Як використовувати AI в direct-маркетингу
Технології AI стрімко розвиваються, тож усе більше фахівців із різних сфер можуть використовувати їх для ефективної роботи. Машина за короткий час обробляє великі об’єми даних, аналізує їх і видає прогнози стосовно розвитку тих чи інших процесів.
У статті контент-маркетолог омніканальної CDP eSputnik Валерія Шудрик розповідає про найбільш затребувані технології штучного інтелекту для прямої взаємодії з клієнтами. А також, яких результатів можна досягти за допомогою алгоритмів, на прикладах клієнтів eSputnik: маркетплейсу акційних пропозицій «Покупон» і мобільного застосунку RetouchMe.
Переваги використання AI
За даними Statista, найбільшу вигоду від впровадження технологій штучного інтелекту отримують відділи маркетингу та продажів. 74% опитаних зазначили, що завдяки AI доходи цих відділів зросли на 5% і більше. Найактивніше його використовують для вдосконалення клієнтського досвіду.
Як ШІ допомагає в direct-маркетингу:
- Ефективне використання робочого часу – за допомогою ШІ спеціаліст може швидше створити й запустити успішну кампанію. Згідно з дослідженням Salesforce, у топі варіантів використання ШІ в маркетингу 3 з 5 стосуються автоматизації процесів. Приклад цього – тригерні розсилки, що автоматично відправляються у відповідь на конкретну дію або бездіяльність користувача. Це вивільняє час на тестування та вдосконалення стратегії.
- Оптимізація бюджету – зниження витрат відбувається завдяки розсиланню пропозицій зацікавленому сегменту аудиторії через правильні канали. Так бізнес не лише витрачає менше грошей на комунікації, а і підвищує прибуток від них.
Технології AI в direct-маркетингу
Технологія ШІ спирається на машинне навчання й великі дані (Big Data). Для їхнього збирання, зберігання та обробки використовують CDP.
Платформи клієнтських даних дозволяють уніфіковувати всю отриману інформацію про кожного користувача в єдиному клієнтському профілі. Далі алгоритми нейронної мережі аналізують дані, виявляють тенденції й закономірності в поведінці користувачів. Це дозволяє маркетологу краще розуміти аудиторію, її потреби, інтереси й бажання. Без AI було б складно опрацьовувати величезний обсяг постійно оновлюваних поведінкових даних клієнтів. Особливо, коли йдеться про масштабний бізнес.
Алгоритми машинного навчання постійно розвиваються, вони аналізують історії замовлень, дії користувачів на сайті, у мобільному застосунку, в каналах комунікації. Це дозволяє формувати індивідуальні пропозиції, які найімовірніше зацікавлять клієнтів. За статистикою української CDP eSputnik, персональні товарні рекомендації генерують близько 20% онлайн-виторгу магазинів.
Розглянемо детальніше, як інструменти ШІ допомагають маркетологам ефективніше взаємодіяти з підписниками.
Сегментація
Відповідно до того ж дослідження, 74% опитаних маркетологів користуються АІ для покращення сегментації клієнтів. Великі дані дозволяють ділити контактну базу на гіперцільові сегменти. Система визначає користувачів, які відповідають низці критеріїв. Наприклад, поведінка (купував певний товар Х разів), купівельна спроможність (середній чек покупок за тиждень). Наступний крок у сегментації за допомогою ШІ – сегментація за івентами. Будь-яка подія (наприклад, покупка), параметр (наприклад, конкретний товар) або їхня комбінація може бути умовою для формування групи.
Чим більше точних умов маркетолог додає до сегменту, тим вужче коло контактів у ньому. А це означає, що вірогідність зацікавити користувача офером із розсилки буде вищою. Наприклад, якщо в магазині планують акцію на конкретний товар, то сегментація дозволяє зробити прицільні продажі: підібрати тих, хто цікавився продуктом раніше, і виключити тих, хто вже придбав його протягом останніх Х тижнів.
RFM-сегментація
Для оптимізації маркетингової стратегії потрібно аналізувати поведінку клієнтів. На основі зібраних даних CDP формують RFM-аналіз за продажами та за активністю в розсилках.
Алгоритми можуть прогнозувати, коли клієнт перейде з одного сегмента до іншого. Скажімо, контакт зробив кілька замовлень, а потім протягом Х місяців нічого не купував. Система визначить, що є ймовірність його втратити. Він потрапить до групи контактів, яким потрібно надіслати реактиваційну серію повідомлень. Далі на основі RFM-аналізу можна налаштувати тригери. Так, потрібний email автоматично відправлятиметься користувачу, коли він перейде у відповідний сегмент.
Предиктивна сегментація
Алгоритми AI спроможні передбачати наступні дії користувачів. У такі предиктивні технології вкладають кошти 74% опитаних маркетологів.
За непрямими ознаками алгоритми визначать користувачів, які з певною часткою ймовірності готові конвертуватися в покупців. Система виділить цінний сегмент, вартий того, щоб на нього витратити серію розсилок (наприклад, email, SMS, Viber) і ще підключити рекламу. Така сегментація допомагає збільшувати LTV клієнта та нарощувати продажі.
Так, алгоритм допоміг визначити групу VIP-клієнтів застосунку RetouchMe. AI враховував частоту замовлень користувачів протягом перших 7 днів після інсталяції, вибір інструментів для обробки зображень, зацікавленість знижками тощо. На основі зібраних даних ШІ робить прогнози щодо періоду наступного замовлення від клієнта і надає рекомендації, наскільки швидко воно має бути оброблено. Завдяки такій стратегії кількість VIP-клієнтів застосунку щоквартально зростала на 35%, а прибуток виріс на 17%.
Побудова сегменту VIP за персонажем
Крім цього, AI може виділити із бази ідеальних клієнтів. Спочатку маркетологу необхідно визначити особливості, властиві такому покупцю. Ґрунтуючись на них, система сформує групу з контактів, які відповідають заданим параметрам. Далі ШІ відстежуватиме поведінку людини та вдосконалюватиме взаємодію.
Кластеризація
ШІ може виявити і клієнтів з унікальними характеристиками, яких немає у жодному сегменті. Проаналізувавши групу, маркетолог зможе підібрати УТП, яке зацікавить саме цих користувачів.
Персональні рекомендації
88% опитаних спеціалістів використовують AI для персоналізації взаємодії з клієнтами в різних каналах, а 77% таким чином пропонують найкращі пропозиції в режимі реального часу. Так, в емейл додається блок із рекомендованими товарами, які підбирає алгоритм на основі поведінки клієнта (або клієнтів) на сайті, у застосунку й розсилках.
Алгоритми формування рекомендацій:
- загальні: використовують дані сайту, застосунку без персоналізації (наприклад, «Бестселери», «Популярне на сайті”);
- на основі даних про клієнта: враховують поведінку на сайті, у застосунку, купування (наприклад, «Спеціально для вас», «Вас може зацікавити» та інші);
- на основі даних про товар: враховують перегляди товарів, категорій, купування (наприклад, «З цим товаром купують», «Користувачі, що переглядали цей товар, також переглядали» та інші).
Маркетолог визначає кількість товарів, а підбирає їх AI. Таку технологію використовує маркетплейс акційних пропозицій «Покупон» в емейлах та на сайті.
Автоматичну персоналізацію компанія налаштувала в декількох типах розсилок:
- ранковій – відправляється щоденно чи раз на тиждень (залежить від міста проживання підписника);
- категорійній – підбірка тематичних акцій для кожного дня тижня.
Пропозиції формуються для різних сегментів, створених за принципом активності аудиторії. Більш активні клієнти отримують точніші рекомендації, адже їхня історія взаємодії найсвіжіша.
На сайті «Покупон» декілька типів рекомендацій:
- персональні – з урахуванням поведінки, купівель, переглядів користувача;
- купують разом – на основі даних про товар (ШІ аналізує які позиції обирають люди, які купили цю акцію);
- ТОП на сайті – на основі даних сайту (аналізується поведінка та покупки всіх користувачів);
- ТОП у категорії – на основі даних про категорію (аналізуються дії всіх користувачів, продажі і т. д. у конкретній категорії акції).
Завдяки персональним товарним рекомендаціям, «Покупон» отримав збільшення:
- трафіку на сайт 49,1%;
- активних покупців на 17,7%;
- кількості транзакцій на 12,1%;
- прибутку на 15,6%.
Час і частота розсилок
Алгоритм частоти розсилок дозволяє не перевантажувати підписників повідомленнями. Це актуально для бізнесів із великою кількістю сегментів, коли один клієнт за різними характеристиками може потрапити одночасно в декілька груп. Маркетолог задає для кожної розсилки рівень занепокоєння.
Далі алгоритм самостійно визначатиме допустимий показник для кожного контакту. Якщо ліміт для конкретного підписника перевищений, розсилка не буде надіслана.
Важливим є й час відправки. Звісно, маркетолог може задати так званий бізнес-час, у який система відсилатиме повідомлення. А от алгоритми CDP з оптимізації часу відправки здатні не лише враховувати часові зони кожного контакту. На основі історії його взаємодії з каналом комунікації система може визначити період, коли підписник найімовірніше відкриє розсилку.
Висновки
AI є потужним помічником direct-маркетолога. Алгоритми здатні аналізувати величезні обсяги даних і робити точні прогнози, але найрозвиненіша технологія не вміє вкладати емоції – те, що приваблює споживачів у брендах. Спеціалістам варто вміти користуватися всіма доступними інструментами ШІ, ідеально, якщо вони зібрані на одній платформі. Це дозволить не витрачати зайвий час на технічні питання, а натомість сконцентруватися на глобальному плануванні стратегії й тому, аби покращувати клієнтський досвід.
Автор: Шудрик Валерія, контент-маркетолог CDP eSputnik
Коментарі | 0