Як монетизувати анонімний трафік: кейс PUMA з тригером «Покинутий перегляд»

Від 92 до 98% відвідувачів інтернет-магазину — анонімні. Вони вивчають асортимент, повертаються кілька разів і йдуть, не залишивши жодного контакту. При цьому кожен такий користувач уже коштував бізнесу рекламного бюджету.

На перший погляд здається, що це витрати без результату. Але за умови коректного налаштування аналітики й трекінгу система вже знає про цих людей достатньо: джерела переходів, переглянуті категорії та товари, час перебування на сторінці. Питання в іншому — чи вдається використати ці дані в потрібний момент.

Команда Netpeak працює над retention-стратегією PUMA Ukraine на базі CDP eSputnik із 2022 року. Один із напрямів — використання вебтрекінгу й метчингу для запуску тригера «Покинутий перегляд» з урахуванням дій користувача до його ідентифікації.

У цьому кейсі розповідаємо про механіку зіставлення анонімної поведінки з контактними даними, її роль у персоналізації розсилок і результати, котрі отримала PUMA Ukraine.

Хто наш партнер

PUMA — один із провідних світових виробників спортивного взуття, одягу та аксесуарів. 

Виклик і цілі роботи

Стандартна механіка взаємодії з анонімним відвідувачем виглядає так:

1. Користувач заходить на сайт без авторизації.

2. Ознайомлюється з асортиментом і залишає сайт.

3. Повертається через ретаргетинг.

4. Залишає email або номер телефону.

5. Отримує стандартний welcome-лист — як правило, із загальними промопропозиціями або добіркою тижня.

З погляду системи — це новий контакт без попередньої історії. З погляду самого відвідувача — уже друга чи третя взаємодія з брендом, під час якого намір купити міг сформуватися.

Що відбувається в результаті:

Це дає змогу запускати персоналізовану комунікацію без потреби накопичувати нову інформацію про дії на сайті після отримання контакту.

Як працює метчинг анонімної поведінки в eSputnik

Для реалізації такого сценарію використовують дві технології.

Вебтрекінг — технологія збору і фіксації поведінкових даних аудиторії на сайті: відвідування сторінок, кліків, часу сесії, додавання в кошик та інших подій.

Метчинг — процес зв’язування анонімної поведінкової історії з контактними даними в момент ідентифікації користувача.

У випадку PUMA ці технології дають змогу враховувати попередній інтерес відвідувача до товарів під час запуску тригера «Покинутий перегляд».

Далі покроково розберемо механіку цього процесу.

Крок 1. Збір даних про анонімні перегляди

Відвідувач заходить на сайт без авторизації та вивчає асортимент. CDP фіксує його поведінку: перегляди товарів і категорій, додавання в кошик, кліки, скрол, тривалість і кількість сесій, взаємодію з контентом.

Ці дані прив’язані до анонімного ідентифікатора: cookies у браузері або device ID на пристрої. Кожен браузер і пристрій формує окрему анонімну історію.

Здебільшого аудиторія не залишає контакти під час першого візиту. Між початковим заходом на сайт і моментом ідентифікації зазвичай відбувається кілька сесій: людина порівнює товари й ціни, повертається до вподобаних позицій.

Саме в цей період може формуватися намір купити — і вебтрекінг дає змогу зберегти інформацію про інтереси користувача.

Крок 2. Зіставлення поведінкової історії з контактом

Зшивання відбувається, коли система отримує стабільний контактний ідентифікатор — email або номер телефону — і дані, необхідні для зв’язування профілів.

Це можливо за кількома сценаріями:

В eSputnik вебтрекінг фіксує анонімну поведінку через cookies і прив’язує її до профілю відвідувача після отримання відповідного ідентифікатора. У мобільних застосунках ту саму роль виконує contactID. Анонімний відвідувач існує в системі як окремий профіль, котрий після ідентифікації може об’єднуватися з основним контактом разом із накопиченою історією подій.

Тому коректне зшивання даних важливе не лише для персоналізації, а й для повнішого розуміння шляху потенційного покупця до покупки.

Крок 3. Запуск персоналізованого тригера «Покинутий перегляд»

Після ідентифікації система отримує доступ до інформації про попередні дії відвідувача на сайті. Коли виконуються умови сценарію, запускається тригер «Покинутий перегляд» із персональною добіркою товарів.

Перевага підходу в тому, що персоналізація не чекає накопичення нових даних — вона використовує історію, зібрану, поки відвідувач був анонімним.

Тобто поки одні бренди починають комунікацію з welcome-серії, не враховуючи попередню взаємодію людини, інші можуть одразу звернутися до її конкретного інтересу.

На практиці це дає змогу:

Реальний шлях користувача: від анонімного перегляду до покупки

Потенційний покупець ознайомився зі спортивними гетрами на сайті, а потім залишив його. Згодом повернувся прямим переходом — обидві сесії система зафіксувала в анонімному профілі. Цього разу його зацікавила пропозиція знижки, і він залишив email у віджеті підписки у футері сайту.

Контакт було передано до CDP через API. Але замість порожнього профілю нового підписника система отримала контакт із накопиченою поведінковою історією — метчинг відбувається автоматично в момент ідентифікації.

Приблизно за 20 хвилин після підтвердження реєстрації система надіслала не стандартний welcome-лист, а email «Покинутий перегляд» — із переглянутими раніше товарами й персональними рекомендаціями.

Клієнт перейшов з листа на сайт за кліком на рекомендований товар і оформив замовлення. Покупка відбулася менше ніж за годину після появи контакту в системі. Зовні це виглядає як швидка конверсія нового підписника. Фактично — це монетизація наміру, що сформувався ще в анонімному статусі.

Результати за сім місяців роботи 

Щоб оцінити ефективність тригера «Покинутий перегляд», ми розділили замовлення на дві групи:

*80 хвилин — операційне вікно, у межах якого найчастіше спрацьовують тригерні сценарії після ідентифікації.

Загальні показники:

Частка NEW-контактів у результатах тригера:

Майже чверть доходу тригера забезпечили персоналізовані листи, які вдалося надіслати завдяки метчингу. Без зіставлення анонімної поведінки з контактними даними система не мала б інформації для їх запуску.

У масштабі всього сайту — це +0,14% до загального доходу лише за рахунок одного тригерного сценарію і коректного зшивання анонімних даних.