Cómo mejorar la efectividad de la Inteligencia Artificial con la metodología Test A/B: el caso de Kliper.cl parte 2
En el anterior caso de estudio de Kliper.cl vimos cómo la tienda online multimarca logró incrementar en más de un 20% el número de pedidos gracias a la implementación de la IA en el sitio web y en email marketing. Esta vez nos centraremos en cómo mejorar aún más la efectividad de esta tecnología gracias a la generación de hipótesis con Test A/B.
Sobre Kliper
Kliper es una exclusiva tienda online con una amplia oferta en moda y outdoor para toda la familia. Forma parte de Komax, una empresa dedicada al Retail que representa grandes marcas de ropa, accesorios y calzado, tanto en Chile como en Perú. En su gran surtido encontrarás firmas como The North Face, Kipling, DC Shoes, Brooks Brothers, UGG, Gap, Marmot, Mammut, entre otras.
Objetivos de la tienda online
Gracias a la implementación de la tecnología de Retail Rocket, Kliper logró cumplir los objetivos fijados inicialmente:
- Crear una experiencia de compra única que facilite la decisión de compra en una tienda online con un amplio surtido de productos y marcas.
- Incrementar la retención y fidelización de clientes
- Mejorar los KPIS: conversión, ticket medio por pedido y la facturación
Con un enfoque personalizado tanto en el sitio web como en el canal correo electrónico la tienda online obtuvo los siguientes resultados:
- Aumentar el número de pedidos en un 20,8%
- Incrementar la facturación de la tienda online en un 14,28%
- Aumentar el ticket medio por pedido en un 6,9% respecto a la media en el sitio
- Incrementar respecto a la media en la tienda online 3,5 veces más la conversión en el website y 8,8 veces en el canal email
Veamos cómo Retail Rocket ha logrado incrementar aún más las métricas ya obtenidas en el sitio. ¿El cómo?, mediante la realización de mejoras iterativas con tests A/B para optimizar la efectividad de la Inteligencia Artificial en la página de producto.
Solución de Retail Rocket
Las soluciones que ofrece Retail Rocket basadas en la tecnología Big Data son siempre personalizadas para satisfacer las necesidades específicas de cada cliente. Trabajar día a día para la mejora de resultados es uno de nuestros objetivos principales, y para ello el equipo de Growth Hacking desempeña un rol clave.
Para ello la estrategia se ha basado en: Incrementar la eficacia de las recomendaciones en la página de producto tanto para la versión móvil como escritorio. En esta etapa del Customer Journey los bloques de recomendación cumplen un papel fundamental que ayudará al cliente a tomar una decisión incrementando la conversión y el ticket medio por pedido.
Resultados de las pruebas iterativas
Mejorar la efectividad de las recomendaciones personalizadas en la ficha de producto
Incluso lo que ya funciona puede mejorarse, y Retail Rocket, conocedor de ello, nunca cesa en la búsqueda de mejoras reiteradas para optimizar al máximo el potencial de la Inteligencia Artificial en las tiendas online que utilizan su tecnología.
La mecánica de los tests A/B, mediante el método prueba y error es la forma perfecta para tomar decisiones basadas en datos e incrementar los KPIs en e-commerce.
Los especialistas en Growth Hacking llevaron a cabo estas pruebas, para analizar durante 30 días el rendimiento de varias configuraciones de las recomendaciones en la página de producto tanto para la versión móvil como para escritorio, y elegir la más efectiva.
Hipótesis: cambiar el orden de los bloques de recomendación
El orden de los bloques de recomendación puede afectar en la toma de decisiones. De este modo, mostrar primero, productos relacionados podría dificultar el proceso, ya que lo lógico sería que antes de complementar la compra el usuario se decida comparando entre productos con similares características.
Si bien es cierto que en matemáticas el orden de los sumandos no altera la suma, a continuación veremos cómo la realización de las pruebas muestra que la ubicación de los dos bloques de recomendación sí altera el resultado.
Versión Escritorio
Los visitantes de la página de producto de Kliper.cl en la versión de escritorio fueron divididos aleatoriamente en 3 segmentos en tiempo real:
Al primer segmento “Alternativo + Relacionado”, se mostró el bloque con productos similares seguido de una selección de artículos comprados habitualmente junto al que está visualizando un usuario. Ambos bloques contienen recomendaciones personalizadas en función de los intereses y el comportamiento del usuario en tiempo real.
Al segundo segmento “Relacionado + Alternativo”, se mostró el bloque con productos habitualmente comprados junto al artículo en la ficha seguido de una selección de artículos similares. Ambos bloques incluyen recomendaciones personalizadas en función de los intereses y el comportamiento del usuario en tiempo real.
Al tercer segmento “El grupo de control” no se mostraron recomendaciones.
Resultados
| Segmento | Conversión
(CR) |
Ticket medio por pedido (AOV) | Facturación por visitante (RPV) | Facturación |
| Alternativos + relacionados | +11,04% | -0,86% | +10,09% | +8,85% |
| Relacionados + alternativos | -3,63% | +4,38% | +0,52% | +3,64% |
| Sin recomendaciones | – | – | – |
Los mejores resultados se obtuvieron con el primer segmento “alternativos + relacionados” con un incremento de un 11,04% en la conversión y un 10,09% en la facturación por visitante, en comparación con el grupo de control al que no se mostraron recomendaciones.
En ambos segmentos mostrar bloques de productos personalizados supone un incremento de la facturación en comparación con la ausencia de recomendaciones. Quedando patente la efectividad de la tecnología IA para incrementar las ventas.
Versión móvil
Los visitantes de la página con la ficha de un producto de Kliper.cl en el dispositivo móvil fueron divididos aleatoriamente en 3 segmentos en tiempo real:
Al primer segmento (A) “Alternativo + Relacionado”, se mostró una selección de productos similares y en segundo lugar un bloque con artículos comprados frecuentemente junto al que está visualizando un usuario. Todos los artículos mostrados son recomendaciones personalizadas en función de los intereses y el comportamiento del usuario en tiempo real.
Al segundo segmento (B) “Relacionado + Alternativo”, se mostró una selección con productos habitualmente comprados junto al artículo visualizado en la ficha seguido de un bloque con artículos similares. Ambos bloques contienen recomendaciones personalizadas en función de los intereses y el comportamiento del usuario en tiempo real.
Al tercer segmento “El grupo de control” no se mostraron recomendaciones.
Resultados
| Segmento | Conversión
(CR) |
Ticket medio por pedido (AOV) | Facturación por visitante (RPV) | Facturación |
| Alternativos + relacionados | +7,25% | +3,54% | +11,05% | +11,05% |
| Relacionados + alternativos | +3,02% | -0,22% | +2,73% | +4,67% |
| Sin recomendaciones | – | – | – |
El primer segmento “alternativos + relacionados” mostró los mejores resultados con un incremento de un 7,25% en la conversión y un 11,05% en la facturación por visitante, en comparación con el grupo de control al que no se mostraron recomendaciones.
Los resultados obtenidos para ambos segmentos muestran una vez más la efectividad de la tecnología de personalización de Retail Rocket en comparación con la ausencia de recomendaciones.
Conclusiones
Que una tienda online ya obtenga excelentes resultados, no implica que haya que limitarse a continuar haciendo siempre lo mismo. Son muchas las soluciones que ofrece la plataforma de Retail Rocket y la realización de pruebas A/B es un ejemplo de que mejorar lo que ya funciona sí es posible maximizando el potencial de la tecnología de personalización IA.
Cambiar el orden de ubicación de los bloques de recomendación en la página de producto de la tienda online Kliper.cl resultó en:
- Un incremento del 11,04% de la conversión y un 10,09% en la facturación por visitante en la versión escritorio
- Un incremento del 7,25% en la conversión y un 11,05% en la facturación por visitante en la versión móvil
En ambas versiones es más efectivo mostrar en primer lugar un bloque con productos alternativos seguido de un segundo con artículos complementarios.
Mostrar en primer lugar productos alternativos al que se está visualizando ayuda al usuario a encontrar lo que busca permitiendo que analice las características de opciones similares. Una vez tomada la decisión de compra, la estrategia de venta cruzada con prendas complementarias ayudarán a aumentar el ticket de compra por pedido, incrementando así la facturación
Testimonial
Retail Rocket ha sido una pieza clave para ayudarnos a personalizar nuestros sitios y optimizar el proceso de compra poniendo a disposición recomendaciones de acuerdo a las preferencias de nuestros usuarios. Nos han ayudado a mejorar nuestra conversión , ventas y también la experiencia de compra y navegación de nuestros clientes a través de vitrinas personalizadas, email marketing, Push Notifications, Pop ups, entre otros. También entregan reportes de performance muy útiles para tomar decisiones en base a las métricas y kpi´s definidos para medir cada herramienta.
Catalina Lavanchy – Ecommerce sales & Marketing Manager · Komax S.A.