Продуктові рекомендації на основі машинного навчання: інструменти та приклади
Продуктові рекомендації здатні серйозно поліпшити фінансові показники вашого бізнесу. За статистикою Wiser, вони збільшують суму середнього чека на 11%, зменшують кількість покинутих кошиків на 4,35% і підвищують виторг електронної комерції на 31%. Щоб формувати індивідуальні рекомендації, вам необов’язково особисто знати кожного клієнта. Довіривши це завдання штучному інтелекту, ви зможете реалізувати його в будь-яких масштабах — навіть із десятками чи сотнями тисяч покупців.
Ми в Claspo старанно працюємо над тим, щоб впровадити віджети з персоналізованими продуктовими рекомендаціями в наш інструментарій. А поки ми із задоволенням розповімо вам, які бренди використовують цей прийом у стилі "вам може сподобатися", які переваги він дає бізнесу і, чого вже там, які інструменти допоможуть вам реалізувати рекомендації на вашому вебсайті вже сьогодні.
Що таке продуктові рекомендації
Персоналізовані продуктові рекомендації — це набори товарів і послуг, які підбираються під потреби, очікування, смаки та побажання індивідуальних клієнтів. Вони складаються на основі даних про покупця — його поведінки, демографічних, соціально-економічних і психологічних характеристик, історії взаємодії з брендом тощо. Щоб продемонструвати, як працюють продуктові рекомендації, розглянемо простий приклад з офлайнової комерції. Продавець бачить у магазині постійного покупця та викладає на вітрину товари його улюбленого бренду, щоб підвищити ймовірність купівлі та збільшити суму чека.
Звичайно, у цифровому просторі цей процес максимально автоматизований. Продуктові рекомендації на основі машинного навчання (ML) створюються так:
- Відвідувач переходить на сторінку інтернет-магазину.
- CRM ідентифікує його за допомогою системи авторизації, cookie чи пов’язаного акаунту в соцмережах.
- З бази даних завантажується вся наявна інформація — дані з форми реєстрації, записи про поведінку на сайті, ключові характеристики клієнта, джерело трафіку тощо.
- Ця інформація порівнюється з типовими характеристиками сегментів клієнтської бази. Визначається належність відвідувача до конкретної групи.
- Платформа машинного навчання вивчає характеристики клієнтів та історію їхніх купівель. Штучний інтелект знаходить приховані зв’язки, не видимі для людини. Завдяки високій обчислювальній потужності він здатен виконувати мільярди операцій за секунду.
- У дію вступає алгоритм продуктових рекомендацій. Вибираючи оптимальні товари й послуги, він демонструє їх у спеціальному сегменті каталогу інтернет-магазину, в спливному вікні чи на окремому банері.
Штучний інтелект здатен аналізувати дані та ухвалювати рішення в режимі реального часу. Якщо після переходу на сайт користувач переглядає певні продукти й затримує увагу на окремих розділах каталогу, ця інформація одразу може бути використана для поліпшення рекомендацій.
Переваги продуктових рекомендацій на основі ШІ
Один з найпотужніших аргументів на користь технології машинного навчання наводить Salesforce. Підключення інтелектуального модуля продуктових рекомендацій підвищує залученість відвідувачів на 50% і збільшує проведений на сайті час у 4,44 раза. Технологія має також інші переваги, про які ми розкажемо докладніше.
Поліпшений користувальницький досвід
Ми живемо в динамічному світі, де час є найвищою цінністю. Тож ніхто не хоче марнувати його, переглядаючи десятки вебсторінок у пошуках потрібного товару. Застосовуючи продуктові рекомендації на основі машинного навчання, ви допомагаєте своїм клієнтам idblrj знайти та купити саме те, що їм потрібно. Це дуже важливо для просування вашого бізнесу та для створення позитивної репутації бренду. За даними опитувань McKinsey, 67% споживачів називають персоналізовані рекомендації одним з найважливіших факторів у виборі інтернет-магазину. 25% з них взагалі не розглядатимуть пропозиції бізнесу, який не надає їм індивідуального підходу.
Підвищення продажів
Статистика Barilliance свідчить, що відвідувачі сайту, які натискають на продуктові рекомендації з використанням машинного навчання, у 4,5 рази ймовірніше додають товар до кошика та у 4,5 рази частіше завершують покупку. Через це інтернет-магазини зобов'язані 31% від свого загального доходу саме цьому банеру у стилі "вам може сподобатися."
Поліпшення показників лояльності
Швидко купивши потрібний продукт і не зустрівши перешкод у воронці продажів, клієнти захочуть повернутися до вас. Це підтверджується точними цифрами — за даними Bloomreach, персоналізовані рекомендації збільшують імовірність повторної купівлі на 56%. Разом із продажами зростатиме авдиторія лояльних клієнтів, у якій буде утворюватися прошарок адвокатів бренду.
5 топових прикладів застосування продуктових рекомендацій на основі ШІ
Робота над залученням штучного інтелекту до персоналізованих продуктових рекомендацій почалася ще у 2010-х роках. Сьогодні ця технологія вже добре вивчена, що дає змогу створювати безліч сценаріїв її застосування. Вона доступна не тільки великим корпораціям з мільярдними маркетинговими бюджетами — нею може користуватися навіть малий бізнес. Наводимо приклади ефективного застосування ШІ для індивідуальних рекомендацій.
1. Spotify
Один з лідерів у розробленні й використанні штучного інтелекту для маркетингових завдань. Компанія створила надскладні моделі машинного навчання, здатні аналізувати сотні параметрів пісень — від частотних характеристик до емоційності тексту та кількості слів. Результатом їхньої роботи є персоналізовані плейлісти, у яких треки навіть розбавляються коментарями віртуального діджея.
Ще один чудовий приклад продуктових рекомендацій від Spotify — подкасти. Компанія уклала угоду з Google, яка дозволила перевести всі наявні аудіофайли в текстовий формат, проаналізувати їх за допомогою сервісів Big Data й визначити індивідуальні смаки кожного користувача. Spotify не розкриває точних результатів упровадження нових технологій, але ми можемо побачити їхній вплив на загальний прибуток компанії, який за останні 5 років зростає на 35% щорічно.
2. Amazon
Кращий приклад продуктових рекомендацій у сегменті e-commerce наводить маркетплейс № 1 у світі. За даними McKinsey, 35% його доходів генерує саме штучний інтелект, що створює індивідуальні набори товарів для відвідувачів сайту. Своїм успіхом він завдячує комплексній екосистемі Amazon, у яку входять стримінгові сервіси, служби доставки їжі, розумна побутова техніка та багато іншого. Маючи величезний масив даних для навчання ML-моделей, компанія може робити дуже точні прогнози щодо потреб і вподобань споживачів.
Amazon використовує доволі простий візуал — окремий рядок з рекомендованими товарами в каталозі. Це ідеальне рішення для великого маркетплейсу із сотнями тисяч товарів.
3. Kappa
Італійський бренд преміального спортивного одягу під’єднав до свого інтернет-магазину багатофункціональний штучний інтелект. Його модель машинного навчання генерує наповнення для таких блоків:
- «Раніше ви переглядали»;
- «Із цим товаром також купують»;
- «Доповніть свій лук»;
- «Вам також можуть сподобатися»;
- «Зараз у тренді».
Результатами застосування ШІ стали підвищення конверсії на 17% і збільшення залученості відвідувачів сайту на 40%.
Хоча Claspo ще не використовує ШІ у своєму функціоналі (поки що!), ви вже можете реалізувати деякі з перерахованих вище ідей з нашими спливающими вікнами. Наприклад, додайте наш слайдер на сторінки товарів та демонструйте інші продукти з вашого асортименту, які зараз у тренді чи які ідеально доповнять той товар, який проглядається прямо зараз. Це допоможе покупцеві створити свою ідеальний лук та збільшить середню вартість замовлення.
4. Sambag
Австралійський бутик є чудовим прикладом розсилки email із продуктовими рекомендаціями. Він застосовує штучний інтелект, який оцінює куплені товари за десятками характеристик: кольором, фасоном, стилем, належністю до певних колекцій тощо. Через певний час після завершення купівлі він нагадує про магазин, відправляючи на email пропозицію доповнити цей лук новими товарами.
Sambag використовує ШІ не тільки для рекомендацій, а й для написання тексту листів. Генеративний штучний інтелект персоналізує розсилки — позитивно оцінює смак клієнта, вітає його з купівлею чи просто дає корисну пораду.
5. Gym + Coffee
Якщо ви шукаєте приклад застосування продуктових рекомендацій в ecommerce-бізнесі невеликих масштабів, зверніть увагу на цей кейс. Ірландський виробник одягу довірив штучному інтелекту не просто підбір товарів, а й вибір віджетів, які демонструються відвідувачам інтернет-магазину. Залежно від поведінки, джерела трафіку та ключових характеристик вони можуть бачити спливні вікна з індивідуальними рекомендаціями, трендовими продуктами, лідерами продажів чи акційними товарами. ШІ збільшив рівень конверсії бренду на 18% і підвищив середню суму чека на 5%.
Claspo також забезпечує персоналізацію на вашому вебсайті! З нашим таргетингом, ви можете показувати спливаючі вікна з індивідуальним контентом відвідувачам, які перейшли на сайт з певного джерела трафіку або конкретної промо-кампанії.
Більше того, якщо ваше оголошення з'являється у пошуковій системі за певним ключовим словом, віджет Claspo може вітати на сайті тільки тих, кого привела саме ця реклама! Тобто, якщо людина шукала в Google "зручні кросівки", натрапила на вашу рекламу і прийшла у ваш магазин, наше спливаюче вікно може з'явитися з текстом на кшталт: "Досить шукати зручні кросівки! Переходь у каталог і вибирай зі знижкою 20%." Результат? Спрощення пошуку для покупців та збільшення продажів для вас!
Інструменти для створення продуктових рекомендацій на основі штучного інтелекту
Штучний інтелект і машинне навчання — це дуже цікаво в теорії, але практика може здаватися надто складною, особливо для малого бізнесу. На щастя, сьогодні вам необов’язково бути гуру в сфері математики та програмування, щоб застосовувати ці технології. Ми розглянемо топові інструменти для створення продуктових рекомендацій, доступні кожному.
1. ShopAgain
ShopAgain — простий сервіс, який легко підключається до більшості популярних CMS включно із Shopify. У ньому вже представлено кілька шаблонів продуктових рекомендацій — за характеристиками й поведінкою користувачів, за обсягами продажів або історією купівель. ShopAgain підтримує роботу з віджетами, а також із розсилками в email, SMS або WhatsApp. Сервіс має функції генерації скорочених посилань та QR-кодів.
2. Wiser
Wiser — професійне програмне забезпечення для продуктових рекомендацій, яке підключається до Shopify за кілька кліків і пропонує готові сценарії маркетингових кампаній: кроспродаж і допродаж, вітальні бонуси та спеціальні пропозиції для постійних покупців.
3. Recombee
Recombee — ШІ-сервіс продуктових рекомендацій, що підходить для будь-якого бізнесу у сфері e-commerce, від найменшого магазину до гігантського маркетплейсу. Серед його унікальних переваг слід назвати функції соціального підтвердження — віджети для демонстрації нещодавно куплених товарів і найпопулярніших продуктів у певному регіоні. Штучний інтелект Recombee навчається в режимі реального часу — кожна дія відвідувача на вашому сайті підвищує його точність.