«Умный» e-commerce: как повысить средний чек с помощью искусственного интеллекта

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