Персонализация — как угадать желания клиента и предложить решения

В онлайне такой персонализации добиться проще, чем в реальной жизни. Потому что здесь за всем следит Machine Learning – платформа, которая собирает все данные по пользователям и точно знает, кому что нужно. Машина, в отличие от человека, не устает и не забывает факты. И она умеет мгновенно корректировать информацию, которая показывается покупателю.

Что можно персонализировать

Любые данные. Все, что будет подходить под интересы и поведение клиента, персонализируется под его потребности.

Главная страница сайта? Окей, почему нет. Для бизнесменов, которые хотят приобрести товар оптом, будет показана одна страница, для розничного покупателя – другая. Разный текст для разной ЦА? Без проблем. Инженер увидит информацию по рабочим моментам, студент – основы профессии.

ML определит, кому и что показывать, чтобы клиент остался на сайте и совершил покупку

ML позволяет настроить релевантный показ динамического контента для отдельно взятого пользователя. И работает он достаточно точно, угадывая и предвосхищая желания клиента.

Персонализировать можно:

• E-mail-рассылку. Женщины и мужчины станут получать письма с товарными рекомендациями по своим интересам. Можно сузить персонализацию, тогда спортсмен получит письмо о новинках и бонусах в спортивных товарах, а женщина – о современных косметических средствах. Или еще больше сузить – и тогда конкретная Елена Ивановна, которая была на сайте, интересовалась утягивающим боди, но не купила его, получит извещение о том, что специально для нее на боди действует скидка 10 %.
• SMS. Да, такие персонализированные сообщения можно рассылать и по мобильной связи (если известен номер телефона).
• Оповещения. Оповещения подталкивают к спонтанной покупке. Если прямо сейчас человек получает предложение о том, что спиннинг, который он хотел купить целый год, подешевел на 25 %, вероятность того, что он его все-таки купит, увеличивается в несколько раз.
• Товарные рекомендации. Блок товарных рекомендаций на сайте увеличивает конверсию на 30–50 %. Но только релевантных рекомендаций. Если девушка ищет заколки, а ей показывают джемпера, то вероятность дополнительной покупки стремится к нулю.
• Блок похожих товаров. Этот модуль помогает клиенту сравнить товары и выбрать для себя подходящий. Рекомендации также генерируются с учетом анализа информации о клиенте.

Как еще можно использовать персонализацию

Возможностей у ML масса. На основе полученных данных о клиенте и веб-аналитики можно рассчитать самое удобное время для отправки писем. Тогда вероятность того, что письмо будет прочитано, увеличивается.

Если клиент приобрел какой-либо товар, ему скоро придет предложение пробрести и другой товар, который дополняет приобретенный. Например, плотник Василий купил в интернет-магазине рубанок. Почему бы ему не предложить рулетку, отвес или лобзик? Вполне вероятно, что он докупит то, что ему необходимо.

Но самое интересное, что ML позволяет точно подобрать каналы, по которым нужно делать такую персонализированную рассылку. Или SMS, или электронное письмо, или пуш-уведомление в браузере – то, что менее всего раздражает пользователя.

По большому счету, вы можете персонализировать подход к своему клиенту до мелочей. Все зависит от количества собранной информации. Да, сначала надо будет уделить время сбору данных, но результат будет, как говорят, вау.

Настройка ML

На сбор данных и настройку алгоритма уходит около месяца. А потом машина самообучается. Любые новые данные, которые окажутся в базе, будут сразу же обработаны и классифицированы. Посетитель будет получать персонализированные рекомендации в режиме реального времени – машина вносит изменения мгновенно.

Чем это хорошо для вас как для маркетолога или владельца бизнеса? Всего лишь увеличением конверсии как минимум на 30 % и ростом продаж процентов на 50. Да, и еще лояльностью клиентов – ведь они любят, когда о них помнят.