К нам обратилась владелица интернет-магазина. Бизнес уже работал, были продажи, лояльные клиенты, стабильный трафик. Но, как и любой предприниматель, она задавала себе вопрос: что ещё можно улучшить? Как использовать сайт эффективнее?
Мы начали с привычного аудита: посмотрели, как устроен интерфейс, какие паттерны поведения у пользователей, где затыки. Это одна из самых частых задач, с которой к нам приходят в Zaltsman Media — и почти всегда находятся точки роста, которые можно улучшить без радикальных переделок.
Сначала мы взялись за интерфейс. Даже при хорошем визуальном исполнении почти в каждом проекте находятся места, где интерфейс можно сделать более понятным и предсказуемым для пользователя. Мы перераспределили ключевые элементы: кнопки и блоки с действиями переместили туда, где пользователь интуитивно ожидает их увидеть, опираясь на аналитику поведения пользователей в интернет магазинах подобного типа.
Отдельно проработали визуальную иерархию: усилили контраст между основным и второстепенным действиями, чтобы акцент всегда был на том, что действительно важно, например, «Добавить в корзину» не должен конкурировать по цвету и размеру с «Сравнение с другими товарами».
Также убрали визуальный шум — лишние рамки, не точные заголовки, всё, что мешает взгляду двигаться по сценарию покупки. Добавили больше воздуха, подсветили триггеры принятия решений.
Поиск точечного решения
Сайт уже показывал хорошие результаты, и именно поэтому мы подошли к задаче особенно вдумчиво. Когда система работает, любое изменение — это риск, особенно если у сайта уже есть своя лояльная аудитория. Наша цель была не в том, чтобы «переделать», а усилить, сделать интерфейс умнее, а предложения точнее.
Так мы приняли решение о внедрении персонализации на основе поведения пользователя, с внедрили слой аналитики на базе искусственного интеллекта.
Пример — главная страница с популярными товарами. Обычно они один для всех. Но мы это улучшили, в зависимости от того, на каких категориях товаров пользователь задерживался дольше, сайт подставлял более релевантные предложения. Кто интересовался косметикой — видел бьюти товары, кто часто переходил в раздел «подарки» — получал идеи с оформлением, упаковкой и выгодными наборами. Так же алгоритм пытался понять возраст покупателя и показать более релевантные продукты, более молодым — уходовую косметику, покупателям по старше — анти эйдж продукты.
Следующий слой — адаптивные заголовки товаров. Мы обучили алгоритм распознавать интересы пользователя и динамически добавлять уточняющие фразы. Например, вместо обычного «Увлажняющий крем» получался «Увлажняющий крем для смешаной кожи — идеально после 35+», когда система понимала, что это та самая категория.
Отдельное искуство это грамотно составленные блоки «С этим товаром покупают». Мы не просто подставляли сопутствующие товары, а формировали полноценные наборы, в которых товары логически дополняли друг друга. Например: крем + маска + массажёр, всё это вместе — по итоговой, привлекательной цене, как готовое решение.
В корзине работали точечные nudge-элементы: подарочная упаковка, персонализированная открытка, ускоренная доставка — предлагались не всем подряд, а только тем, чья модель поведения указывала на склонность к доп услугам. Подключался принцип «одного клика»: достаточно нажать «Да, добавить», и услуга включается. Без лишних форм и раздражающих окон.
И вот здесь раскрылась сила технологии nudge. Мы не навязывали, не манипулировали. Мы подсказывали. Мягко, в нужный момент. Благодаря ИИ, который мы натренировали, когда и что показать, пользователь сам приходил к решению — и чувствовал, что сайт «понимает» его.
В этом и есть суть грамотной персонализации: помочь человеку выбрать, а не заставить купить. Мы продумали архитектуру решений так, чтобы каждый элемент — от карточки товара до финального предложения в корзине — сопровождал пользователя и облегчал путь к покупке.
Как мы собирали данные и запускали ИИ
Перед тем как что-либо менять, мы начали с замеров. Нас интересовало, как пользователи вели себя на сайте до внедрения изменений:
— на какие блоки кликали,
— где задерживались,
— в какой момент уходили,
— что чаще добавляли в корзину, но не покупали.
Данные собирали через аналитику и тепловые карты. Мы не просто смотрели на общие цифры, а группировали поведение по типажам пользователей. Так появилось понимание, какие сценарии повторяются, и где система могла бы подстроиться под человека наиболее гармонично его поведению.
Параллельно настроили механизмы отслеживания интересов конкретного пользователя: история просмотров, поведенческие маркеры, навигационные паттерны. Всё это сохранялось анонимно, без использования персональных данных.
Когда картина стала ясной, а данных достаточно, что бы натренировать ИИ модель, разработали набор правил, по которым искусственный интеллект мог бы формировать персональные рекомендации. Архитектура была следующей:
- в фоне работает модель, которая оценивает, на что человек реагирует чаще всего;
- при загрузке страницы система подставляет изображения, тексты и предложения, наиболее близкие этому интересу;
- весь процесс происходит мгновенно, без задержек и всплывающих окон.
Важно было не просто собрать данные, а встроить реакцию системы так, чтобы пользователь не замечал работу алгоритмов, а просто думал, — о как удобно, это то, что мне нужно.
Что в итоге получилось
После запуска нововведений мы дали системе немного «поучиться». В первые недели ИИ просто наблюдал за пользователями и собирал сигналы — кто как ведёт себя, что просматривает, на что реагирует.
Уже спустя месяц после внедрения персонализации мы увидели первые стабильные изменения. Средний чек вырос на 18%. Причём это были не единичные всплески, а системная динамика. Люди чаще добавляли в корзину не один товар, а наборы. Конверсия на этапе оформления выросла, потому что дополнительные предложения в корзине попадали точно в интерес.
Пользователи стали активнее взаимодействовать с карточками товара. Мы убрали «визуальный шум», сделали акценты понятными. Искусственный интеллект сделал своё дело увеличив вовлечение пользователей через более персональные заголовки товаров.
Более того, улучшились поведенческие метрики: выросло среднее время на сайте, снизился процент отказов, и главное — вырос средний. Люди возвращались не просто посмотреть, а потому что им было удобно и они получили имено то, чем они пользуются. Их не мучили баннеры с нерелевантными скидками и всплывающие окна с предложениями от которых возможно отказаться. Сайт подстраивался под них и подсказывал в нужный момент релевантные товары или дополнения к ним.
