Задача
Разработать сервис для подбора персонального набора витаминов на основе оценки состояния здоровья человека. Сервис ориентирован на женщин от 25 до 45 лет. Пользователи попадали в сервис с рекламы в инстаграме, либо по ссылкам от блогеров.
Project info
Команда проекта - 4 человека
Бюджет - 1 млн. рублей
Сроки - 5 месяцев
Технологии - Django, React.js
Особенности
Wellbe - это стартап, поэтому по ходу работ мы создали много итераций продукта. Изменения в продукт вносились итеративно - один раз в неделю. За время работы над проектом мы три раза изменили концепцию и провели один редизайн.
Solution
Мы запускали сервис на рынке, где было два похожих продукта. За основу пользовательского пути и схемы продажи брали опыт конкурентов, разрабатывали, тестировали и дорабатывали продукт.
За время работы мы пришли к такому userflow:
1. Пользователь попадает на лендинг
2. Проходит
анкету, где отвечает на вопросы о своем образе жизни
3. Сервис генерирует персональную рекомендацию, состоящую из 3-5 витаминов
4. Пользователь смотрит цену
набора витаминов и, если нужно, убирает лишние витамины
5. Пользователь указывает адрес доставки и оплачивает заказ
Сервис по кусочкам
Анкета
The goal is to create a questionnaire, that will cover all life areas. There were more than 100 questions. Not all of them were shown to user. For some answers a clarifying question was asked. Question format was different: multiple choice, manual input, picture choice. It was necessary to develop our own questionnaire constructor, that freely allows to adjust content of questionnaire, move from one question to another and calculate results.
Service in pieces
Questionnaire
Цель - создать анкету, вопросы в которой будут охватывать все сферы жизни человека. Вопросов было более 100, пользователю показывались не все, для некоторых ответов шли уточняющие вопросы. Формат вопросов был разный, множественный выбор, ручной ввод, выбор изображения. Было необходимо разработать собственный конструктор анкет, позволяющий свободно настраивать содержимое, переходы между вопросами и подсчет результатов.
Зачем реализовывать собственный конструктор анкет?
Совместно со специалистами клиента мы создали свой уникальный алгоритм подбора витаминов. Подключить к нему существующие конструкторы не представлялось возможным.
Алгоритм подбора витаминов
На базе нашего конструктора врачи разработали анкету, состоящую из ~140 вопросов. Чтобы превратить ответы пользователя в рекомендацию мы разработали специальный трехступенчатый алгоритм.
1. Он спроектирован таким образом, чтобы ни в коем случае не навредить клиенту. При малейшей опасности несоответствия препаратов они исключаются из набора.
2. Каждый элемент алгоритма полностью настраиваемый. Вес ответов, матрицу соответствия и специальные рекомендации можно быстро изменять через админ-панель.
3. Алгоритм позволяет не только подбирать витамины, но и тестировать маркетинговые гипотезы. В зависимости от ситуации к набору можно добавлять сопутствующие товары.
Персональные рекомендации
После обработки ответов пользователя, алгоритм генерирует персональную рекомендацию.
Наша задача была убедить пользователя, что рекомендациям можно доверять, что они точно помогут решить его проблему или достичь цели. Ну и главное, сконвертировать пользователя в покупку набора – важно было показать, что сервис занимается не рекомендациями, а составлением и продажей индивидуального набора витаминов.
Чтобы добиться этих целей мы:
Оформили страницу рекомендаций в стиле лендинга, чтобы придать официальности
Внедрили “почемучки”, которые объясняют почему витамин попал в набор
Вынесли цену набора на отдельную страницу, чтобы двигать пользователя к покупке
Где начинается e-commerce
После неудачного запуска первой версии продукта, где пользователь после рекомендаций сразу попадал на оформление заказа, появилось понимание, что нужна некая промежуточная страница, на которую приходят пользователи, заинтересовавшиеся в покупке, нечто похожее на корзину в интернет-магазине. Страница “регулировки” набора, где клиент мог отрегулировать состав набора, узнать конечную цену и применить промокод.
Для оплаты мы внедрили виджет Cloudpayments - он поддерживает не только оплату картой, но и Apple/Google Pay.
После оформления заказа он попадает с специальный бот в телеграме.
Фишки внутри
Аналитика
Мы стремились отслеживать каждый шаг наших пользователей. Использовали Яндекс метрику, pixel и изучали логи пользовательских действий. В конце концов у нас появилась огромная excel таблица, в которой было видно откуда пришел пользователь, что он ответил в анкете, какие сделал заказы, использовал ли промокод и т.д.
Сводная таблица формировалась полностью в автоматическом режиме. Чтобы получить такой отчет, в админ-панели нужно было всего лишь выбрать временной промежуток отчета.
Маркетинговые инструменты
Данные, которые были собраны в анкете в дальнейшем использовались для ремаркетинга.
Мы сделали интеграцию с SendPulse - после анкеты запускалась цепочка писем и смс, которую настраивали маркетологи в отдельном интерфейсе.
Итоги
Мы успешно работали с клиентом на протяжении всей жизни стартапа. Спустя 6 месяцев работы клиент смог привлечь инвестиции в размере $100.000, но спустя некоторое время проект закрылся. Сейчас мы продолжаем работать вместе над новыми проектами.
.png)
