экономит время на поддержку и снижает риск ошибок при обновлениях.
- Мелкая доработка дает кратный результат. Добавление одного условия (проверка пола) заняло несколько часов, а click rate вырос почти вдвое. Не всегда нужны масштабные перестройки - иногда достаточно устранить одну точку трения.
- Тестируйте сценарии на себе. Ошибку с рекомендациями для противоположного пола обнаружили при тестировании сценария. Если бы запустили без проверки, негативный опыт получили бы реальные клиенты.
- Email-канал работает на репутации. Каждое нерелевантное письмо снижает доверие, каждое точное - повышает. Это накопительный процесс, и результат появляется не сразу, но он устойчив.
Сегментация рассылок по полу - пример минимального вмешательства с максимальной отдачей. Если у вас есть эти о поле клиентов и вы ещё не используете их для фильтрации рекомендаций, стоит попробовать. Результаты «Дома Мод» показывают, что это одна из самых быстрых точек роста в email-маркетинге.
