Краткое описание:
Условно говоря, пользователь, только что заказавший комплект горных лыж, мог тут же получить уведомление об акции на сноубордические ...
«Умный» e-commerce: как повысить средний чек с помощью искусственного интеллекта (https://new-retail.ru).
![altasib_up_button='/bitrix/images/altasib.up/button/altasib_up1.gif'; altasib_up_pos ='0';altasib_up_pos_xy = '15' «Умный» e-commerce: как повысить средний чек с помощью искусственного интеллекта - New Retail 0/5 пїЅпїЅпїЅпїЅпїЅпїЅпїЅпїЅ пїЅ пїЅпїЅпїЅпїЅпїЅпїЅпїЅпїЅ пїЅпїЅпїЅпїЅпїЅпїЅпїЅпїЅпїЅпїЅпїЅ 18+ 22133 1731 3327 479 Новости ▾ Новости рынка Календарь мероприятий Анонсы мероприятий Бизнес ▾ Экономика Кейсы E-commerce Персонал Право Мероприятия Книги Маркетинг ▾ Реклама Социальные сети Маркетинговые исследования Магазины ▾ Открытия Дизайн История Карта ТЦ Технологии Персоны ▾ Видео Лайфстайл ▾ Шоппинг Мода Блоги Спецпроекты Главная / Технологии / «Умный» e-commerce: как повысить средний чек с помощью искусственного интеллекта small_images=[]; big_images=[]; text_images=[]; «Умный» e-commerce: как повысить средний чек с помощью искусственного интеллекта «Умный» e-commerce: как повысить средний чек с помощью искусственного интеллекта new-retail Сложно найти онлайн-ритейлера, который не использовал бы в своей работе решения на основе искусственного интеллекта — собственные или готовые. Машинные алгоритмы помогают автоматизировать процессы, повышать эффективность маркетинга и поднимать продажи. Как с помощью «умных» инструментов можно увеличить средний чек? Павел Мрыкин, эксперт по сквозной аналитике Calltouch Персонализация в работе с клиентами – феномен, которому уделяется огромное внимание во всех подборках трендов интернет-торговли: это must have любого бизнеса, ведущего продажи в онлайне. До появления инструментов персонализации магазины взаимодействовали с покупателем во многом наугад: часто человек видел рекламу товаров, которые не входили в круг его интересов. Условно говоря, пользователь, только что заказавший комплект горных лыж, мог тут же получить уведомление об акции на сноубордические ботинки и хоккейные клюшки. Чтобы избегать таких ситуаций, приходилось вручную обрабатывать данные по каждому клиенту — но если таких клиентов у магазина несколько тысяч, задача становилась практически невыполнимой. Сегодня, благодаря автоматической персонализации, мы можем без сложных манипуляций с данными предугадать потребности клиента. Происходит это за счет анализа истории его покупок, просмотренных страниц и поисковых запросов. На основе этой информации система подбирает соответствующие товары для рекламы: либо похожие, либо дополняющие. Так, если потребитель только что приобрел у вас декантер для вина, нет смысла показывать ему другие декантеры из ассортимента — логичнее будет предложить набор бокалов со скидкой. В процессе анализа искусственный интеллект «обучается» сам: например, если пользователи часто берут вместе со смартфоном наушники или пауэрбанк, то система запомнит эту закономерность и начнет предлагать эти аксессуары новым пользователям, интересующимся телефонами. Каналы персонализации могут быть разными: от подсказок на сайте до рекламы в Facebook — и для настройки любого из них существует огромное количество сервисов. Для сайтов это, например, RetaiRocket, Mindbox, Convead, REES46, для email-маркетинга — инструменты вроде MailChimp и SendPulse, которые могут генерировать персонализированные рассылки. Так, если посетитель сайта просматривал товары для ремонта, ему на почту придет уведомление о скидке на набор из нескольких позиций в этой категории. А если пользователь «забыл» товар в корзине, он получит соответствующее письмо-напоминание. «Погружение» в клиента: от привычек до режима дня Следующий шаг в коммуникации с покупателем — учитывать не только его предпочтения, но также распорядок дня, привычки и другие особенности. Если пользователь обычно просматривает почту по утрам, то отправка уведомления об акции в эти часы может стать решающей для покупки. Развитие технологий клиентского сервиса и жесткая конкуренция диктуют необходимость знать своего клиента лучше, чем себя самого. Подробная информация о потребителе поможет подобрать нужный размер скидки — не больше, чем требуется для решения о покупке. Иначе говоря, нет смысла предлагать пользователю акцию -20% на кроссовки, если он готов сделать заказ уже при снижении стоимости на 10%. Как это работает? На основе прогноза LTV (суммарная прибыль, которую принес вам клиент) и оценки вероятности повторных покупок система делит посетителей вашего сайта на сегменты, для каждого из которых выстраивается своя стратегия рекламы и email-маркетинга. И если шанс, что конкретный пользователь что-то закажет у вас, ничтожно мал, нет смысла тратить на него рекламный бюджет — и наоборот. Алгоритмы ценообразования На ценовую политику магазина влияет динамика спроса, сезонность, инфляция, действия конкурентов, внешние экономические события и еще сотни других факторов. Чтобы учитывать их все, требуется работа целого штата аналитиков — либо алгоритмов на основе искусственного интеллекта. Amazon, Walmart, DNS-shop и другие гиганты ритейла формируют цены на свои товары с помощью машинных алгоритмов, которые постоянно анализируют ситуацию на рынке, чтобы рекомендовать оптимальные ценники, сроки распродаж, необходимость промо-акций и так далее. Кроме того, искусственный интеллект может построить прогноз спроса и предложения и предложить наилучшую реакцию на ожидаемые изменения. Это подтверждает кейс платформы Competera с одним из британских ритейлеров: онлайн-магазин в течение месяца тестировал на своих площадках сервис рекомендации цен. В этом месяце в связи с сезоном и индустрией продажи ритейлера снизились — но алгоритм предугадал падение и предложил оптимальную ценовую стратегию. Результат оказался максимально наглядным: в то время как в контрольной группе число транзакций упало на 17,2%, то в тестовой они выросли на 5,1%. Сейчас к машинной оптимизации цен обращаются в основном крупные ритейлеры либо высокомаржинальные бизнесы: чем больше выручка, тем заметнее эффект от «умного» ценообразования. Кроме того, такие решения, как правило, недешевы и требуют от магазина объемной базы данных. Но с развитием технологий происходит постепенная демократизация продуктов — так что, вероятно, через несколько лет автоматическая настройка цен станет для магазинов такой же обычной практикой, как CRM сегодня. Виджеты: умные и не очень Сталкивались ли вы с ситуацией, когда через пару дней после заказа товара вам приходило письмо с промокодом на покупку этого же продукта? Безусловно, эффективность таких запоздалых скидок стремится к нулю. Чтобы обратиться к клиенту со спецпредложением в нужный момент, магазины используют виджеты, которые формируются для каждой страницы с акцией. Обращения через виджеты на сайтах, по нашей статистике, составляют около 20% всех лидов, а в некоторых сферах этот показатель достигает 40%. Здесь нужно сразу сделать оговорку: такие цифры возможны лишь при грамотной настройке виджетов. Диалоговые окна, которые постоянно всплывают не к месту, закрывая собой нужный контент — верный способ заставить посетителя в раздражении закрыть вкладку с вашим сайтом. Чтобы этого не произошло, магазины прибегают к помощи так называемых «умных» виджетов, работающих на основе искусственного интеллекта. Их алгоритмы анализируют поведение пользователя во время сессии, чтобы рассчитать оптимальный момент демонстрации предложения и не вызвать негатива. Так, мы в Calltouch предлагаем подобные виджеты для заказа обратного звонка. Читайте также: Как искусственный интеллект помогает российским ритейлерам стать ближе к клиентам «Ваш звонок очень важен для нас…» «К сожалению, в данный момент все операторы заняты. Пожалуйста, оставайтесь на линии. Ваш звонок очень важен для нас...» — классическое развитие событий при попытке связаться с компанией. Если вам звонят не по поводу возврата товара, то, скорее всего, после этих слов человек бросит трубку и уйдет на сайт другого магазина. Но поскольку гарантировать наличие свободных операторов невозможно (если, конечно, не раздувать штат), оптимальное решение — сервис обратного звонка. Этот сервис позволяет клиенту сразу говорить с «живым» человеком вместо долгих минут ожидания на проводе. Разумеется, при условии, что ему действительно перезвонят. Сложности с обратным звонком связаны не только и не столько с дисциплиной менеджеров, сколько с алгоритмом телеком-оборудования: дело в том, что оно «не видит» разницы между голосом оператора и сообщением автоответчика. Иначе говоря, если клиент прослушал автоматическое приветствие (IVR), такой звонок будет отображаться в системе как успешный — даже если человек так и не дождался ответа менеджера. Справиться с такой ситуацией помогают решения с поддержкой DTMF. Так, мы внедрили в свой сервис обратного звонка алгоритм, который анализирует звуковую дорожку и определяет, что именно звучит в трубке: гудки, автоматическое приветствие или голос оператора. На основе этого звонок маркируется либо как успешный, либо нет — и во втором случае менеджеру поступает просьба связаться с клиентом. * * * Обработка данных — то, в чем человек никогда не сможет сравняться с машиной. Но успех бизнеса зависит в первую очередь от того, как эти данные будут переосмыслены и интерпретированы, иначе говоря, ключевая роль в работе онлайн-магазина остается за «живыми» специалистами. Искусственный интеллект — один из инструментов, который позволяет делать ее эффективнее, чем конкуренты. Павел Мрыкин, эксперт по сквозной аналитике Calltouch Для New Retail время публикации: 10:00 10 июня 2020 года 0 Теги: Россия, аналитика, e-commerce, искусственный интеллект Последние новости 12:55 KFC построил в РФ первый в мире ресторан с минимумом контактов 12:35 ФНС запустила сервис для пострадавшего от пандемии бизнеса 12:22 Perekrestok.ru составил «карантинную» корзину 12:05 Ещё 9 магазинов «Лента» примут на работу электронную Галю 11:52 Приходите на первое гибридное онлайн-мероприятие в области моды Лента новостей → Реклама на New Retail. Медиакит Самое популярное Что ждет торговые центры после пандемии, и как возвращать покупателей? Кейс: как Прима Дистрибьюшн обучает 3000 полевых сотрудников с помощью смартфона Как сбыть товарные остатки в кризис. Часть 2, практическая Как ищут и где покупают fashion-товары весной 2020 Гипермаркет или магазин у дома: что выживет в кризис var PS_ErrPref = 'Поля не заполнены или заполнены неверно: \n'; Подпишитесь на новости ритейла Согласен с политикой конфиденциальности Пример рассылки Реклама на New Retail. Медиакит О сайте О проекте Контакты Политика конфиденциальности Карта сайта Подписка E-mail рассылка RSS Facebook ВКонтакте Twitter Linkedin Реклама Реклама на NR Партнеры Project Line](https://lh3.googleusercontent.com/blogger_img_proxy/AEn0k_twZMAWZSIzNXvNmF2NeOjWSh2S-hHqx4CYkH9Sg7TOnILmQOIS4792bi5KV4pRgSfzyamfGjsOXb6R11F4OXHS8ecWo2DFBTkn9sZZDHrfNpv2_RhuW3V8ilGS0gxfPzpc4UG9BOZWvHCUwzwR1nRNw4DF3fRTb0VOHxjsB13wYzPGqTzhdK1o2ANeY0QfDldzCGNHxv0oD-ZPBx28jb5Lk5L9nzOmBTXM-rcglQfqmFkGTTBrcWs0FR49SZkLHm41_TGfK3zc-F3SA3-ffVtzYmzC040861XY=s0-d)
0 коммент.:
Отправить комментарий