Три мощных способа повысить лояльность клиентов в e-commerce

Современный потребитель искушен и сильно занят. Представьте, он заходит на сайт интернет-магазина и выбирает смартфон. На карте 10 тысяч рублей, а в душе большое желание уложиться в отведенный лимит. Каково будет его разочарование, когда после оставленной о себе информации, придет рассылка с предложением «скидки на iPhone»? Интернет-магазин не понял, чего хочет потенциальный потребитель, или не посчитал нужным понять.

Такой подход может стоить интернет-магазину клиента. Чтобы этого не случилось, важно дать почувствовать потенциальному потребителю себя особенным. В магазинах в офлайне это делает продавец-консультант: он выслушивает пожелания и предлагает подходящие товары или услуги. С сегментом e-commerce проблему индивидуального подхода решает персонализация. О том, что это такое, и как она влияет на лояльность клиентов, поговорим в статье.

Персонализация и машинное обучение

Персонализация ㅡ подбор контента, продуктов, способа и канала коммуникации под конкретного человека. Маркетологи персонализируют рассылки, сайты и лендинги, рекламные кампании. Все, о чем в них рассказывают, что предлагают ㅡ уникально для каждого сегмента аудитории. Сегменты объединяются по схожим признакам: пол, возраст, семейное положение, место жительства, поведение на сайте. Данные о пользователях могут быть любыми, какие-то из них анализируют маркетологи или аналитики. Вручную это делать долго и сложно, поэтому на помощь приходит машинное обучение.

Как это работает?

Пример. Влад зашел на сайт интернет-магазина по продаже смартфонов. Просмотрел несколько телефонов до 10 тысяч рублей. Но понравился ему Xiaomi Redmi 4. Цена смартфона немного не вписывалась в бюджет Влада, поэтому он оставил свою электронную почту, чтобы быть в курсе спецпредложений и закрыл страницу. Через несколько часов на почту Владу упало письмо с акцией на Xiaomi.

Машина проанализировала поведение Влада на сайте: определила, что он искал телефоны до 10 тысяч рублей, но при этом долго изучал Xiaomi Redmi 4, который стоил 12 тысяч.

Совсем без маркетологов обойтись невозможно: они анализируют данные, которые собрали алгоритмы. Если каких-то данных о пользователе не хватает, а потом они появляются, то в модель для машинного обучения будет добавлена вновь полученная информация. Благодаря собранным данным, пользователи объединяются в кластеры с похожим набором поведенческих характеристик.

Пример. Вместе с Владом в целевой группе оказались еще Игорь, Глеб и Артем. У них бюджет на смартфон тоже не больше 10 тысяч рублей, и им приглянулся Xiaomi Redmi 4, который в этот бюджет не вписывается. Ребята живут в Новосибирске, их средний доход чуть выше 50 тысяч рублей. Они женаты.

Задача интернет-магазина: сделать так, чтобы ребята купили смартфон. Как ее решить, используя машинное обучение?

Способ 1. Подстраиваться под возможности аудитории

Динамическое ценообразование ㅡ важное направление использования машинного обучения в e-commerce. Это изменение цены на товары или услуги в зависимости от их ценности для клиента и его возможностей их купить. Машинное обучение способно учитывать спрос, предложение и определять границы эластичности по цене для каждого товара или услуги.

Пример. В случае с Владом машинный интеллект определил, что смартфон Xiaomi Redmi 4 имеет большую ценность, чем все остальные телефоны на сайте. Но не вписывается в бюджет. Поэтому цена на товар была изменена, учитывая возможности Влада и его желание приобрести смартфон. Финальная стоимость смартфона при этом осталась в рамках допустимой для продавца.

Поскольку алгоритмы самообучаются, они легко адаптируются под изменения рынка или потребительского поведения. Причем ситуация работает не только в сторону покупателя. Может так случиться, что машинный интеллект, изучив поведение пользователя в интернет-магазине, покажет товар с ценой немного выше, чем это есть на самом деле.

Пример. Влад поменял работу, и за год его зарплата увеличилась втрое. Он решил поменять Xiaomi Redmi 4 на iPhone. Так как в прошлый раз ему понравился интернет-магазин, он снова обратился к нему. Как только Влад зашел на сайт, алгоритмы машинного обучения идентифицировали его. И когда он отфильтровал для показа только iPhone, они определили значимость марки и увеличили стоимость на каждую модель на 3%.

Способ 2. Создавать релевантный контент

По данным исследования Criteo и IDC, 66% маркетологов считают, что технологии машинного обучения могут создать качественный, релевантный потребностям аудитории, контент.

На сайте

Машинное обучение умеет показывать каждому посетителю ту версию сайта, которая завладеет его вниманием целиком и с большей вероятностью приведет к целевому действию.

Пример. Проанализировав поведение Влада на сайте, алгоритмы машинного обучения показали на главной странице предложение с Xiaomi Redmi 4 по сниженной цене.

Также могу привести в пример интересный кейс автомастерской. Цель ㅡ увеличить число заявок, конвертируемых в продажи. Источник лидов ㅡ контекстная реклама, которая ведет на лендинг. Потенциальный клиент, вбивая в поисковую строку запрос «замена капота на Kia Rio», переходит по первой ссылке из выдачи и попадает на посадочную страницу. Чтобы он не ушел к конкуренту, ML на посадочной показывает тот контент, который отвечает запросу потенциального клиента: что-то вроде «замена капота на Kia Rio любого года выпуска». Потенциальный покупатель, видя релевантный контент, быстро движется по воронке к целевому действию.

В рассылках

Собрав данные о посетителях на сайте, машина их группирует в узкие целевые группы. Она автоматически создает списки под рассылку с конкретным предложением и контентом. Отправляются письма в тот момент, когда пользователь точно просматривает почту. Машинный интеллект анализирует активность потенциального покупателя и выбирает предпочтительное для отправки письма время.

Так открываемость писем увеличивается. Если посетитель, помимо адреса электронной почты, указал дополнительные средства связи, алгоритм выберет наиболее подходящий в данный момент канал. Это могут быть SMS, пуш-уведомления в браузере, сообщения в мессенджерах или письма на электронную почту.

В рекламных кампаниях

Алгоритмы машинного обучения можно научить идентифицировать посетителей, которые больше других склонны к покупке. Для этого маркетологам необходимо разработать свою оценку «перспективности» контакта. Алгоритм может проанализировать языковые особенности, которые повышают вовлеченность и способствуют увеличению кликов. После чего он составит список ключевых слов, которые маркетологи используют при составлении объявлений для рекламных кампаний.

Пример. Влад ㅡ вероятный покупатель интернет-магазина со смартфонами, но его нужно подтолкнуть. Нужно показать ему преимущества Xiaomi Redmi 4. Алгоритм просчитал, что у всех телефонов, которые Влад смотрел, была карта памяти на 32GB и 2 SIM-карты. Это значит, что Влад ищет телефон с такими характеристиками, и ему это важно. На главной странице сайта машина показала баннер с текстом про технические преимущества и снижение стоимости на смартфон до допустимого бюджета Влада.

Способ 3. Прогнозировать поведение потенциальных покупателей

Подробнее: Rusbase