Как понять, какой алгоритм рекомендаций нужен в вашей рассылке?

Запустили рубрику Лаборатория Bonfire, в которой будем рассказывать об актуальных CRM-инструментах: делать обзоры, делиться наглядными инструкциями и показывать на практических примерах, чем полезны эти инструменты и где есть нюансы, которые стоит учесть при внедрении.

В первой серии публикаций — тестируем 3 популярных алгоритма Mindbox.

«Ручное соответствие» и «Сопутствующие товары», которые помогают дополнить покупку, и «Похожие товары», который предлагает альтернативу, если нужный товар не подходит или отсутствует.

Посмотрели, как эти алгоритмы работают в разных сценариях, где показывают лучшие результаты и какие подводные камни встречаются при настройке.

Часть 1. Ручное соответствие

Название немного сбивает с толку. Может показаться, что маркетолог вручную связывает между собой конкретные товары. На самом деле алгоритм работает на уровне категорий.

Например, можно заранее определить, что к ноутбукам мы будем рекомендовать сумки и мыши, к кофемашинам — кофе и фильтры, а к смартфонам — чехлы и защитные стекла.

Дальше Mindbox автоматически выбирает, какие именно товары показать пользователю внутри заданных категорий. При необходимости можно добавить дополнительные условия — например, учитывать диагональ ноутбука и размер сумки, чтобы в рекомендации попадали подходящие друг другу товары.

Получается компромисс: бизнес контролирует что рекомендовать, а алгоритм решает, какие именно товары показать пользователю.

Что показали испытания

Самая частая ошибка — пытаться настроить максимально подробные соответствия. На практике гораздо важнее убедиться, что:

1. для каждой категории товаров заранее определено, что рекомендовать вместе с ней. Если такие правила настроены не для всех категорий, часть товаров останется без рекомендаций;
2. внутри этих категорий есть товары, которые можно показывать (они в наличии, участвуют в рекомендациях, у них есть изображения);
3. если используются дополнительные параметры — например бренд, цвет или размер — они не делают подбор слишком узким. Иногда достаточно одного дополнительного ограничения, чтобы рекомендации просто исчезли.

Мы заметили еще одну особенность: чем больше связей и чем они детальнее между категориями, тем сложнее поддерживать их в актуальном состоянии при изменении каталога.

Карточка испытаний

Что понравилось

✔ Контроль над логикой рекомендаций.

✔ Не требует накопленной статистики — рекомендации можно использовать сразу после настройки.

✔ Есть возможность продвигать те категории, которые решают конкретные бизнес-задачи (например, распродажа остатков или продвижение конкретных брендов)

Что не понравилось

✖ При изменении структуры каталога настройки приходится регулярно проверять.

✖ Чем больше категорий и сложнее связи между ними, тем выше трудозатраты на поддержку.

✖ Не подходит для поиска альтернатив товарам или автоматической персонализации рекомендаций.

Наш вердикт

Рекомендуем, если вы заранее знаете, какие категории товаров должны рекомендоваться вместе, и хотите полностью контролировать логику рекомендаций.

Не рекомендуем, если каталог часто меняется или нужно автоматически подбирать альтернативные товары без ручной настройки.

Уже работает CRM-канал, а роста нет?

Многие компании обращаются к нам именно на этом этапе.

Bonfire за 3 дня проведет аудит и предоставит предметный разбор канала с фокусом на росте выручки и четким планом действий.

Обсудить задачи

В следующих выпусках Лаборатории

«Ручное соответствие» хорошо работает, когда бизнес заранее знает, какие товары должны продаваться вместе. Но что делать, если каталог постоянно меняется и поддерживать такие связи становится сложно?

В следующей статье разберем алгоритм «Сопутствующие товары» — он сам анализирует поведение покупателей и ищет сочетания товаров без ручной настройки.