Due-Home logra un incremento de la conversión del 88% con la tecnología IA de personalización de Retail Rocket en web

42 Views

Due-Home.com es una tienda online dedicada a la comercialización de muebles y artículos de decoración tanto para el hogar como para la oficina. Como se definen en su página web, les mueve una sola cosa: crear interiores memorables y entornos en los que los objetos sean tan importantes como las experiencias vividas en ellos. Para lograrlo, Retail Rocket también cumple un papel fundamental, ya que la creación de una experiencia única para cada cliente comienza en la tienda online.

Este es el motivo que llevó a Due-Home a implementar la plataforma de Retail Rocket en 2017. Es la integración de nuestra tecnología de Inteligencia Artificial lo que permite a la tienda online personalizar todo el recorrido del cliente: desde que el usuario entra en la web hasta después de recibir su pedido. 

Como podemos ver en el caso de estudio ya realizado de la tienda ecommerce en 2018, Due-Home logró incrementar en un 30% sus ventas con la tecnología de Retail Rocket. 

Veamos a continuación cómo la tienda online en 2020 sigue obteniendo excelentes resultados con la personalización de la web y de las campañas de email marketing.

Personalización de Retail Rocket en la tienda online

Los muebles, no son el tipo de bienes que se compran únicamente por impulso. El cliente necesita meditar y comparar los productos que más se ajustan a sus necesidades antes de añadirlos al carrito. Por este motivo la personalización se ha potenciado en las siguientes páginas, en las que tienen lugar las fases de análisis de opciones y decisión de compra: 

  • Página de inicio
  • Menú horizontal de categorías
  • Página de categoría
  • Página de producto

 

Recomendaciones en la página de inicio

Una buena estrategia de personalización e-commerce comienza en la homepage, donde también se inicia el recorrido del usuario en la tienda online. Del interés que ésta suscite dependerá el tiempo que el visitante permanezca en la web. Para lograr su atracción y motivar que éste continúe el proceso de compra, los bloques de recomendación en base al comportamiento del usuario en tiempo real son muy efectivos.

Sin embargo, ¿qué mostrar cuando el usuario entra por primera vez en la web y aún no se dispone de información del mismo?. En este caso, los bloques con los productos más vendidos y con las recomendaciones en base al comportamiento de otros usuarios son un excelente recurso.

Recomendaciones en el menú horizontal de categorías

En la página de inicio también se muestran recomendaciones dentro del menú horizontal de categorías. Esto facilita al usuario la búsqueda de artículos, simplificando el recorrido en la web y mejorando su experiencia en la tienda online. Todo ello, a su vez, supone un incremento de visitas a la página de producto, donde la probabilidad de finalizar la compra es mayor. 

Recomendaciones en la página de categoría

La página de categoría es una de las vías que permite mostrar al usuario las opciones más adecuadas a sus intereses por tipología. Es aquí también donde el cliente acota sus preferencias comparando entre artículos de características similares.

 

Recomendaciones en la página de producto

El hecho de que un visitante llegue a la página de producto para analizar las características de cada artículo es indicio de que existe interés por completar la compra. 

En esta fase es cuando de más información almacenada del usuario se dispone y donde, acorde a los resultados obtenidos y mostrados a continuación, mayor efectividad tienen las recomendaciones. El 83,6% de la facturación por recomendaciones de Due-home proviene de dos bloques incluidos en esta página: un 48,5% de los productos similares o alternativos y un 35,1% de los artículos habitualmente comprados en conjunto.

 La selección de productos adquiridos frecuentemente juntos es un bloque nuevo y hecho a medida. Con él se han obtenido excelentes métricas, especialmente incrementando el ticket medio por pedido, así como la cantidad de artículos y de líneas de producto por compra. 

 

 

Efectividad de las recomendaciones en cifras

 

Cantidad de productos por pedido Líneas de productos por pedido Valor ticket medio por pedido Ratio de conversión en web
Efecto de las recomendaciones personalizadas +29,11 % +35,24 % +25,56 % +87,95 %

 

Personalización de las campañas de email marketing: activación de correos transaccionales

El almacenamiento de información de los usuarios en tiempo real permite personalizar todo el recorrido del cliente: no sólo en la tienda online sino, también, una vez realizada la compra o abandonada la web.

Los emails personalizados son una herramienta muy efectiva, con la que recuperar clientes y fidelizar a aquéllos que ya compraron.  

Due-home ha llevado a cabo la automatización de emails transaccionales para los siguientes escenarios:  

Búsqueda Abandonada

Si un visitante que ha realizado previamente una búsqueda interna abandona el sitio web, Retail Rocket le enviará recomendaciones personalizadas basadas en la palabra clave que haya utilizado.

Búsqueda abandonada por producto no disponible

Si un visitante abandona la tienda en línea después de buscar un producto que no está disponible, se le enviará un correo con productos similares al que está agotado. Así mismo, se notificará cuando vuelva a estar en stock.

Categoría abandonada

Si un visitante no ha llegado a la página de productos y sólo ha navegado por la página de la categoría, recibirá un recordatorio con los productos más populares y las novedades de esta categoría.

 

Visualización de producto abandonada

Cuando un visitante abandona la web después de haber visto algún producto, recibirá un correo electrónico con recomendaciones personales basadas en los productos visualizados. 

Carrito abandonado

Este escenario es uno de los correos electrónicos transaccionales más populares. Si un usuario añadió productos al carrito y no completó la compra, recibirá un recordatorio del carrito abandonado y recomendaciones personales basadas en los artículos incluidos.

 

Escenario post-venta con las mejores ofertas

Un cliente que haya comprado en la tienda online recibirá un correo electrónico con las próximas mejores ofertas de los artículos más probables de ser comprados en función de sus intereses y del pedido anterior.

 

Escenario de Reactivación

Si un usuario no ha visitado la tienda online durante mucho tiempo, recibirá un correo electrónico de recordatorio con recomendaciones personalizadas y nuevos productos en la tienda online en función de sus intereses.

 

 

Efectividad de las recomendaciones en email personalizados

 

 

Ratio de apertura 

 

Ratio de conversión

 

Valor de ticket medio por pedido 

Email transaccionales en cifras      

29,86 %

3,40 %

+5,00 %

 

Conclusión

Los resultados obtenidos muestran que tras tres años desde la implementación de la tecnología de Retail Rocket, Due-home sigue incrementando sus métricas gracias a una personalización integral de la tienda online.

  • La implementación de la tecnología IA de Retail Rocket generan un 13% aproximadamente de la facturación de la tienda online 
  • La conversión de pedidos con las recomendaciones es dos veces mayor.
  • Hemos incrementado la cantidad de productos por pedido un 29,11% de media.
  • Con los bloques de recomendación se ha incrementado en un 35,24% el número de líneas de productos por pedido. 
  • El ticket medio de los pedidos con nuestras recomendaciones es un 25,56% mayor con las recomendaciones en site y un 5% superior con email marketing.

Comentarios de Due-home

 

 

Tras tres años desde la integración de la plataforma de Retail Rocket, su tecnología de personalización IA nos sigue ayudando a aumentar las ventas mes a mes. El incremento de las métricas clave, unido al excelente trabajo del equipo y la sencilla gestión de la herramienta son las claves de nuestra satisfacción con el servicio.

 

Jordi Ordóñez, Director de Marketing de Due-Home

 

 

 

 

 

 

¡LA TECNOLOGÍA DE PERSONALIZACIÓN WEB Y DE EMAILS TRANSACCIONALES YA ESTÁ DISPONIBLE PARA CUALQUIERA!

SOLICITA UNA DEMO