Снизили процент нулевых запросов на 76% в интернет-магазине посуды Fissman
Снизили процент нулевых запросов на 76% в интернет-магазине посуды ...
Снизили процент нулевых...
Снизили процент нулевых запросов на 76% в интернет-магазине посуды Fissman
Артем Круглов
Генеральный директор платформы any
+47%
сессии с поиском
+38%
заказы с поиском
-75%
нулевых запросов
x2
конверсия с поиском
Задача
Снижение нулевой выдачи
Задача
Снижение нулевой выдачи
«Внедрение умного поиска anyQuery позволило значительно улучшить поисковую выдачу на нашем сайте. Покупатели гораздо реже сталкиваются с пустыми результатами выдачи.
Стоит отметить и поиск по характеристикам товаров. Стало намного проще, так как достаточно ввести требуемые параметры товара в строку поиска и выдача покажет соответствующие варианты»
Стоит отметить и поиск по характеристикам товаров. Стало намного проще, так как достаточно ввести требуемые параметры товара в строку поиска и выдача покажет соответствующие варианты»
fiszman
Интернет-шопинг становится все более важным для современных потребителей, которые ценят быстроту и точность поиска. Рассказываем вам про успешный кейс сотрудничества с интернет-магазином посуды Fissman, который перевернул процесс выбора товаров, обеспечив более удобный и эффективный пользовательский опыт.
Проблемы, которые решает поиск:
В процессе развития команда Fissman столкнулась с рядом проблем, связанных с недостаточной эффективностью поиска и выбора товаров:
1. Релевантность выдачи:
Было: Стандартный поиск не всегда точно отвечал на запросы клиентов, что снижало их удовлетворенность и повышало процент нулевых запросов.
Стало: Умный поиск использует алгоритмы машинного обучения для точного анализа запросов клиентов и предоставления наиболее подходящих результатов.
Пример: Пользователь ищет керамическую сковороду определенного диаметра. Благодаря умному поиску, результаты выдачи отображают именно подходящие по размеру модели, учитывая предпочтения клиента.
1. Релевантность выдачи:
Было: Стандартный поиск не всегда точно отвечал на запросы клиентов, что снижало их удовлетворенность и повышало процент нулевых запросов.
Стало: Умный поиск использует алгоритмы машинного обучения для точного анализа запросов клиентов и предоставления наиболее подходящих результатов.
Пример: Пользователь ищет керамическую сковороду определенного диаметра. Благодаря умному поиску, результаты выдачи отображают именно подходящие по размеру модели, учитывая предпочтения клиента.
2. Ранжирование товаров:
Было:
Большой ассортимент товаров требовал эффективной сортировки и ранжирования, чтобы клиенты могли легко находить наиболее подходящие продукты.
Стало:
Теперь наш ассортимент сортируется с учетом популярности, актуальности и соответствия запросу, что обеспечивает клиентам более удобный выбор.
Пример:
Покупатель интересуется набором кухонных ножей и хочет видеть наиболее популярные и рекомендуемые модели. Умный поиск учитывает популярность товаров и предлагает сначала наиболее востребованные варианты
Было:
Большой ассортимент товаров требовал эффективной сортировки и ранжирования, чтобы клиенты могли легко находить наиболее подходящие продукты.
Стало:
Теперь наш ассортимент сортируется с учетом популярности, актуальности и соответствия запросу, что обеспечивает клиентам более удобный выбор.
Пример:
Покупатель интересуется набором кухонных ножей и хочет видеть наиболее популярные и рекомендуемые модели. Умный поиск учитывает популярность товаров и предлагает сначала наиболее востребованные варианты
3. Язык и предпочтения покупателей:
Было: Сайт не всегда успешно адаптировался под язык и ожидания клиентов, что затрудняло поиск и выбор нужных товаров.
Стало: Умный поиск адаптируется под язык и предпочтения каждого клиента, делая процесс поиска более интуитивным и персонализированным.
Пример:
Представим, что клиент ищет кастрюлю с антипригарным покрытием, но при вводе запроса происходит ошибка с раскладкой клавиатуры, и слово «антипригарный» пишется неправильно. Умный поиск в магазине Fissman автоматически корректирует опечатку и предлагает соответствующие варианты товаров с правильным написанием, учитывая возможные ошибки в запросе покупателя. Это позволяет клиентам легко находить нужные товары, даже при возникновении ошибок при вводе запросов.
Было: Сайт не всегда успешно адаптировался под язык и ожидания клиентов, что затрудняло поиск и выбор нужных товаров.
Стало: Умный поиск адаптируется под язык и предпочтения каждого клиента, делая процесс поиска более интуитивным и персонализированным.
Пример:
Представим, что клиент ищет кастрюлю с антипригарным покрытием, но при вводе запроса происходит ошибка с раскладкой клавиатуры, и слово «антипригарный» пишется неправильно. Умный поиск в магазине Fissman автоматически корректирует опечатку и предлагает соответствующие варианты товаров с правильным написанием, учитывая возможные ошибки в запросе покупателя. Это позволяет клиентам легко находить нужные товары, даже при возникновении ошибок при вводе запросов.
Результаты:
✅Снизился процент нулевых запросов на 76%
✅Прирост сессий с поиском на 47%
✅Прирост заказов с поиска на 38%
✅Конверсия с поиском выросла на 4%
✅Конверсия с поиском в 2 раза выше конверсии без поиска
Приведенные показатели демонстрируют, что наши алгоритмы умного поиска помогают улучшать пользовательский опыт и увеличивать показатели для любого бизнеса, а еще делать делая процесс выбора товаров более точным, эффективным и персонализированным.
✅Прирост сессий с поиском на 47%
✅Прирост заказов с поиска на 38%
✅Конверсия с поиском выросла на 4%
✅Конверсия с поиском в 2 раза выше конверсии без поиска
Приведенные показатели демонстрируют, что наши алгоритмы умного поиска помогают улучшать пользовательский опыт и увеличивать показатели для любого бизнеса, а еще делать делая процесс выбора товаров более точным, эффективным и персонализированным.
Сообщение об успешной отправке!
Спасибо за заявку, мы свяжемся
с вами с расчетом эффективности
с вами с расчетом эффективности
Спасибо за заявку,
мы свяжемся с вами
с расчетом эффективности
мы свяжемся с вами
с расчетом эффективности
