Обратиться по имени недостаточно! Что такое настоящая «персонализация» и как технологии помогают ее реализовать

Юрий Вронский, директор по развитию бизнеса Manzana Group.

В числе наиболее заметных трендов последних 2 лет – персонализация товарных предложений. Потребители ждут от ритейлеров понимания их предпочтений и более четкой коммуникации. 

Массовые акции уже не дают желаемого эффекта, и даже приводят к обратному результату, снижая прибыльность торговли. Маркетологи в рекламных кампаниях предлагают покупателям скидки на целые категории товаров, которые всё сильнее ощущают на себе негативные последствия промозависимости. 

На смену массовым промо приходят персонализированные целевые предложения, и сейчас, нужно говорить не о массовых кампаниях, а о one to one маркетинге, когда каждому покупателю предлагается что-то уникальное, соответствующее его пожеланиям. 

Такой точечный подход невозможен без использования искусственного интеллекта, и мы в Manzana Group уже более 3 лет работаем над развитием решения по подготовке персонализированных предложений с использованием технологий машинного обучения. Несмотря на то, что ритейлеры понимали и понимают перспективность ML, сомнения иногда возникают. Они резонны, ведь искусственный интеллект приводит к отличным результатам только при правильном сочетании интеллекта искусственного и человеческого.

Мы реализовали много успешных проектов и видим, что анализ покупательских задач и сделанные на их основе персонализированные предложения приводят к росту продаж. Ранее ML-технология была доступна только крупным игрокам рынка, и это являлось барьером для ее широкого применения. Сейчас мы предлагаем готовый инструмент, который могут себе позволить средние и малые компании. 

Что же такое «персонализированное предложение»?

Конечно, обращение к покупателю по имени и попытки предложить ему что-то на основании его недавних покупок – это минимум, который обязаны делать все ритейлеры. Но этого уже недостаточно, и для получения эффекта схема не работает настолько линейно и поверхностно.

Для того чтобы сделать по-настоящему персонализированное предложение, нужно идти не просто след-в-след за покупателем, а немного обгонять его, прогнозируя, что именно может клиента заинтересовать в следующий визит. Тут не обойтись без глубокого анализа содержания его корзины, частоты его визитов и всего customer journey. 

Более того, нужно отслеживать предпочтения не одного конкретного покупателя, а анализировать поведение пользователей со схожими паттернами. Тогда велика вероятность предложить клиенту что-то не только привычное, но и новое, при этом не менее интересное. Важный элемент персонализированного предложения и размер скидки, который заставит человека положить товар в корзину. 

И, конечно, эффективная персонализация «живет» недолго, и нужно четко попасть в момент, когда товар вызовет интерес. Не слишком рано – покупатель еще не чувствует необходимости – и не слишком поздно, когда товар уже утратил свою привлекательность, а именно, когда нужно. Пожалуй, это один из самых сложных моментов в искусстве персонализации.

В дело вступает Manzana Predictive Analytics

Первым шагом в работе Manzana Predictive Analytics было использование готовых библиотек, предлагаемых на рынке. 

Технически система работала, однако эффективными с точки зрения бизнеса и роста продаж назвать результаты такого подхода было нельзя. Используемые алгоритмы были слишком простые, а структура продаж серьезно усложнилась. Разные форматы, каналы, ассортимент, действующие акции, и на все это накладывались параметры, по которым мы хотели формировать предложения, от которых «нельзя отказаться».

Мы поняли, что данные о покупателях и алгоритмы должны быть обогащены правилами, по которым вся система рекомендаций приобретет гибкую структуру. Причем, в формулировке этих правил должен быть задействован естественный «человеческий» интеллект. 

В результате такого подхода и появился сервис Manzana Predictive Analytics, который в автоматическом режиме обрабатывает покупки, накладывает их на алгоритмы и правила, и формирует миллионы по-настоящему персонализированных предложений. Человек задействован в работе с модулем, он анализирует эффективность предложений и задает какие правила должны быть учтены системой. Например, ассортиментная матрица магазина частых покупок конкретного покупателя, участие товара в других акциях или исключение товара изо всех акций. 

Сервис не просто собирает данные и анализирует их, он объединяет людей в группы по схожим покупательским паттернам и выявляет неочевидные закономерности, включая совершенно неявные связи. 

Как мы говорили ранее, решение не просто следует за покупателем, оно успешно предсказывает – кто и что может купить, и какой товар может заставить посетителя лишний раз зайти в магазин. Сервис умеет не только «говорить», кому и что нужно предложить, но и наоборот – под какой кластер покупателей какую акцию имеет смысл провести. 

И такое обучение модели происходит не только в контуре отдельно взятой компании-пользователя, но и всех наших партнеров, использующих сервис.

---

Читайте также: «Знание и глубокое понимание своих клиентов - основа бизнеса современного ритейла»: Олег Паленов, Manzana Group, о новых требованиях к программам лояльности со стороны ритейла

---

Итоги использования персонализированных предложений

● Экономический

Конечно, для любого бизнеса главный аргумент в защиту эффективности использования нового решения – это траты на его эксплуатацию и рост продаж. Автоматизация не требует от компании постоянных значительных инвестиций и большого объема трудового времени дорогостоящих специалистов. 

Рост продаж обеспечивается за счет тонких настроек на ожидания каждого покупателя. Одно – «жечь напалмом» акции по целой товарной категории, и другое – предложить покупателю товары из разных категорий, в том числе, новинок или достаточно дорогостоящих SKU. Система легко выявляет группы покупателей, для которых стоимость товара – не главное, и эффективно с ними работает. Итог – и маржа цела, и продажи идут. 

Используя сервис Manzana Predictive Analytics для наших партнеров на протяжении нескольких лет, мы уже можем поделиться конкретными цифрами. В результате интеграции автоматизированного решения для формирования персонализированных предложений розничный оборот наших партнеров вырос на 2.5-2.8%. Это цифры сопоставимые с годовым ростом некоторых торговых сетей, а значит, персонализация может привести к удвоению показателей годового роста ритейлера. 

● Коммуникационный

Уникальное предложение – это веский повод усилить связь с покупателем. Если речь идет об e-mail рассылках, то стандартный openrate писем составляет около 13-15%. При запуске индивидуального подхода клиент очень быстро начинает понимать, что получает особые предложения и более охотно открывает письма и переходит по внутренним ссылкам. Индекс открытия таких рассылок, по опыту наших партнеров, достигает – а порой и превышает – 40%.

Если же коммуникация происходит внутри приложения, которое является основной цифровой платформой программы лояльности, то опять же – пользователь чаще заходит в приложение и у него реже возникает желание удалить ресурс сразу после получения чего-то интересного. Покупатель знает, что его не будут беспокоить бессмысленными «пушами», ритейлер готовит что-то интересное, и пользоваться приложением становится попросту выгодным. 

● Ассортиментный

Решение по формированию персонализированных предложений делает более грамотным и более интересным для покупателя работу по продвижению новинок, СТМ и прочих товаров, которые требуют в представлении особого подхода.

Значительная часть покупателей действует по привычным шаблонам и неохотно кладет в корзины совершенно новые товары. Зная об их покупательских предпочтениях и сценариях, можно не просто предлагать им «купить интересную новинку», а создавать контент, который попадет в унисон их задаче в определенный момент времени.

Просто призыв купить – это привычная реклама, а персонализированный призыв, подготовленный на базе миллионов покупок, с указанием конкретных существенных для этого покупателя преимуществ – это проявление заботы и полезный контент.

Юрий Вронский, директор по развитию бизнеса Manzana Group.

Для NEW RETAIL