шаблоны для dle, uaBIG.com - инструменты для вашего сайта
 
  
5 идей, способных перевернуть e-commerce
Конкурентная борьба в онлайн-торговле обостряется, и компаниям, которые хотят быть на шаг впереди, уже не обойтись без новых технологий на основе искусственного интеллекта. На выставке ECOM Expo'19 мы познакомились с несколькими новациями, позволяющими исполнить желания e-покупателей и дать конкурентное преимущество в e-commerce.
 
1. «Хочу такой, как на картинке»: новые сценарии выбора товаров онлайн
Проблема. Ежедневно интернет-магазины, маркетплейсы и поставщики размещают в соцсетях тысячи фотографий своих товаров. Красивые картинки особенно актуальны для продажи одежды, обуви, аксессуаров, косметики. Все больше распространяется сценарий выбора, при котором решение о покупке принимается не в интернет-магазине, а в социальной сети, на улице, на обложке журнала, в месте, где человек увидел привлекательную модель. Как найти похожую? Текстовый поиск не дает полностью релевантного ответа, так как человек не знает всех параметров модели и на свой запрос может получить совсем не то, что ему нужно.

По оценкам спикеров ECOM Expo'19, примерно 70% товаров магазинов одежды не показываются при поиске, их практически невозможно найти словами, 84% не обрабатывают запросы с субъективными квалификаторами (дешево, высокое качество), 60% не поддерживают тематические запросы (весенняя куртка, офисный стул), 22% сайтов не поддерживают поисковые запросы на изменение цвета. Покупатели уходят и вряд ли возвращаются.

Решение. Технология визуального поиска, позволяющая найти товар по фотографиям или картинке.

Технология не новая, на Западе крупный ритейл использует в мобильных приложениях возможность поиска товара по картинке уже несколько лет, но в России визуальный поиск пока не получил широкого распространения. Тем не менее на рынке есть готовые отечественные решения.

Понравившийся образ с помощью чат-бота можно переслать в интернет-магазин и получить от него предлагаемую подборку одежды, в которую войдут похожие товары из ассортимента магазина.

Возможна реализация еще одного сценария — поиск аналогов. В больших мультибрендовых магазинах нередко наблюдается ситуация под условным названием «упс, этот товар внезапно закончился», и тогда вместо искомого желтого пиджака посетителю почему-то начинают предлагать штаны или платье того же бренда.

Технология позволяет находить аналог именно искомого товара.
Еще один сценарий — рекомендация сопутствующих товаров, дополняющих образ. Нейронные сети обучаются запоминать образы и подбирать дополнительные товары на основе луков, созданных в интернет-магазинах. По оценкам разработчиков, рекомендации позволяют увеличивать вовлечение и увеличить продажи на 30%.
Технология визуального поиска активно тестируется, реализуются разные сценарии, которых может быть бесконечное множество. По оценке американских специалистов, к 2020 году 25% роста всех интернет-продаж будет связано с технологиями визуального поиска.

2. «Люблю, когда меня понимают»
Проблема. Разные типы людей по-разному воспринимают информацию, реагируют на рекламные сообщения и принимают решение о покупке. Покупатели ждут персональных предложений, адаптированных к их личностным особенностям, предпочтениям и вкусам.

Решение: Сегментация клиентов и составление индивидуальных онлайн-предложений.

На рынке внедряются технологии, позволяющие сегментировать клиентскую базу и адаптировать рекламные сообщения с учетом индивидуальных особенностей личности.

Аудитория покупателей делится на группы, отличающиеся по личностным признакам не менее чем на 40% (возраст, пол, средний чек, время поиска и т. п., — более 250 характеристик, информация собирается из социального профиля, истории прошлых покупок и пр.).

Далее базовое рекламное сообщение интернет-магазина адаптируется под каждый сегмент — изменяется стиль, заголовок, подбираются ценности товара, на которые нужно сделать акцент в зависимости от предпочтений, — новизна, проверенность, популярность, рекомендуется оптимальное время отправления сообщения.

По оценкам разработчиков, такая сегментация позволяет повысить конверсию рассылки в 2 раза.

Что делать с клиентами, которые только пришли и не имеют истории покупок? Уже на первой операции взаимодействия с клиентом программа может сделать «психологическую разметку»: подсказать, опираясь на данные о поиске, на кого из существующих клиентов похож новый клиент и какие характеристики могут его заинтересовать, — например, экстравагантное или консервативное, утонченное или массовое. Так, даже при минимальном наборе данных за 10–20 секунд с точностью до 80% машина может определить, экстраверт или интроверт посетитель, и дать рекомендации.

3. «Люблю сравнивать и устраивать ралли среди магазинов»
Проблема. Люди заказывают товар, но не покупают. Средняя по российскому рынку цифра невыкупленных товаров — 20%, при этом есть магазины, у которых отказы и возвраты доходят до 95%. Невыкупленные заказы совершают тур к месту доставки и возвращаются. Стоимость такого заказа — около 1000 рублей (доставка, расходы на рекламу, работа персонала), потери бизнеса значительные. Ответственность покупателей нулевая, онлайн-магазин в таких ситуациях юридически никак не защищен.

Решение. Черный список покупателей. Почему они не покупают? Надо понимать, что не выкупают товар по разным причинам: не подошло по качеству, прошел импульс желания: захотели — передумали — нашли другое; недобросовестность, потребительский терроризм в интернете. В крупных городах все чаще наблюдается следующий сценарий покупательского поведения — заказывают один и тот же товар в разных магазинах и покупают у того, кто первый доставит.

Решение определяет рейтинг покупателя на основе его прошлых заказов и покупок, а также возраста, региона, пола, товарной группы и многих других параметров.

Данные получают от служб доставки, обслуживающих е-commerce, крупных интернет-магазинов и маркетплейсов. На основе анализа данных формируется репутационный список.

Интернет-магазин в момент заказа может узнать, какая история у этого покупателя (по номеру телефона, имени и другим признакам). Магазин, увидевший недобросовестного клиента с низким качеством заказного поведения, предлагает покупку только по предоплате — частичной или полной. Если репутация прекрасная, можно смело отправлять заказ.

Чтобы не совершить ошибки, нельзя оценивать по одному разу, надо смотреть на всю массу покупок: если у покупателя на 50 отказов приходится 50 покупок, репутация считается хорошей. Но надо помнить, что ситуация динамично меняется, и проверять каждого клиента.

4. «Люблю, когда делятся опытом и жажду увлекательных историй»
Проблема. Всем, кто хочет заинтересовать посетителей интернет-пространства своим предложением, требуется круглосуточно обновлять и обогащать контент. Контент — ключевой стимулятор продаж. Но до сих пор встречаются интернет-магазины со скудным описанием даже дорогих товаров.

Отсутствуют отзывы — самый востребованный у потребителя источник информации. Проблемы с контентом есть не только у мелких, но и у самых крупных игроков на рынках всех стран. Отследить в ручном режиме качество информации при многотысячном ассортименте невозможно.

Постоянный мониторинг контента с анализом и доработкой — сложная задача, особенно для брендов, размещающих сотни SKU своих товаров у разных онлайн-ритейлеров и на разных маркетплейсах.

Решение. Система мониторинга онлайн-контента.

Система позволяет круглосуточно автоматически мониторить и анализировать контент в динамике, с изменениями, происходящими в реальном времени, отслеживать проблемные места.

Анализ делается на основе метрик для оценки качества данных. Есть количественные метрики (количество изображений, отзывов, рейтингов и т. д.) и качественные критерии (разнообразие картинок, соответствие картинок оригиналу, маркетинговому описанию и др.).

Робот аккумулирует действия пользователей на сайте, сканирует все продуктовые карточки, передает данные в систему, где проходит анализ количественных данных.

Нейронная сеть, обработав изображения, дает качественные рекомендации по фотографиям, картинкам и описаниям. Далее происходит калькуляция метрик и подготовка данных к использованию.

5. «Хочу прозрачных отношений»
Проблема. Отсутствие прозрачной коммуникации между поставщиком, магазином и покупателем. Производитель, размещающий свой товар в интернет-магазине, не получает информации о том, в каком количестве и какому покупателю продан товар, куда пошли начисления. Поставщики и магазины имеют закрытые и разные ИТ-системы и возможность исправления данных задним числом. Нет прозрачности в распределении денежного потока, а значит, есть недоверие между партнерами и риск недостоверности данных. Покупатель не доверяет магазину, не зная точно, откуда пришел товар.

Решение. Supply chain на основе блокчейн.

На блокчейн-платформе поставщики могут видеть данные о движении своих товаров: откуда пришли, как продвигаются и продаются. Платформа имеет возможность показывать количество транзакций, алгоритм вычисления движения товара и начисления вознаграждений. Формируется база данных о каждом товаре. Информацию о цепочках поставок имеют возможность получать покупатели, что повышает доверие к бренду.

Основная ценность блокчейн-решения — данные о движении товаров записываются и не могут быть изменены. Таким образом обеспечиваются прозрачность, доверие и минимизация рисков.

Данные платформы могут использоваться как гарант надежности для партнеров, в том числе кредитующих организаций.

Бизнес-эффект — экономия за счет автоматизации и прирост выручки 5–10% в год.

Виктория Максимова, www.retail.ru





Дата: 9-07-2019, 09:24
Категория:РОСТ » Технологии
Комментариев: 0 | Просмотров: 126
   ПОХОЖИЕ НОВОСТИ
Информация
 
Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации.