Naucz maszynę marketingu – niech robi to za Ciebie

Naucz maszynę marketingu – niech robi to za Ciebie

Czy możliwe jest tworzenie personalizowanych rekomendacji dla klientów e-sklepu nie mając z nimi osobistego kontaktu? Tak, dzięki sztucznej inteligencji to możliwe. Dowiedz się na czym polega uczenie maszynowe i jak możesz je wykorzystać w swoim e-biznesie. Przekonaj się, że najnowsze technologie są na wyciągnięcie ręki.

Robiąc zakupy w internecie klienci zasięgają opinii innych użytkowników oraz porównują oferty różnych sklepów, a ich wymagania dotyczące komunikacji są bardzo duże. Aby zatrzymać klienta nie wystarcza już masowa komunikacja w formie tradycyjnych newsletterów, powinniśmy komunikować się z każdym odbiorcą personalnie.

Co zyskujemy dzięki personalizowanej komunikacji?

Znając dobrze profil i zachowania użytkownika jesteśmy w stanie dopasować do niego odpowiednią komunikację marketingową. To niezwykle ważne, ponieważ takie działanie może zancznie zwiększyć jej skuteczność. Dodatkową korzyścią jaka wynika z personalizacji treści jest fakt, że nie spamujemy użytkownika komunikatami, które go nie zainteresują. Ponadto taka komunikacja pozwala zdobywać większe zaufanie klienta oraz silniej wiązać go z naszą marką. Dzięki personalizacji użytkownik ma poczucie,  że jest traktowany indywidualnie. Pojawia się w takim razie kluczowe pytanie, jak to zrobić posiadając sklep internetowy odwiedzany przez dużą grupę klientów, z którymi na dodatek nie mamy osobistego kontaktu?

Tutaj z pomocą przychodzą nam najnowsze technologie. Jeśli nasz sklep internetowy jest zintegrowany z systemem eCRM, to ten będzie automatycznie zbierał dane na temat każdego użytkownika odwiedzającego naszą witrynę. Będą to takie informacje, jak historyczne i bieżące aktywności w sklepie internetowym, przeglądane produkty i również te dodawane do koszyka. O tym w jaki sposób to robi możesz przeczytać w tym artykule. Jeśli weźmiemy pod uwagę to ile osób odwiedza nasz sklep w ciągu dnia to okaże się, że zbieramy naprawdę pokaźną ilość danych. Jednak kolekcjonowanie tych informacji na nic się nie zda, jeśli nie będziemy umieli ich wykorzystać.

Co może za nas zrobić sztuczna inteligencja?

Najlepszym rozwiązaniem byłoby przeanalizowanie tych danych, aby dowiedzieć się jakie każdy z naszych klientów ma potrzeby. Jednak własnoręczne uporanie się z taką ilością informacji o użytkownikach jest tak naprawde niemożliwe. Nie wspominając już pisaniu i wysyłaniu osobnych maili np. z propozycją produktów, których kupnem mógłby być zainteresowany indywidualny użytkownik.

Obraz 1: Na podstawie zakupionych przez klienta produktów jesteśmy w stanie stwierdzić jakie jeszcze mogą go zainteresować.

1_

Określ precyzyjnie potrzeby swojego klienta dzięki Segment of one.

W przypadku komunikacji marketingowej bardzo pomocne jest podzielenie klientów na segmenty, których członkowie będą mieli podobne potrzeby i preferencje dotyczące produktów. To pozwala na sprecyzowanie oferty tak, aby była interesująca dla wszystkich w obrębie danej grupy. Z pomocą najnowszych technologii jesteśmy w stanie tak dokładnie określić preferencje klientów, że każdy z nich tworzy swój własny segment nazywany segment of one. To pozwala nam na niezwykle precyzyjne dopasowanie oferty do każdego klienta z osobna.

W jaki sposób uczy się maszyna?

Głównym problemem jaki pojawia się jeśli chcemy zaprzęgnąć maszynę do tego, aby wykonywała za nas część marketingowej roboty jest fakt, iż komputerom ciągle jest jeszcze daleko do tego, aby myślały jak ludzie. Sprzedawca obsługując w sklepie klienta jest w stanie doradzić mu i zaproponować produkty, które mogą go zainteresować. Jeśli więc ten kupuje drukarkę, to sprzedawca wie, że mogą mu się do niej przydać tonery. Aby komputer mógł zrobić to samo co wspomniany sprzedawca musimy go najpierw tego nauczyć. To właśnie osiągamy dzięki machine learning.

Uczenie maszynowe polega zatem na tym, aby maszyna zdobyłą wiedzę, która pozwoli jej na wykonanie pewnych zadań. Dzieje się to w ten sposób, że dostarczamy komputerowi dane, które ten potem analizuje znajdując dla nich wspólną regułę, która je opisuje. Następnie znając już tą regułę może ją wykorzystać do opisania kolejnych danych. W sklepie internetowym może to posłużyć do określenia preferencji naszych klientów. Komputer określa je analizując dane dotyczące tego jakie produkty do tej pory użytkownicy kupowali.

Obraz 2: Rekomendacje w systemie edrone tworzone są na bazie analizy produktów kupowanych w ramach jednej transakcji.

2_gif

Zaleta jaka wynika z używania sztucznej inteligencji do analizy danych to fakt, że komputery mylą się znacznie rzadziej niż ludzie. Jednak uczenie maszynowe to nie tylko sposób na to, aby wyręczyć nas w tej żmudnej pracy. Obecnie technologia zaszła tez tak daleko, że pozwala nam nam na wykonywanie zadań, z którymi człowiek by sobie po prostu nie poradził.

Jak działa machine learning w edrone?

System edrone tworzy rekomendacje analizując zawartość koszyków – to jakie produkty były kupowane w ramach jednej transakcji. Zatem jeśli wielu użytkowników w ramach jednej transakcji kupiło produkty A i B system wie, że klient który kupił jedynie produkt A z dużym prawdopodobieństwem będzie również zainteresowany kupnem produktu B i mu go zarekomenduje.

Przykładowo, jeśli w naszym sklepie internetowym klienci często w ramach jednej transakcji razem z porcelanowym czajnikiem kupują też pasujące do niego filiżanki to algorytm rozpozna tą zależność i kolejnym klientom, którzy kupią czajnik wyśle propozycję kupna filiżanek. Wtedy istnieje duże prawdopodobieństwo, że klient dokupi produkt komplementarny do pierwszego zakupu.

Sztuczna inteligencja dostępna dla każdego

Algorytm rekomendacyjny jest niewątpliwie jedną z największych zalet systemów typu eCRM, w tym edrone. Dzięki temu, że maszyna sama uczy się jakie produkty rekomendować, można go używać w każdym sklepie bez względu na szerokość asortymentu, branże i ilość produktów. edrone pozwala na korzystanie z najnowszych technologii wszystkim sklepom, zarówno tym małym jak i największym.

Zapisz się na WEBINAR, aby dowiedzieć się, jak działa edrone lub spróbuj wersji DEMO

By Daniele Zedda • 18 February

← PREV POST

By Daniele Zedda • 18 February

NEXT POST → 34
Share on