Personalizuotos rekomendacijos, apdorojant įspūdingą kiekį duomenų
Kadaise rekomendacijos būdavo išrenkamos pagal tai, ką vartotojas pažymėjo kaip jį dominančią kategoriją. Vėliau pereita prie išmanesnių rekomendacijų, paremtų buvusiais pirkiniais ir naršymo istorija konkrečioje el. parduotuvėje. Na, o šiais laikais naudojama daug daugiau duomenų: visa naršymo istorija, demografinė informacija, įrenginio duomenys, vietovę, dienos laiką, taip pat ir socialiniai tinklai.
„Galingos sistemos, galinčios apdoroti didžiulius duomenų kiekius, tampa vis prieinamesnės net ir smulkiems ar vidutinio dydžio verslams, jie rečiau renkasi bendrines sistemas debesyse. Todėl šiais laikais didžioji dalis el. parduotuvių net ir Lietuvoje yra išmanios ir itin įtraukiančios. Jos vis dažniau naudoja pažangius, konkrečioms parduotuvėms pritaikytus sprendimus, užuot rinkusios senus, mažiau efektyvius būdus, kurie remiasi spėjimais. Tyrimai rodo, kad „Amazon“ net 35 proc. savo pardavimų atlieka būtent dėl veiksmingų rekomendacijų klientams. Kitaip tariant, nemaža dalis „Amazon“ klientų prekes įsigyja to net neplanavę“, – pasakoja Rėdas Šimelis, „3RTechnology“ vadovas.
„Amazon“ paskyrų administravimo agentūros „AMZ Bees“ įkūrėjas Klaidas Šiuipys teigia, kad šio technologijų giganto algoritmai kreipia dėmesį į daugybę veiksnių: ne tik produkto pardavimų skaičių, bet ir į kiek laiko potencialūs pirkėjai praleidžia produkto puslapyje, kada yra pereinama į kitus puslapius, kada grįžtama į paiešką ir kada prekė dedama į krepšelį. „Pagal tai maksimaliai optimizuojama paieška, rekomendacijos, atrandama tobula prekių kombinacija, kuri gali sudominti pirkėją, į paiešką vedantį kurią nors frazę.“
Dinaminė kainodara sukelia azartą ir baimę praleisti gerą kainą
Viena iš veiksmingiausių el. prekybos sektoriaus strategijų – dinaminė kainodara. Visiems puikiai žinoma, kad ji jau ganėtinai ilgą laiką taikoma oro linijų bei nuomos platformų, tačiau šios technologijos yra naudojamos ir el. parduotuvių.
El. parduotuvės automatiškai koreguoja savo kainas, remdamosi paklausos svyravimais, konkurentų kainomis ir netgi konkrečių klientų elgsena. Pavyzdžiui, dirbtinis intelektas gali analizuoti panašaus profilio pirkėjų veiksmus ir išorinius veiksnius, tokius kaip paros laikas ar oro sąlygos, kad galėtų pasiūlyti asmeniškai pritaikytas akcijas.
„Amazon“ savo produktų kainas koreguoja stebėdami daugybę kitų pardavėjų visame internete. Tikėtina, kad tą daro ir dalis lietuviškų el. pardavėjų, kadangi infrastruktūra, reikalinga tokiems išmaniems sprendimams, tampa vis prieinamesnė net ir mažesniems rinkos žaidėjams. K. Šiuipio teigimu, asmeninis kainų taikymas dažnai nėra labai asmeninis, tačiau taikomas pagal specifines grupes: „Pavyzdžiui, išmanios „Amazon“ sistemos automatiškai skirsto auditorijas ir kiekvienai iš jų pritaiko nuolaidų kuponą. Pagal ką tiksliai tos auditorijos yra skirstomos ir kaip tiksliai kainodarą „Amazon“ taiko savo produktams, pasakyti sunku, tačiau neabejoju, kad aspektų yra itin daug, kadangi šių įrankių tikslumas – milžiniškas.“
Kainų automatinis koregavimas yra itin veiksminga strategija, kuri dažnai gali būti derinama su specialiomis loterijomis (pavyzdžiui, virtualiu laimės ratu), labai trumpai trunkančiomis akcijomis ir panašiais elementais, primenančiais lošimus. Kai kuriems rasti produktą už gerą kainą sukelia azartą, o el. parduotuvės tampa tarsi tokių žmonių kazino – jeigu el. parduotuvės naudojama dirbtinio intelekto sistema gali atpažinti tokį azartišką potencialų pirkėją, pardavimai gali būti nesunkiai paskatinti panaudojant personalizuotas rekomendacijas ir nuolaidas.
Prognozės, pagal kurias yra pritaikoma rinkodara
Dirbtinis intelektas ne tik reaguoja į pirkėjų veiksmus, bet ir juos leidžia nuspėti. Paprastai tokie modeliai remiasi panašų profilį turinčių vartotojų duomenimis ir pagal tai nuspėja, kaip elgsis kitas panašus lankytojas.
Pavyzdžiui, jeigu parduotuvėje dvidešimt jūsų amžiaus ir lyties pirkėjų, esančių iš to paties miesto ir užvakar skaičiusių tris tas pačias naujienas portale, nusipirko tam tikrus kvepalus, tie kvepalai bus rekomenduojami ir jums.
R. Šimelis tikina, kad tai yra itin veiksmingas, tačiau techniškai sudėtingas metodas pardavimams didinti: „Pasinaudojant net ir nebrangia įranga bei viešai prieinamais dirbtinio intelekto modeliais ir įvairiais duomenimis, galima ganėtinai dideliu tikslumu nuspėti klientų elgesį. Pagal DI prognozes, reklama gali būti siunčiama į el. paštą ar netgi rodoma socialiniuose tinkluose. Dėl to kai kurie galvoja, kad soc. tinklų programėlės jų klausosi, nors iš tiesų tai – protingi algoritmai, nuspėjantys jūsų norus pagal tai, ką yra darę į jus panašūs asmenys. Taip, tokios sistemos yra itin sudėtingos ir reikalauja nemažų resursų, tačiau tiek mažesni, tiek didieji rinkos žaidėjai vis dažniau išgali įsigyti tokius sprendimus.“
Pokalbių robotai keičia įprastus klientų aptarnavimo specialistus
Numatoma, kad 2023–2028 metais vieną iš šešių klientų problemų visame pasaulyje spręs dirbtinio intelekto pokalbių robotai. Nemaža dalis įmonių, ypač anglakalbėse šalyse, jau dabar atsisako didžiosios dalies savo klientų aptarnavimo specialistų.
Mažosios el. parduotuvės dažniausiai naudoja trečiųjų šalių sukurtus pokalbių robotus, tačiau didesnės bendrovės renkasi kurti savo įrankius, pritaikytus konkretiems poreikiams. Visgi, tokiu atveju labai svarbu pasirūpinti tokio pokalbių roboto kokybe ir galimybe klientams susisiekti su tikru aptarnavimo specialistu.
Beveik 30 proc. „CGS“ apklausos respondentų nurodė, kad galimybės susisiekti su tikru žmogumi trūkumas sukėlė nusivylimą prekės ženklu, o tai reiškia prarandamus pardavimus ir prastėjančią reputaciją.
Tiesa, galimybė gauti pagalbą visą parą padidina šansus išlaikyti pirkėjus, klientai jaučiasi vertinami ir paprastai yra labiau linkę grįžti pirkti ateityje. Be to, pokalbių robotai, atsižvelgdami į naudotojų sąveiką, gali teikti suasmenintus produktų pasiūlymus, taip dar labiau skatindami įsitraukimą ir pardavimus.
