Как персонализация способна изменить рынок eCommerce

В последние годы наблюдается взрывной рост интереса к персонализации в eСommerce. Пользователи ожидают индивидуального подхода, индивидуальных предложений, индивидуальной поддержки. Для компаний это возможность продавать больше, повышать лояльность клиентов, сокращать издержки. Отдельные ожидания возлагаются на искусственный интеллект и веру в его «безграничные возможности». На что всё-таки способна персонализация и насколько всесилен ИИ — разберём в статье.

На рынке eСommerce ходит много разговоров об эффектах персонализации. Сразу откроем секрет: если компания внедрила какой-то эффективный механизм, да ещё и на базе искусственного интеллекта, она не будет делиться кейсом и раскрывать секрет успеха. И никто не поделится реальными цифрами.

Тем не менее, делать гипотезы и наблюдать, как тот или иной инструмент внедрён в бизнесах, мы можем. Например, по удачным примерам персональных рекомендаций видно, что Макдональдс, Самокат и Пятёрочка умеют увеличивать стоимость корзины процентов на 20–30. А Альфа-банк явно сокращает время клиента при посещении их отделений, предлагая именно ту услугу, которую он изучал минуту назад в их приложении, или на которую делал запрос.

Несмотря на высокий интерес к теме, компании пока не до конца используют возможности персонализации. По подсчётам McKinsey и Salesforce из-за этого компании недополучают до 10–15% выручки и даже 25% и выше — в случае с некоторыми компаниями, работающими только в цифровом формате.

Тенденция будет только нарастать. Это на растущем рынке поставщики товаров и услуг могли позволить себе продавать «всё и всем». В условиях же поделённых ниш и жёсткой конкуренции выигрывать будут те, кто больше знает о клиентах. Это лучше всего видно на примере компаний из фудтеха и экспресс-доставок, где схватка давно идёт не на жизнь, а на смерть. Именно они сейчас в авангарде применения технологий.

С информацией о клиентах у компаний появляется большой простор для манёвра: они могут делать персональные рекомендации, сегментировать аудитории, предлагать персональные акции и скидки, а также создавать удобные персональные кабинеты для пользователей.

Это в свою очередь имеет прямое влияние на улучшение ключевых бизнес-метрик: коэффициента конверсии, показателей лояльности, средней стоимости заказа.

Возможность принимать решения в бизнесе на основе объективной информации — следующий аргумент в пользу изучения своей аудитории. Ещё одна утраченная роскошь растущего рынка — возможность забивать склады, потому что «скупят всё». С тех пор, как выбор площадок у покупателей увеличился в разы, простая стратегия «поставить побольше» кондиционеров к лету или цветов к 8 марта больше не работает.

Сбор информации о клиентах помогает планировать объёмы закупок, менять, расширять или, наоборот, сужать ассортимент. В ситуации последних нескольких лет, когда ритейлерам приходится на ходу менять логистику и поставщиков, правильное планирование ассортимента может спасти бизнес.

Проблема в том, что даже опытным маркетологам и товароведам не под силу учесть всё многообразие факторов, которые повлияют на спрос сейчас. Тут на помощь приходит искусственный интеллект, который умеет быстро анализировать огромные объёмы данных и выводить корреляции, которые человеку будут не очевидны.

Мы все привыкли, что алгоритмы, основанные на изучении маркетологами статистики покупок, подскажут не забыть купить соль к порошку для посудомойки или сыр к хлебу на завтрак. Но искусственный интеллект может сделать настройку ещё тоньше, приняв к анализу на порядок больше данных, чем это сделал бы человек: текущий контекст (время суток, местоположение, устройство), ваше текущее поведение (например, поисковые запросы), реакцию на предыдущие рекомендации, поведение похожих пользователей и т.д.

Искусственный интеллект не работает без человека — он настраивает алгоритмы, задаёт ТЗ, управляет обучением ИИ. Так что маркетологи не останутся без работы. Но понимание, как работать с новыми технологиями, уже стало одним из требований к профессии.

Пока у менее конкурентных ниш и тех сегментов торговли, где доля спонтанных покупок невелика, есть время. Они успевают освоиться с искусственным интеллектом и поэкспериментировать с ним, оценить рентабельность внедрения и эффект. Есть инструменты, которые позволят проверить гипотезы в тестовой среде в течение короткого времени (например, квартала). За это время нужно изучить хотя бы базовые показатели: средний чек и retention (удержание клиентов). После этого можно принимать решение о том, вкладываться ли во внедрение технологии и, если да, то когда.

Но даже если у вашего бизнеса есть люфт и нет необходимости стартовать в гонке за технологии, я бы не успокаивала себя этим. Главное, что должен делать любой бизнес сейчас — формировать базу знаний о клиенте: демографических (пол, возраст, география), поведенческих (история просмотра товаров и услуг, действия на сайте и в приложении, брошенные корзины), информации о контексте и ситуации (используемые устройства, время суток, в которое совершает действия), социальных (контакты, окружение, интересы).

Список может быть многократно продолжен. Какие-то бизнесы могут даже увлечься и довести персонализацию до вредного предела. Тогда клиенту может показаться, что бренд лезет ему в голову и нарушает личное  пространство. Но большинство компаний пока далеки от этой черты, и учёт хотя бы базовой информации о пользователе и его предпочтениях —  им необходим как воздух: и для работы человека, и для искусственного интеллекта.