Dołącz do czytelników
Brak wyników

Temat numeru

30 kwietnia 2019

NR 5 (Kwiecień 2019)

Jak sztuczna inteligencja zwiększa konwersję w sklepie internetowym

0 42

Sztuczna inteligencja (AI, artificial intelligence) stanowi obecnie najpopularniejszy kierunek rozwoju nie tylko w tzw. Martech (marketing technology), ale również w innych obszarach, gdzie zbierane są dane. Od narodzin dyscypliny w połowie lat 50. XX wieku dokonało się kilka przełomów, z których najważniejszy dotyczył trendu danetyzacji, a więc przetwarzania coraz większej ilości danych. To dzięki technologiom Big Data, algorytmy uczące się (ML, machine learning) uzyskują dzisiaj coraz większą precyzję w określaniu prawdopodobieństwa wystąpienia pewnych zdarzeń.

To bardzo ogólne stwierdzenie obejmuje bardzo praktyczne zastosowania. Jeżeli zaobserwujemy, że klienci, którzy wybierają produkt A, w 70% wybierają również produkt C, ale niekoniecznie B, to wiedza ta jest dla marketera bez wątpienia użyteczna. Jednak zaletą zastosowania do rozpoznawania takich zależności algorytmów AI jest to, że potrafią działać w czasie rzeczywistym, dostosowując się do napływu nowych danych, a im więcej danych jesteśmy w stanie zdobyć, aby zasilić algorytmy AI/ML, tym lepiej. 

Na jakich danych możesz operować w sklepie internetowym? 

Podstawowym źródłem danych jest strona internetowa sklepu. Samo monitorowanie strony jest stosunkowo proste – odbywa się przez dodanie przez odpowiedni skrypt ciastka z UUID-em (universally unique identifier, czyli unikalnym identyfikatorem klienta), który będzie stanowił podstawę do stworzenia profilu klienta w CRM (customer relationship management). Dotyczy to zarówno klientów anonimowych, jak i zidentyfikowanych – to znaczy tych, którzy zapisują się na newsletter lub logują się do sklepu internetowego. 

 

Rys. 1. Profil w CRM dla sklepu internetowego powinien zbierać różne rodzaje danych
– nie tylko te deklaratywne podane przy rejestracji, ale wszystkie akcje użytkownika,
transakcje, a także umożliwiać zaawansowaną segmentację klientów. Źródło: Synerise



Dzięki monitorowaniu zachowań klientów możemy przeanalizować najpopularniejsze ścieżki zakupowe oraz podzielić ich według zainteresowań. Wiemy też dzięki temu, co jest dodawane do koszyka – nawet, jeżeli transakcje nie zostały sfinalizowane. Ma to niebagatelne znaczenie dla tego, co będzie prezentowane klientom w rekomendacjach oraz co możemy zrobić, aby zwiększyć konwersję zakupową.

Drugim rodzajem danych, na których bazuje silnik rekomendacji, są dane transakcyjne. Tutaj zawarte są informacje o produktach (ceny, kategorie) oraz zakupach klientów (jakie produkty są kupowane razem, jakie są najczęściej wybierane w danej kategorii itd.). Historyczne dane transakcyjne musimy zaimportować do systemu rekomendacji, a także zapewnić odpowiednią integrację dla danych bieżących. Te dane stanowić będą podstawę m.in. dla kampanii typu cross-sell i up-sell, ale także pozwolą wyróżnić produkty, które sprzedają się najlepiej.

A zatem: co może polecić sztuczna inteligencja? 

W różnych miejscach sklepu możesz umieścić ramki rekomendacji, które będą prezentowały produkty wg różnych kryteriów. Przy wyborze silnika należy pamiętać, że nie wszystkie typy rekomendacji sprawdzą się w każdej branży. 

1. Rekomendacje personalizowane to jeden z najpopularniejszych typów rekomendacji. Popularność stosowania tego typu rekomendacji wynika przede wszystkim z ich wpływu na konwersję zakupową – mogą być wyświetlane użytkownikowi od pierwszych chwil w sklepie. Dopasowanie w...

Pozostałe 70% treści dostępne jest tylko dla Prenumeratorów

Co zyskasz, kupując prenumeratę?
  • 6 wydań magazynu "E-commerce Polska"
  • Dodatkowe artykuły niepublikowane w formie papierowej
  • Dostęp do czasopisma w wersji online
  • Dostęp do wszystkich archiwalnych wydań magazynu oraz dodatków specjalnych
  • ...i wiele więcej!
Sprawdź

Przypisy