КЕЙС «Персонализация баннеров в мобильном приложении от Альфа Мобайл».
Как приятно видеть все больше кейсов персонализации на локальном рынке, особенно в виде видео выступлений.
Сегодня хотим поделиться эфиром с NoML митапа, где подробно рассказывается о механике персонализации баннера для промо продукта, кредита наличными, в приложении Альфа Мобайл.
Исходя из названия мероприятия, можно понять, что в выступлении будет много технических деталей!
📎 ССЫЛКА НА ЭФИР
Если вы пропустили, то ранее мы уже публиковали видео со свежими локальными кейсами:
«Персонализация как фокусный проект» с Софьей Леиной из Ленты
«Персонализация коммуникаций с помощью ChatGPT» от Вики Бородавченко из BelkaCar
#кейсы #banking
Как приятно видеть все больше кейсов персонализации на локальном рынке, особенно в виде видео выступлений.
Сегодня хотим поделиться эфиром с NoML митапа, где подробно рассказывается о механике персонализации баннера для промо продукта, кредита наличными, в приложении Альфа Мобайл.
Исходя из названия мероприятия, можно понять, что в выступлении будет много технических деталей!
📎 ССЫЛКА НА ЭФИР
Если вы пропустили, то ранее мы уже публиковали видео со свежими локальными кейсами:
«Персонализация как фокусный проект» с Софьей Леиной из Ленты
«Персонализация коммуникаций с помощью ChatGPT» от Вики Бородавченко из BelkaCar
#кейсы #banking
YouTube
NoML митап #6: Л. Кислинская, А. Косов - Персонализация баннеров на главном экране Альфа Мобайл
Вопросы и комментарии - в чате сообщества:
https://news.1rj.ru/str/noml_community
Персонализация баннеров на главном экране "Альфа Мобайл"
Любовь Кислинская (Альфа-Банк), Александр Косов (GlowByte Advanced Analytics)
Аннотация:
▫️ С чего начиналась персонализация…
https://news.1rj.ru/str/noml_community
Персонализация баннеров на главном экране "Альфа Мобайл"
Любовь Кислинская (Альфа-Банк), Александр Косов (GlowByte Advanced Analytics)
Аннотация:
▫️ С чего начиналась персонализация…
👍8
Не так часто встречается нотификация про работу персонализации на сайте, которая подчеркивает свою полезность для пользователя.
В данном случае мне хочется сохранить 5 AI-решений, чтобы получить персонализированную выдачу, потому что я понимаю, что в случае огромного ассортимента инструментов в данной библиотеке персонализация мне будет очень полезна.
В данном случае мне хочется сохранить 5 AI-решений, чтобы получить персонализированную выдачу, потому что я понимаю, что в случае огромного ассортимента инструментов в данной библиотеке персонализация мне будет очень полезна.
👍6
9 фреймворков приоритизации гипотез.
Тема приоритизации гипотез является весьма популярной в сфере продуктового менеджмента.
Делимся полезным ресурсом, где собрано подробное описание основных фреймворков.
⚪️ Фреймворки для стартапов и ранней стадии работы с продуктом:
- AARRR (Acquisition, Activation, Retention, Revenue).
- RICE (Reach, Impact, Confidence, Effort).
- ICE (Impact, Confidence, Ease).
⚪️ Более сложные фреймворки на следующих стадиях развития продукта:
- WSJF Agile Framework (Weighted Shortest Job First).
- DHM (Delighter, Hard-to-copy, Margin-enhancer).
- Feature Buckets - приоритизация и сортировка фич и идей.
- HEART для приоритизации UX идей (Happiness, Engagement, Adoption, Retention, Task Success).
⚪️ Фреймворки приоритизации для маркетинга:
- REAN (Reach, Engage, Activate, Nurture).
- VRDT (Volume, Relevance, Difficulty, Time).
Еще больше фреймворков на сайте Ducalis.
📝 Если вы используете еще какие-то фреймворки, поделитесь ими в комментариях.
#приоритизация
Тема приоритизации гипотез является весьма популярной в сфере продуктового менеджмента.
Делимся полезным ресурсом, где собрано подробное описание основных фреймворков.
⚪️ Фреймворки для стартапов и ранней стадии работы с продуктом:
- AARRR (Acquisition, Activation, Retention, Revenue).
- RICE (Reach, Impact, Confidence, Effort).
- ICE (Impact, Confidence, Ease).
⚪️ Более сложные фреймворки на следующих стадиях развития продукта:
- WSJF Agile Framework (Weighted Shortest Job First).
- DHM (Delighter, Hard-to-copy, Margin-enhancer).
- Feature Buckets - приоритизация и сортировка фич и идей.
- HEART для приоритизации UX идей (Happiness, Engagement, Adoption, Retention, Task Success).
⚪️ Фреймворки приоритизации для маркетинга:
- REAN (Reach, Engage, Activate, Nurture).
- VRDT (Volume, Relevance, Difficulty, Time).
Еще больше фреймворков на сайте Ducalis.
📝 Если вы используете еще какие-то фреймворки, поделитесь ими в комментариях.
#приоритизация
🔥10
+1 фреймворк для приоритизации гипотез - PXL.
В продолжение темы фреймворков для приоритизации гипотез попался еще один достойный внимания вариант от команды CXL (онлайн-обучение CRO).
Фреймворк хорош тем, что помогает более наглядно и конкретно оценить параметры Impact и Potential, а также добавить источник данных:
- на основании каких данных выдвинута гипотеза (тестирование, аналитика или опросы/интервью)
- охват тестирования гипотезы (пользователь видит этот элемент в течение первых 5 сек, в первом экране/окне, тест на странице с большим траффиком и тд)
Скачать фреймворк в экселе
Читать подробное описание
🔡 Рекомендуем поработать с гипотезами через разные фреймворки и выбрать для себя наиболее подходящий вариант.
#приоритизация
В продолжение темы фреймворков для приоритизации гипотез попался еще один достойный внимания вариант от команды CXL (онлайн-обучение CRO).
Фреймворк хорош тем, что помогает более наглядно и конкретно оценить параметры Impact и Potential, а также добавить источник данных:
- на основании каких данных выдвинута гипотеза (тестирование, аналитика или опросы/интервью)
- охват тестирования гипотезы (пользователь видит этот элемент в течение первых 5 сек, в первом экране/окне, тест на странице с большим траффиком и тд)
Скачать фреймворк в экселе
Читать подробное описание
🔡 Рекомендуем поработать с гипотезами через разные фреймворки и выбрать для себя наиболее подходящий вариант.
#приоритизация
🔥5👍1
Data Science Meetup про персонализацию от SberMarket Tech. Запись и что там было.
🔥 Друзья, это одно из первых мероприятий на тему рекомендаций в России, и оно действительно стоит нашего внимания!
Контент не только очень интересный, но и практичный, представленный опытом известных компаний.
“Персонализация сейчас мегапопулярна, но все бизнесы разные и делают это по-своему” - открыл митап Дмитрий Деменков, руководитель команды персонализации маркетинга, СберМаркет.
Тезисы программы:
💬 Персональное ранжирование каталога, Тоня Горячева, руководитель ML команды, СберМаркет.
СберМаркет сделал логичный шаг, начав заниматься персонализацией вместе с бурным ростом клиентской базы и запуском своей рекламной платформы.
Сейчас в СберМаркете уже реализована персонализация модели оттока, ранжирование в каталоге и поиске, а также рекомендательные блоки на главной странице, в корзине и карточке товара. Кроме того, они разработали модели для персонализированной коммуникации с клиентами.
Очень интересный доклад про то, как такие большие компании реализуют проекты по персонализации.
💬 Кросс-категорийные рекомендации, Миша Каменщиков, Unit Lead рекомендаций в Авито.
Работа рекомендаций на главном экране с учетом основных проблем:
1. Проблема однообразия в бесконечном рекомендательном гриде (полезно при выборе конкретного товара, но плохо для стимулирования следующей покупки)
➡️ примешиваем товары из других категорий на основе интересов и поведения пользователя.
2. Проблема пузыря. Чтобы избежать сужения рекомендаций и стимулировать следующие покупки
➡️ добавить вкладку «Свежее» или «Новинки». Это позволит пользователю видеть свежие объявления и товары, которые только появились в каталоге.
💬 Персонализация тарифов для новых клиентов, Даша Шатько, Data Science Team Lead, Мегафон Big Data.
Тема из модного направления CVM (CRM по новому).
Одним из способов борьбы с оттоком абонентов является тестирование персонального тарифа в голосовом ассистенте на основе данных пользователей с низким lifetime (1-2 месяца). Результаты в видео.
💬 Персонализация для карьерной платформы, Петя Чуйков, Data Science Team Lead, hh.ru.
Новый проект, который только запустится в июле в виде калькулятора ЗП на основе навыков, построения карьерных треков и выработки различных рекомендаций с применением ML-моделей.
⏺️ СМОТРЕТЬ ПОЛНУЮ ЗАПИСЬ ТУТ.
💡 Что хочется отдельно отметить: во многих докладах прослеживается мысль про упрощение, а не про усложнение в персонализации и формулировке гипотез.
🔥 Друзья, это одно из первых мероприятий на тему рекомендаций в России, и оно действительно стоит нашего внимания!
Контент не только очень интересный, но и практичный, представленный опытом известных компаний.
“Персонализация сейчас мегапопулярна, но все бизнесы разные и делают это по-своему” - открыл митап Дмитрий Деменков, руководитель команды персонализации маркетинга, СберМаркет.
Тезисы программы:
💬 Персональное ранжирование каталога, Тоня Горячева, руководитель ML команды, СберМаркет.
СберМаркет сделал логичный шаг, начав заниматься персонализацией вместе с бурным ростом клиентской базы и запуском своей рекламной платформы.
Сейчас в СберМаркете уже реализована персонализация модели оттока, ранжирование в каталоге и поиске, а также рекомендательные блоки на главной странице, в корзине и карточке товара. Кроме того, они разработали модели для персонализированной коммуникации с клиентами.
Очень интересный доклад про то, как такие большие компании реализуют проекты по персонализации.
💬 Кросс-категорийные рекомендации, Миша Каменщиков, Unit Lead рекомендаций в Авито.
Работа рекомендаций на главном экране с учетом основных проблем:
1. Проблема однообразия в бесконечном рекомендательном гриде (полезно при выборе конкретного товара, но плохо для стимулирования следующей покупки)
➡️ примешиваем товары из других категорий на основе интересов и поведения пользователя.
2. Проблема пузыря. Чтобы избежать сужения рекомендаций и стимулировать следующие покупки
➡️ добавить вкладку «Свежее» или «Новинки». Это позволит пользователю видеть свежие объявления и товары, которые только появились в каталоге.
💬 Персонализация тарифов для новых клиентов, Даша Шатько, Data Science Team Lead, Мегафон Big Data.
Тема из модного направления CVM (CRM по новому).
Одним из способов борьбы с оттоком абонентов является тестирование персонального тарифа в голосовом ассистенте на основе данных пользователей с низким lifetime (1-2 месяца). Результаты в видео.
💬 Персонализация для карьерной платформы, Петя Чуйков, Data Science Team Lead, hh.ru.
Новый проект, который только запустится в июле в виде калькулятора ЗП на основе навыков, построения карьерных треков и выработки различных рекомендаций с применением ML-моделей.
⏺️ СМОТРЕТЬ ПОЛНУЮ ЗАПИСЬ ТУТ.
💡 Что хочется отдельно отметить: во многих докладах прослеживается мысль про упрощение, а не про усложнение в персонализации и формулировке гипотез.
YouTube
Data Science Meetup про персонализацию: успехи и факапы | SberMarket Tech
Data Science — митап про успехи и факапы в персонализации. Project-менеджмент в DS, техника и влияние на бизнес. Все самое важное в одном митапе.
8:15 «Как мы делали проект по персональному ранжированию каталога и почему из этого ничего не получилось, а…
8:15 «Как мы делали проект по персональному ранжированию каталога и почему из этого ничего не получилось, а…
🔥5
Товарные рекомендации в приложении ASOS.
В рубрике #товарные_рекомендации говорим про монстра в сфере fashion - ASOS.
Как они используют товарные рекомендации в своем приложении:
1️⃣ Главный экран.
Так как это основная точка входа пользователя (в отличие от ecommerce в вебе, где это и карточка товара, и страница категорий), тут присутствует целый набор различных виджетов.
После баннеров и промо-категорий идет блок с предложением пройти опрос, чтобы персонализировать для вас контент и собрать zero-party data, а далее 5 виджетов с разными персонализированными алгоритмами.
2️⃣ Страница корзины.
Виджет с cross-sell (нейтральные недорогие товары типа аксессуаров и косметики)
3️⃣ Карточка товара.
3 виджета - «Похожие», «Покупают вместе», «Купить лук».
📌 С точки зрения алгоритмов, используется коллаборативная фильтрация, а также, что интересно, ASOS уделяет внимание новинкам и их попаданию в товарную выборку для пользователя.
Про техническую реализацию можно почитать тут.
В рубрике #товарные_рекомендации говорим про монстра в сфере fashion - ASOS.
Как они используют товарные рекомендации в своем приложении:
1️⃣ Главный экран.
Так как это основная точка входа пользователя (в отличие от ecommerce в вебе, где это и карточка товара, и страница категорий), тут присутствует целый набор различных виджетов.
После баннеров и промо-категорий идет блок с предложением пройти опрос, чтобы персонализировать для вас контент и собрать zero-party data, а далее 5 виджетов с разными персонализированными алгоритмами.
2️⃣ Страница корзины.
Виджет с cross-sell (нейтральные недорогие товары типа аксессуаров и косметики)
3️⃣ Карточка товара.
3 виджета - «Похожие», «Покупают вместе», «Купить лук».
📌 С точки зрения алгоритмов, используется коллаборативная фильтрация, а также, что интересно, ASOS уделяет внимание новинкам и их попаданию в товарную выборку для пользователя.
Про техническую реализацию можно почитать тут.
👍4🔥2
КЕЙС: Внедрение персонализации в группу компаний Frasers Group.
Делимся кейсом от платформы Dynamic Yield, который интересен тем, что проект по персонализации внедрялся в разные бренды одной группы компаний.
Подготовка к запуску. И она была непростой!
Группа компаний потратила 6 месяцев на:
⏺️ Согласование между основными заинтересованными сторонами.
⏺️ Внедрение процессов для проекта по персонализации во все бренды компании.
⏺️ Обучение бизнеса важности CRO и процессов тестирования.
Запуск проекта:
- для бренда класса люкс компания внедрила на странице листинга решение для стимулирования использования фильтров при долгом скролле/листании.
Тест показал положительные бизнес-результаты, однако для других брендов категории спорт и товары для дома этот тест провалился.
❕Это еще раз подчеркивает, что не существует универсальных гипотез для всех брендов - каждую необходимо тестировать отдельно.
- далее команда начала тестировать товарные рекомендации для разных страниц и брендов (нулевая поисковая выдача, пустая корзина).
Все тесты показали прирост. Например, рекомендации товаров в пустой корзине показали +18% RPU, +13% к покупкам и +4% к среднему чеку.
❕Такие гипотезы с товарными рекомендациями для e-commerce практически универсальны, но нужно аккуратно подбирать алгоритмы под конкретную страницу.
- среди других сработавших гипотез также были сквозной баннер для мобильного с обратным отсчетом по доставке и баннер для вернувшихся пользователей с товарами в их корзине.
ПОДРОБНЕЕ ПРО КЕЙС.
#кейсы
Делимся кейсом от платформы Dynamic Yield, который интересен тем, что проект по персонализации внедрялся в разные бренды одной группы компаний.
Подготовка к запуску. И она была непростой!
Группа компаний потратила 6 месяцев на:
⏺️ Согласование между основными заинтересованными сторонами.
⏺️ Внедрение процессов для проекта по персонализации во все бренды компании.
⏺️ Обучение бизнеса важности CRO и процессов тестирования.
Запуск проекта:
- для бренда класса люкс компания внедрила на странице листинга решение для стимулирования использования фильтров при долгом скролле/листании.
Тест показал положительные бизнес-результаты, однако для других брендов категории спорт и товары для дома этот тест провалился.
❕Это еще раз подчеркивает, что не существует универсальных гипотез для всех брендов - каждую необходимо тестировать отдельно.
- далее команда начала тестировать товарные рекомендации для разных страниц и брендов (нулевая поисковая выдача, пустая корзина).
Все тесты показали прирост. Например, рекомендации товаров в пустой корзине показали +18% RPU, +13% к покупкам и +4% к среднему чеку.
❕Такие гипотезы с товарными рекомендациями для e-commerce практически универсальны, но нужно аккуратно подбирать алгоритмы под конкретную страницу.
- среди других сработавших гипотез также были сквозной баннер для мобильного с обратным отсчетом по доставке и баннер для вернувшихся пользователей с товарами в их корзине.
ПОДРОБНЕЕ ПРО КЕЙС.
#кейсы
👍5
1000!!! вариаций дизайна тарифов от реальных SaaS компаний.
Ребята, это просто бомба для тех, кто работает с дизайном тарифов и похожих форматов отображения стоимости.
Много фильтров, тегов, детальный разбор структуры, комментарии экспертов.
Вот тут прямо хочется сказать "И не благодарите!"😂
https://explorer.hyperline.co/
#идеи
Ребята, это просто бомба для тех, кто работает с дизайном тарифов и похожих форматов отображения стоимости.
Много фильтров, тегов, детальный разбор структуры, комментарии экспертов.
Вот тут прямо хочется сказать "И не благодарите!"😂
https://explorer.hyperline.co/
#идеи
explorer.hyperline.co
Hyperline Explorers
Free tools to optimize your billing and pricing
🔥6❤4👍1
Всем привет!
Мы решили узнать у вас, какие темы интереснее/полезнее читать, чтобы мы могли делать на них акцент в будущих постах.
💡 Уделите, пожалуйста, минутку 💡
Можно выбрать несколько вариантов, хоть все!)
Мы решили узнать у вас, какие темы интереснее/полезнее читать, чтобы мы могли делать на них акцент в будущих постах.
💡 Уделите, пожалуйста, минутку 💡
Можно выбрать несколько вариантов, хоть все!)
❤3
Полезные CRO-фреймворки. Исследования и приоритизация
Готовые #фреймворки - всегда полезная вещь.
Поэтому мы решили начать эту рубрику с 6 публикаций лучших на наш взгляд фрейморков от популярного в мире CRO-агентства Speero. Каждый фреймворк можно будет скачать в PDF и открыть в Figma.
Начнем с темы исследований, сбора данных и приоритизации гипотез.
Выбрали эти топ-3 фреймворка от Speero:
📐Research XL. Фреймворк, который собирает источники количественных и качественных данных для исследований, аналитики и инсайтов для последующей генерации гипотез.
Скачать в PDF
Открыть в Figma
📐 Методы пользовательских исследований. Матрица, которая позволит вам выбрать метод получения количественных и качественных данных на основе двух показателей: сложность реализации и ценности результатов.
Скачать в PDF
Открыть в Figma
📐 #showmemoney. Фреймворк для приоритизации гипотез и тестов на основе прогноза по дополнительной выручке.
Скачать в PDF
Открыть в Figma
Готовые #фреймворки - всегда полезная вещь.
Поэтому мы решили начать эту рубрику с 6 публикаций лучших на наш взгляд фрейморков от популярного в мире CRO-агентства Speero. Каждый фреймворк можно будет скачать в PDF и открыть в Figma.
Начнем с темы исследований, сбора данных и приоритизации гипотез.
Выбрали эти топ-3 фреймворка от Speero:
📐Research XL. Фреймворк, который собирает источники количественных и качественных данных для исследований, аналитики и инсайтов для последующей генерации гипотез.
Скачать в PDF
Открыть в Figma
📐 Методы пользовательских исследований. Матрица, которая позволит вам выбрать метод получения количественных и качественных данных на основе двух показателей: сложность реализации и ценности результатов.
Скачать в PDF
Открыть в Figma
📐 #showmemoney. Фреймворк для приоритизации гипотез и тестов на основе прогноза по дополнительной выручке.
Скачать в PDF
Открыть в Figma
🔥5❤1👍1