Будущее коммуникаций. Поможет ли нам машинный интеллект?

Для чего нужны инвестиции в бренд? Мало кто считает, что это напрямую влияет на продажи. В то же время, все знают, как это работает - за бренд покупатели готовы платить больше только потому, что разделяют философию и хотят ассоциировать себя с ним. За примером далеко ходить не надо - многие хотят иметь айфон только потому, что им близка философия Apple. Но как эту философию грамотно доносить до людей? Ответ очевиден - с помощью правильных коммуникаций. Машинный интеллект так же, как инвестиции в бренд, является важной составляющей, которая может занять место в коммуникационной стратегии любого бизнеса.

Личный пример

Возьмем, к примеру, наш опыт в Digital Contact: в прошлом году мы сделали ребрендинг. Сначала у нас был родной российский бренд, и все нами гордились, потом нас приобрела западная компания и мы слились с массами. Как это повлияло на цифры? Конверсия в продажи упала с 13,6% до 7,5%. Произошло это из-за неправильно построенной коммуникации. Мы не донесли до аудитории то, что на самом деле хотели сказать: “Да, был российский бренд, а теперь мы технологическая компания, которая занимается машинным обучением в маркетинге”.

Когда мы приходим к клиентам – к бизнесу, к маркетингу, к продажникам, нам говорят: извините, e-mail - это коммуникации, а у нас основное – продажи. Или еще хуже: рассылки - это ужасный спам, это раздражает клиентов, плохо для бренда, мы не хотим даже про это думать. На самом деле клиента раздражают не рассылки, а частые и нерелевантные рассылки, когда он получает по 10 писем в день, которые не соответствуют его интересам. Здесь нужно понять, как найти баланс и грамотно выстроить коммуникации.

Не секрет, что грамотная коммуникация повышает стоимость компании и бренда. По нашей статистике, e-mail-маркетинг находится на втором месте по генерации продаж после поисковой контекстной рекламы. Email-маркетинг генерирует продажи - как первичные, так и повторные. Важно понимать, что e-mail и другие популярные каналы коммуникации помогают развивать клиента от первой покупки, от первого знакомства до агента влияния, когда он сам вас рекомендует и становится вашим представителем.

Как найти баланс и не надоесть клиенту?

Это ключевой вопрос, который мы стараемся решить в своей команде. Как сделать так, чтобы продажники были довольны? А они хотят одного: давайте вышлем побольше писем, давайте заспамим всех акциями, расскажем, какие у нас классные товары, чтобы мы получали больше денег. У digital маркетологов своя история: давайте инвестируем в создание огромной схемы, которая продумает и распланирует все на год вперед. Бренд-менеджеры говорят: ребята, какие коммуникации, нужно контактировать с клиентом не больше четырех раз в неделю! Как же найти баланс?

Для того, чтобы все были довольны, мы используем машинные технологии и машинное обучение. Мы уже проверили на себе, как это работает. У нас есть база подписчиков, порядка 5 миллионов. Это наша лояльная аудитория, которая подписывалась на какие-то определенные тематические рассылки, каждый из контактов стоил нам от 50 до 300 рублей. И, конечно, нашу базу мы бы хотели монетизировать.

Для этой цели мы выбрали продукты «Альфа-банка». Разработали стратегию коммуникации, позволяющую донести оффер для конкретной аудитории так, чтобы это не раздражало, и люди оформляли карты. В процессе мы столкнулись с распространенной проблемой - когда мы шлем много, люди отписываются, жалуются, мы теряем базу.

Мы вложили в базу определенное количество денег и, конечно, не хотели их терять, и с помощью машинного обучения пришли к некоторым достижениям.

Отправлено к кликам

На этой схеме хорошо видна вся картина. В январе мы начали наши первые рассылки - красный блок демонстрирует количество рассылок, которые мы отправляли. Затем, где-то с марта, мы подключили автоматизацию без машинного обучения - настроили триггерные цепочки, настроили предзаданные правила, и примерно с июля, когда у нас накопилось достаточное количество данных для анализа, мы подключили машинное обучение. Синий блок - это клики. Мы стали рассылать меньше, а людей стало кликать больше.

На второй схеме - деньги, которые мы заработали на этой стратегии.

Рост продаж

Получается, что можно делать рассылки, зарабатывать деньги и при этом не наносить репутации вреда. Как этого добиться? По большому счету, все, что вам нужно – это данные. Применительно к e-mail-маркетингу – это профиль подписчика: пол, возраст, интересы, и еще порядка 120 полей, которые сгенерированы сайтом. История взаимодействия с письмами: клики, открытия и отписки.

Что может оптимизировать машинное обучение в e-mail-маркетинге для того, чтобы давать результаты? Лично мы сконцентрированы на трех параметрах:

• максимизация конверсии в продажу,
• клики из писем,
• открытия.

Максимизировать конверсию в продажу можно за счет подбора получателей под оффер. Например, у вас есть предложение на кредитную карту «A» и кредитную карту «B». Машина анализирует аудиторию и разделяет людей на группы, предполагая, на кого конкретный человек больше похож из тех, кто раньше уже интересовался этой картой.

Что касается кликов из писем - на них прямо влияют креативы, используемые в рассылках. Кому-то больше нравятся котики, а кому-то деловые письма. Задача машины - определить кому именно и что нравится.

На максимизацию открытий влияет тема письма и поле from - имя отправителя. Можете отправить письмо от Леши из какой-то компании или от имени самой компании. Машина определит какой вариант лучше сработает для конкретного подписчика.

Есть мнение, что e-mail-рассылки важно отправлять в момент, когда человек находится возле компьютера. Мы сделали небольшое исследование и выяснили, что большая часть аудитории заходит и читает почту в одно время: когда приходит на работу, потом в обеденный перерыв, затем когда едет в метро с работы, плюс немного перед сном. Поэтому если вы в это время сделаете рассылку, то, скорее всего, получите внимание пользователя.

Человеческий контроль все равно важен

Машинное обучение заточено на решение определенной конкретной задачи. Когда мы говорим о конверсии, то важно понимать, что машина может принять решение отправить один креатив всем подряд. Как это контролировать? Прежде всего, за счет повышения чувствительности к прогнозируемой вероятности конверсии.

Есть одна забавная история: человек зашел на сайт, ему пришло приветственное письмо «Здравствуй, дорогой подписчик!». А потом машинный интеллект проанализировал и понял, что человек ничего не купит, и ему сразу высылается прощальное письмо: «До свидания, дорогой подписчик, мы на тебя больше время тратить не хотим, потому что ты все равно у нас ничего не купишь». Чтобы этого не происходило, необходимо оставить за собой контроль того, что, в каком порядке и когда отправляется получателю. Решающее слово должно быть в любом случае за вами.

Как такую схему построить у себя в бизнесе

Шаг 1. В первую очередь необходимо собирать информацию о событиях на вашем сайте. Дальше ваша задача – анализировать полученные данные.

Шаг 2. Интеграция с поставщиками данных. Итак, у вас есть данные CRM, есть поведенческие данные, которые вы собрали на сайте, но этого все равно недостаточно. Сейчас на российском рынке есть компании, которые за деньги занимаются обогащением вашей базы.

Шаг 3. Данные - это ничто, если вы не знаете, как их сортировать, обрабатывать и где хранить. Сейчас компании разворачивают у себя Хадуп, Спарк-инфраструктуру и т.д., но это могут позволить себе далеко не все, потому что требуются большие финансовые вливания.

Шаг 4. Когда вопрос хранения и обработки данных решен, можно начинать строить модели. В этом процессе могут быть задействованы все варианты алгоритмов машинного обучения, начиная от простейших линейных и логистических регрессий и заканчивая бустингом, стэкингом моделей и нейросетями. Одинаково важными моментами являются постановка бизнес задачи и перенос этой задачи на математический язык. После верного переноса и определяется список возможных моделей для решения конкретной задачи. Все это обобщается одним модным словосочетанием data science. Сейчас все аналитики побежали, поменяли название на дата сайентистов и подняли зарплату в 2 раза. Это тенденция рынка, но при этом, на самом деле, дата сайентист в компании - это очень нужный человек.

Если смотреть на коммуникации в целом, то мы говорим не только об e-mail. Эта концепция применима ко всем каналам и на всем пути путешествия клиента.

Оптимизация путешествия клиента. Пример сценария взаимодействия

Для конкретного человека мы выбираем канал коммуникации: кому-то e-mail не интересен, кому-то нужны смс, кто-то использует только мессенджеры - здесь нам помогает принимать решение машина.

Подводя итоги

Поможет ли нам машинный интеллект? Конечно. Он уже помогает, это надо признать. Нужно понимать, что персонализация, правильные сообщения в правильное время и правильному клиенту – это данность, это требование, которое уже есть на рынке в данный момент.

Но нужно помнить про этику. Это ключевой момент, когда мы говорим о бренде, о применении новых технологий в коммуникациях. Никому не хочется переступить черту и вторгнуться в личное пространство своего клиента.

Источник: VC.RU