Как предсказать поведение покупателей и продать им то, что им действительно нужно?
Ведомости приводят в пример опыт Константина Баяндина, директора по онлайн-маркетингу ozon.ru:
Три основных тренда в цифровом маркетинге действительно помогают компаниям увеличивать продажи. Они подходят не только Ozon.ru с его теперь уже 4,7 млн товарных позиций в 27 категориях, но и каждой компании практически из любой сферы.
- Искусственный интеллект. Новые технологии дали возможность все делать гораздо быстрее: получать прямые сигналы о поведении клиентов, проводить исследования именно по тем областям, которые нуждаются в оптимизации (например, продажи). Искусственный интеллект помогает выявить связь между данными о поведении потребителей и выбранными бизнес-показателями компании – выручкой, например, или прибылью. Весь маркетинговый цикл начиная от сбора информации до построения модели и ее внедрения схлопнулся до дней, минут и даже секунд.
- Смещение фокуса с каналов коммуникации на аудиторию. Сегодня оптимизация каналов и оптимизация аудитории стали двумя разными задачами. Цифровой маркетинг появился, когда технологии дали возможность работать с большими объемами данных, извлекая из них полезную информацию. Но за этими массивами данных маркетологи часто уже не различают покупателей – они бросились изучать эффективность коммуникационных каналов: где и у какого баннера выше кликабельность, у какого канала и кампании более высокая отдача на вложения… Теперь пришло время вернуться к изучению того, кто наши покупатели, что нужно сделать, чтобы сохранить клиентов и уберечь от влияния конкурентов.
- Детализация, или отказ от усреднения больших массивов данных. Изучать клиентов проще, разбив их на мелкие группы. И здесь лучше всего работает поведенческая классификация клиентов – она позволяет понять, когда клиент в последний раз покупал именно у вас, что именно и прочее.
Как использовать эти три тренда на практике? Ключевым является сбор информации обо всех посетителях и ее использование в технологиях машинного обучения для поиска закономерностей. Это универсальный подход, который может использовать любой бизнес. У каждого клиента есть ID, у каждого продукта есть ID, все шаги клиента поддаются изучению вплоть до каждого клика: как он пришел на сайт, что искал, как реагировал на имейлы, как пообщался с колл-центром. Вопрос только в том, как использовать эти данные и какую модель выбрать для прогноза поведения потребителей.
Модель, которую выбрал Ozon.ru, можно назвать CBR. Вычисляется вероятность возвращения клиента на сайт при переходе с бесплатного канала, т. е. по собственной инициативе (come), вероятность покупки в случае посещения сайта (buy) и ее стоимость (revenue). Такие подсчеты делаются ежедневно для каждого посетителя последние несколько месяцев. Точность прогнозов удивительна, особенно в отношении выручки на одно посещение (RPV, revenue per visit). Теперь мы видим тех посетителей, у которых ожидаемый RPV в несколько раз выше среднего – 100–1000 руб. на визит. Посетителей объединяют в 20 основных групп по ожидаемому RPV.
В итоге внедрения модели CBR наш оборот после поиска по ключевым словам (не содержащим брендовые запросы) в Яндексе вырос на 250%, а одновременно улучшилась и доходность инвестиций.