Quartic. Inteligentny System Personalizowanych Rekomendacji

Czy Twoi klienci są jednakowi?

Personalizacja rekomendacji jako przewaga konkurencyjna

Paweł Wyborski, CEO

Quartic

2

Poznajmy się

Czym są Rekomendacje

System rekomendacji

Case study

Agenda

Firma – Quartic sp. z o.o. - Udziałowcy

3

+

Firma doradcza, specjalizująca się w Customer Intelligence.

Jesteśmy ekspertami w dziedzinie data mining i sztucznej inteligencji.

Umożliwiamy wykorzystanie potencjału gromadzonych danych o zachowaniach klientów do działań biznesowych.

Nasz Know-How powstał w oparciu o doświadczenia w zarządzaniu wielomilonowymi bazami klientów.

Customer Intelligence

Kompleksowe wdrożenia e-commerce

Wieloletnie doświadczeniem w projektowaniu, badaniu i ulepszaniu serwisów internetowych i oprogramowania.

Strategia, marketing, optymalizacja i projektowanie.

Wdrożenia, integracje i hosting.

E-commerce

4

Nasi Klienci

5

Poznajmy się

Czym są Rekomendacje

System rekomendacji

Case study

Agenda

Problem właściciela e-commerce

???

Rozwiązanie - Personalizowane Rekomendacje

Rekomendacje

pomagają

ODKRYWAĆ

klientowi jaki

produkt może

jeszcze kupić

ONLINE

Rekomendacje - przykłady

8

Personalizowane rekomendacje dla każdego użytkownika

Inne produkty, które są powiązane z przeglądanym produktem

Dopasowanie treści do preferencji oglądającego

9

Poznajmy się

Czym są Rekomendacje

System rekomendacji

Case study

Agenda

Jak zwiększyć lojalność i satysfakcję klienta e-commerce?

Jak automatycznie identyfikować potrzeby użytkownika i dopasować ofertę do jego potrzeb ?

Jak zrobić to szybko, tanio i przy zachowaniu wysokiej jakości?

Jak zwiększyć wartość sprzedaży, koszyka w e-commerce?

Adresowane problemy

Sesja użytkownika

• Odwiedzane strony

• Wyszukiwania

• Czas

• Kolejność kliknięć

Profil Klienta

• Preferencje

• Socjo/Demo

• Geografia

• Wielkość portfela

• RecencyFrequencyMonetary

Katalog produktów

• Kategorie

• Cechy

• Tagi

• Cena, Marża

• Dostępność

• Oceny

Transakcje i Akcje

• Zakup produktu

• Dodanie do koszyka

• Wishlist

• FB – Like

• Rekomendowanie

• Ocenianie, Recenzowanie

Potencjał w danych dla rekomendacji

Produkty powiązane, upsell

TreśćOpisy produktu,

Promocje

Przyciski akcji

Filtrowanie:Kategoria, Cena,

atrybuty produktu,

wykluczanie , etc

Sortowanie:Cenie, Marży

Promocji,

podobieństwie

Personalizacja: Wykluczenia produktów,

które użytkownik już

kupił, widział itp..

Produkty podobne –

odpowiadające danej potrzebie

użytkownika

Produkty komplementarne –

produkty uzupełniające,

inspirujące

Promocje – Produkty

ustawione ręcznie

MIX

Personalizacja dla użytkownika

Jeżeli masz 1000 klientów masz mieć 1000 różnych, dopasowanych

wersji sklepu

Produkty dopasowane do

historii zakupów

Promocje z nowych kategorii,

z których użytkownik jeszcze

nie kupił

Produkty dopasowane do

historii aktualnej/ostatniej

sesji

Sortowanie :Cenie, Marży

Promocji,

podobieństwie

Filtrowanie Po kategorii, cenie,

marży innych

atrybutach produktu

Retargetowanie inside/outside

1. Użytkownik ogląda produkt 2. Wychodzi 3. Wraca

ponownie na stronę 4. Serfuje po sieci

Znamy

użytkownikaPrzypominamy co

ostatnio oglądał

Dopasowanie do potrzebDajemy inne propozycje, które

mogą zainteresować

użytkownika

Ramka może być umieszczona w dowolnym miejscu na

stronie www lub poza nią – sieć afiliacyjna !!!

Cross-Sell w koszyku

W zależności od zawartości

koszyka

Produkty komplementarne

Filtrowanie kategorii, cenie, marży

innych atrybutach

produktu AkcjaDodaj do koszyka i

pozostanie nadal w

koszykuSortowanie :

Cenie, Marży

Promocji,

podobieństwie

E-mail, sms, mms, call center

Każdy klient może otrzymać za

pośrednictwem kampanii

marketingowej, indywidualną

propozycję zakupu produktów,

które bazują na historii zachowań

danego klienta na stronie

Warianty technologiczne

17

Ręczne generowanie i sterowanie rekomendacjami1

2

3

4

Budowa własnego rozwiązania od podstaw

Wdrożenie komercyjnego silnika rekomendacji

AdSerwer rekomendacji – model SaaS

Rekomendacje w Modelu SaaS

18

ADSERWER

SILNIK

REKOMENDACJI

Sztuczna

Inteligencja

WEB MART+ +

MODEL SaaS

integracja Plug & Play – Wklejenie skryptów w kod HTML strony

Rekomendacje generowane są przez system zewnętrzny w czasie

rzeczywistym

Technologia SaaS

adSerwer +

Silnik rekomendacji Zachowanie użytkownika

Rekomendacje online

Serwis WWWKatalog produktów

20

Poznajmy się

Czym są Rekomendacje

System rekomendacji

Case study

Agenda

Case Study Empik.com – Rynek B2C

Empik jest liderem na polskim rynku dystrybucji dóbr kultury

oraz dynamicznie rozwijającą się marką na rynku ukraińskim.

Katalog produktów empik.com: 2 miliony

Liczba UU miesięcznie: 1 000 000

Udział sprzedaży z rekomendacji: 10%

CTR ramki z rekomendacjami: 16%

Konwersja z rekomendacji: 5 %

Test A/B: 30% większa konwersja niż silnik empik.com

(oparty o ATG)

Case Study Pasart.pl – Rynek B2B

Pasaż artystyczny - Pasart.pl jeden z największych

sklepów internetowych w Polsce oferujących

półfabrykaty do wyrobu biżuterii.

CTR ramki z rekomendacjami: 19%

Wynik testu A/B

Wzrost wartości koszyka: 12%

Wzrost sprzedaży w całym sklepie: 6%

Wzrost wielkości koszyka: 8%

Katalog produktów: 7 000

23

Dziękuję za uwagę !

www.quartic.plPaweł Wyborski, CEO

e. pawel.wyborski@quartic.pl

m. +48 501 00 14 13

Beata Gubiec, Dyrektor Marketingu i Sprzedaży

e. beata.gubiec@quartic.pl

m. +48 608 419 887