Роль AI в оптимізації та персоналізації e-commerce: дослідження та кейси української CDP eSputnik 

Для e-commerce-компаній AI (artificial intelligence) став важливим інструментом для поліпшення досвіду покупців, оптимізації бізнес-процесів і підвищення конкурентоспроможності. За дослідженням McKinsey & Company, більше половини опитаних бізнесів уже впровадили AI-інструменти.

Найпопулярніша в Україні омніканальна CDP eSputnik розповідає про застосування ШІ в маркетингу: які предиктивні та генеративні інструменти якісно впливають на ефективність бізнесу.

Основні напрямки використання штучного інтелекту в електронній комерції

Завдяки можливостям аналізу величезних обсягів даних і формуванню рішень у режимі реального часу AI допомагає забезпечити індивідуальний підхід до кожного клієнта та оптимізувати різні аспекти їхньої взаємодії:

1. Інсайти клієнтів і персоналізація:

• Предиктивна аналітика – прогнозування трендів і поведінки клієнтів.
• Предиктивна сегментація – визначення окремих сегментів клієнтів для цільового маркетингу.
• Рекомендації продуктів – пропозиції товарів на основі машинного навчання.
• Рекомендації контенту – пропозиції релевантних статей, блогів або відео.
• Пріоритизація акцій – визначення найрелевантніших акцій для конкретних клієнтів і включення їх у проморозсилку та інші комунікації.
• Оптимізація часу відправки – визначення оптимального часу для відправки маркетингових повідомлень для максимального залучення клієнтів.
• Генеративний ШІ – створення персоналізованого контенту, наприклад, описи продуктів, маркетингові повідомлення та спеціальні пропозиції.

2. Створення та покращення контенту:

• Генеративний ШІ – покращення зображень продуктів, створення відео та генерування детальних, привабливих описів продуктів.

3. Управління цінами та запасами:

• Динамічне ціноутворення – регулювання цін залежно від попиту та конкуренції.
• Управління запасами – оптимізація рівнів запасів за допомогою прогнозних моделей.

4. Візуальні та інтерактивні покращення:

• Комп’ютерний зір – покращення візуального пошуку і віртуальних примірок.
• Генеративний ШІ – створення реалістичних зображень продуктів і покращення віртуальних примірок.

5. Підтримка клієнтів та взаємодія:

• Обробка природної мови (NLP) – покращення обслуговування клієнтів за допомогою чатботів і аналізу настроїв.
• Генеративний ШІ – створення захоплюючих взаємодій з клієнтами та автоматизованих відповідей.
• Рекомендації підтримки клієнтів – надання релевантних FAQ або статей підтримки на основі запитів клієнтів.

6. Запобігання шахрайству:

• Алгоритми ШІ – виявлення та запобігання шахрайству в онлайн-продажах через аналіз шаблонів транзакцій та ідентифікацію підозрілої активності.

Інтеграція ШІ в ecommerce дозволяє створити унікальний досвід для кожного користувача, вплинути на розвиток лояльності та підвищити загальну ефективність бізнесу. Впровадження AI-рішень стає невід’ємною частиною стратегії успішних компаній, що прагнуть залишатись лідерами на ринку.

Вплив використання АІ на e-commerce-маркетинг

Вплив штучного інтелекту на бізнес залежить від галузі, інструменту й глибини його впровадження. Компанії, що найбільше інвестують у ШІ, не лише виділяють значні бюджети та готові йти на ризик, а й, як правило, отримують від нього максимальну віддачу. Дослідження McKinsey свідчить: бізнеси, які інвестують у штучний інтелект, бачать зростання доходу на 3-15%, а рентабельності продажів – на 10-20%. Таких результатів досягають завдяки можливостям AI:

1. Оптимізація ресурсів команди – знімає рутинні процеси з працівників, вивільняючи час для вдосконалення стратегії та розробки гіпотез.
2. Ефективне використання маркетингового бюджету – дозволяє правильно й своєчасно взаємодіяти з кожним клієнтом. Це допомагає зменшити нерелевантні комунікації, пришвидшити окупність й оптимізувати витрати в майбутньому.
3. Зменшення ризиків помилок – забезпечує вищу точність, ніж у ручних процесах, мінімізує ймовірність помилок завдяки використанню чітких алгоритмів і шаблонів.
4. Підвищення конкурентоспроможності – дозволяє краще розуміти кожного клієнта, персоналізувати спілкування з ним, супроводжувати на всіх етапах воронки. Так бізнес вирощує лояльного клієнта, який повертатиметься за покупками й для якого немає сенсу йти до конкурентів, адже він задоволений співпрацею.
5. Підвищення точності прогнозування – ШІ може виявляти тенденції та закономірності в процесах. Це дозволяє точніше прогнозувати поведінку покупців, попит на товари та ефективність маркетингових кампаній.
6. Зниження відсотка відмов від покупки – ідентифікуючи чинники, які перешкоджають завершенню покупки, маркетолог може вчасно втілювати стратегії, що мотивують клієнта до дії. Наприклад, створювати персоналізовані пропозиції або сповіщення, що заохочують до оформлення замовлення.

Інструменти генеративного АІ для e-commerce

Генеративний AI використовують для створення нового контенту: текстів, зображень, аудіо, відео – на основі вхідних даних і умов. Штучний інтелект може створювати оригінальний контент, якого не існувало раніше. Використання генеративних рішень сприяє підвищенню інтересу аудиторії та може покращити враження від бренду. Та найголовніше – genAI має потенціал для автоматизації робочих процесів, які займають 60-70% часу працівників.

Розглянемо інструменти генеративного АІ, які автоматизують і спрощують роботу маркетолога й водночас підтримують високу якість вихідного контенту:

1. Оптимізація тексту e-mail – за допомогою АІ можна швидко опрацьовувати тексти й точніше формулювати повідомлення. Так, інтегрований ШІ в e-mail-редактор eSputnik може:

• створити експертні тексти;
• перекласти листи 10 мовами;
• перевірити граматику;
• скоротити або розширити тексти;
• змінити tone of voice;
• вдосконалити тему та прехедер.

2. Наповнення блоків в e-mail – генеративний АІ в редакторі eSputnik автоматично опрацьовує контент і наповнює змінні в модулях. Функціональність пришвидшує створення листів і робить їх ще ефективнішим. Для формування вмісту достатньо:

• перетягнути заготовлений модуль із бібліотеки в шаблон листа;
• вставити в цей модуль посилання на джерело контенту.

АІ автоматично опрацює дані сторінки та підставить їх у лист: опис та ціну товару, кнопки тощо. Водночас ШІ генерує уніфіковані тексти для всіх модулів/одиниць контенту в e-mail. 

3. Генерація push – АІ в CDP eSputnik дозволяє користувачам швидко й автоматично створювати пуш-повідомлення (назва, текстове наповнення) на основі даних про ваш мобільний застосунок і заготовлених ідей. 

4. Генерація кампаній із mobile push – у CDP eSputnik є вбудований AI, який може генерувати кампанії із залученням мобільних каналів відповідно до запиту маркетолога. Достатньо обрати сегмент (нові, активні, зареєстровані, незареєстровані користувачі) і вказати ціль (конверсія, залучення, утримання, розвиток, реактивація). У результаті ви отримаєте: 

• опис, мету кампанії та її тривалість;
• готовий сценарій зі сформованим текстовим вмістом кожного повідомлення та поясненням цілей запропонованих меседжів; 
• бенчмарки, на які можна спиратися під час аналізу результатів кампанії. 

Інструменти предиктивного АІ для e-commerce

Предиктивний AI аналізує величезні обсяги історичних даних і передбачає майбутні події, визначає залежності в поведінці клієнтів. Цей підхід дозволяє бізнесу обґрунтовано приймати рішення, забезпечити персоналізований досвід кожному споживачу, збільшувати продажі та утримувати більше клієнтів. 

Розглянемо затребувані та ефективні інструменти предиктивного АІ, які здатні якісно вплинути на збільшення прибутку бізнесу:

1. Персональні товарні рекомендації

Коли клієнти перевантажені вибором, 40% з них просто закриють сайт. А велика кількість тих, хто лишається, ризикує зробити невдалий вибір. У результаті такі клієнти будуть незадоволені покупками і повертатимуть їх.

Для бізнесу це означає не тільки відсутність прибутку, а і зростання витрат. Для обробки замовлення необхідні: комунікації (підтвердження замовлення call-центром, транзакційні повідомлення про статус замовлення), ресурси на пакування, відправку товару та перевірку повернення. У найгіршому випадку після невдалого досвіду покупки незадоволений клієнт перейде до тих брендів, які можуть повністю задовольнити його потреби.

Рішення цієї проблеми – персональні товарні рекомендації. Цей інструмент має допомогти користувачу знайти актуальні для нього продукти або послуги, які він, можливо, не знайде самостійно. Окрім утримання клієнтів, персональні товарні рекомендації допомагають вирішити такі завдання:

• Скорочення кількості покинутих кошиків – пропозиції схожих товарів або аналогічних із різних цінових категорій, що відповідають вподобанням клієнтів, знижують сумніви та спонукають завершити покупку. 91% споживачів частіше купують у компаній, які пам’ятають їхні вподобання та пропонують відповідні рекомендації (Accenture).
• Збільшення середньої вартості замовлення (AOV) – персоналізовані рекомендації стимулюють кроспродажі та апсейл, підвищуючи середню вартість замовлення. 25% респондентів cтерджують, що персоналізація в ecommerce збільшує AOV (Retail Touchpoints).
• Підвищення рівня задоволеності клієнтів – індивідуальні рекомендації демонструють увагу до потреб кожного клієнта. Це позитивно впливає на їхнє задоволення покупкою і лояльність до бренду. 71% споживачів очікує від компаній персоналізованої взаємодії, а 76% розчаровуються, коли цього не відбувається (McKinsey).
• Збільшення конверсії – рекомендації стимулюють покупців до дії, що сприяє збільшенню конверсії. Інструмент персональних товарних рекомендацій генерує приблизно 20% виторгу онлайн-магазинів (eSputnik).

Реалізація персональних товарних рекомендацій

Розглянемо детальніше етапи реалізації персональних товарних рекомендацій на прикладі нашої Customer Data Platform:

1. Збір даних про поведінку користувача на сайті, у застосунку, direct-каналах, офлайн.
2. Уніфікація даних із різних джерел та різного формату (структуровані, частково структуровані, неструктуровані) – система очищає та приводить їх до єдиного вигляду, зіставляє з контактом і збагачує даними єдиний профіль клієнта.
3. Обробка даних – використання алгоритмів машинного та глибокого навчання для визначення уподобань клієнтів, поведінкових моделей і зв’язків між товарами.
4. Генерація товарних рекомендацій – AI-алгоритми підбирають пропозиції, аналізуючи всю доступну інформацію про покупця, споживачів зі схожою поведінкою і вподобаннями, дані про товари. Інколи цей процес контролює аналітик (налаштовує й донавчає систему).
5. Омніканальне використання – готові рекомендації відображаються на різних сторінках сайту, у застосунку, використовуються в direct-каналах (email, push-повідомлення, App Inbox, Viber).

Для генерації персональних товарних рекомендацій нейромережа враховує всі доступні дані про:

1. поведінку – як користувачі взаємодіють з продуктами або послугами (кліки, лайки, покупки, додавання в обране); цей тип даних найважливіший для формування релевантних рекомендацій.
2. клієнта – демографічна інформація, місто, товари в обраному, розмір тощо; ці дані дозволяють надавати високоточні рекомендації (наприклад, алгоритми можуть підбирати тільки ті продукти, які доступні в місті, де знаходиться клієнт).
3. товари – їхні атрибути (ціна, категорія, бренд).

Чим більше даних збирає компанія, тим точнішими будуть рекомендацiї для кожного користувача. Важливо, щоб дані передавалися в систему в режимі реального часу. Це забезпечує актуальність рекомендацій в усіх точках взаємодії: на сайті, в застосунку та розсилках. У CDP eSputnik дані про поведінку користувачів передаються безперервно: з сайту – завдяки вебтрекінгу, з застосунку – за допомогою SDK. Також дані клієнта можна збагатити інформацією із зовнішніх джерел (Google BigQuery, Google Firebase, PostgreSQL і CRM та інших систем).

В eSputnik маркетолог може самостійно працювати з персональними товарними рекомендаціями, оскільки в системі доступно:

• 200 готових до використання протестованих алгоритмів формування рекомендацій, велика частина з яких наша команада розробляла під запити лідерів українського ecommerce. Вони вже пройшли тестування та доопрацювання. Тепер ці алгоритми може використовувати кожен наш клієнт без додаткових фінансових і ресурсних витрат;
• налаштування дизайну та розташування блоків на сайті;
• додавання рекомендованих товарів у розсилки в різних каналах;
• використання товарних рекомендацій у мобільному застосунку;
• зрозуміла аналітика роботи рекомендацій.

АІ для створення персоналізованих товарних рекомендацій використовує більшість наших клієнтів, серед них омніканальні ритейлери: Dnipro-M, Foxtrot, Антошка, Shafa, Prom.ua та інші. 

“Для створення товарних рекомендацій ми використовуємо алгоритми eSputnik (вони аналізують уподобання клієнтів і продажі). Товарні рекомендації на сайті вже дають нам близько 2,5% від обороту. І ми бачимо потенціал зростання. Тому тут важливо персоналізувати рекомендації для клієнта, щоб покращити CTR, конверсію та продажі на сайті. За нашим досвідом, найприбутковіші алгоритми товарних рекомендацій з групи “Схожі товари”, – розповідає Катерина Кунтиш, Retention Manager Dnipro-M.

У Customer Data Platform eSputnik є можливість кастомної розробки алгоритмів відповідно до запиту бізнесу. Таким чином створені товарні рекомендації одного з найбільших ритейлерів електронної та побутової техніки в Україні – Фокстрот.

“У нас є власний IT-відділ, який може реалізувати будь-яку функціональність. Та Foxtrot вже більше 10 років співпрацює з омніканальною CDP eSputnik, яка надає готове рішення для: омніканальної тригерної комунікації з клієнтами через email, pop-up, SMS, Viber, push, чат-боти, App Inbox, які дозволяють автоматично реагувати на дії користувачів, такі як покинуті кошики, покинуті перегляди, зниження ціни, повторна покупка на основі ШІ-алгоритму визначення ймовірності та інші події (на даний момент більше 20); створення персональних товарних рекомендацій – для їхнього формування нейронна мережа eSputnik враховує історію поведінки користувача на сайті; вартість товарів; категорію товару та супутні категорії; додаткові умови, які формує наш відділ. Впровадження інструменту товарних рекомендацій одразу принесло збільшення продажів аксесуарів на 16% при тому самому трафіку на сайті та збільшення конверсії на 5%”, – коментує Олег Нікольський, маркетинг-директор Фокстрот.

Результативність алгоритмів залежить від типу бізнесу: наприклад, для ритейлера електроніки та одягу будуть ефективними різні алгоритми. CDP eSputnik, найбільша українська платформа клієнтських даних, ділиться бенчмарками з використання різних алгоритмів товарних рекомендацій (розрахунки ґрунтуються на даних клієнтів CDP eSputnik, серед яких 600+ ритейлерів із загальним трафіком 23 млн): 

Більше даних дослідження ви можете побачити в Гайді про персональні товарні рекомендаціїї від омніканальної CDP eSputnik.

2. Предиктивна сегментація

Будь-якому бізнесу важливо розуміти дії клієнтів. Наступний крок – передбачити їхню поведінку заздалегідь. Прогнозування вже стало невід’ємною частиною маркетингових стратегій.

Предиктивна аналітика вирішує для бізнесу такі завдання:

• Оптимізація витрат – прогнозна сегментація дозволяє оптимізувати маркетинговий бюджет, спрямовуючи зусилля на найперспективніші сегменти та канали комунікації, що зменшує загальні витрати на маркетинг. Розсилка дорогими каналами на всю базу або на вручну створені сегменти (які не можна вважати точними) потребує великих витрат і отримує невеликий відсоток конверсії. Натомість нейромережа може виділити потрібну аудиторію, зменшивши розмір сегмента для комунікації. Розсилка на таку групу вже буде дешевшою, з більшою ймовірністю окупиться та матиме кращу конверсію. 
• Зменшення роздратування – маючи сегмент зацікавлених клієнтів, бізнес не відправляє зайві розсилки тим, хто не цікавиться таким типом контенту, що зменшує рівень турбування.
• Спрощення планування – оскільки предиктивний аналіз дозволяє чітко передбачати конкретні сегменти, маркетолог наперед розуміє результати кампанії. Це спрощує планування комунікацій та дає розуміння бюджетів. 

Предиктивна сегментація допомагає компаніям розуміти майбутню поведінку клієнтів і відповідним чином адаптувати свої маркетингові стратегії. CDP eSputnik пропонує AI-алгоритми, які прогнозують вірогідність покупки або відтоку клієнтів і формують відповідні сегменти. Нейромережа враховує маркери споживчої поведінки:

• кількість відвідувань сайту;
• активність під час перегляду сторінок сайту та застосунку;
• перегляд відгуків;
• взаємодія у чаті;
• кліки на знижки;
• середній час прийняття рішення і т. д.

Коли сформовано сегмент клієнтів, готових до покупки, залишається підштовхнути їх до дії, просто надіславши стимул, наприклад, додаткові переваги замовлення тут і зараз.

Другий важливий сегмент для маркетингу – група з ризиком відтоку. У CDP eSputnik алгоритм визначає групу відповідно до відсотка ймовірності того, що клієнти перейдуть у розряд неактивних, припинивши купувати. Для таких клієнтів варто розробити кампанію, націлену на поновлення інтересу до бренду.

Завдяки інструменту сегментації клієнтів на основі АІ бізнес може підвищити CLV та продемонструвати клієнтам розуміння їхніх потреб.

Так, завдяки предиктивій сегментації застосунок RetouchMe збільшив кількість VIP-користувачів і підвищив дохід. Наша команда Data Science розробила алгоритми, які з точністю до 99% визначили потенційних VIP-користувачів серед новачків. Вони роблять це досить швидко – протягом тижня після першого замовлення клієнта. Алгоритми аналізують різні параметри: частоту замовлень, вподобання клієнтів під час редагування фотографій, наявність або відсутність знижок, частоту запитів на повторне редагування.

“Ми збираємо дані про те, що замовляють наші клієнти, як часто вони це роблять, скільки грошей витрачають, і оцінюємо рівень їхньої задоволеності. Ми також визначаємо, чи використовують вони підписку, чи ні. На основі цих даних ми пропонуємо додаткові послуги, заохочуємо клієнтів повернутися та мотивуємо переходити на підписку.Ми використовуємо методи прогнозного аналізу eSputnik, щоб розпізнавати поведінку клієнтів на ранніх стадіях, щоб визначити, чи є вони потенційними VIP-клієнтами, і направити їх до сегменту VIP. Завдяки прогнозній сегментації користувачів кількість VIP-клієнтів програми за 3 місяці зросла на 35%, а виручка зросла на 17%”, – каже Олександр Лозицький, генеральний директор і засновник RetouchMe, Gold.ua та VJump.

3. Оптимізація часу відправки повідомлень

ШІ допомагає визначити ієрархію відправки повідомлень для контактів, які знаходяться у декількох сегментах одночасно. Це необхідно, щоб уникнути перевантаження розсилками. Наприклад, клієнт зробив покупку та отримав транзакційне повідомлення; в той же день заплановано масову розсилку з новинками, а ще спрацьовує тригер “З річницею першої покупки”.

Така щільність комунікацій надмірна та може призвести до роздратування клієнта. Щоб уникнути цього, в eSputnik можна встановити рівень занепокоєння. Кожен контакт отримуватиме повідомлення на основі типу емейла та кількості сегментів, до яких він входить.

Крім цього, в eSputnik є гнучке налаштування часу відправки, наприклад в робочий час, не раніше 9 ранку тощо. А також система може надсилати повідомлення за локальним часом користувача, враховуючи його таймзону, що особливо важливо для міжнародних проєктів.

Підсумки

AI пропонує e-commerce інноваційні маркетингові інструменти для покращення користувацького досвіду. Рішення на основі ШІ аналізують величезні обсяги даних, створюють персоналізовані рекомендації, прогнозують поведінку клієнтів, допомагають автоматизовано взаємодіяти з користувачами у правильний час, у правильному каналі та з правильним повідомленням.

Ці можливості сприяють підвищенню рівня задоволеності клієнтів та збільшенню продажів. Інтеграція AI в бізнес – це не просто тренд, це фундаментальна зміна в підході компаній онлайн-ритейлу в епоху цифрових технологій. 

Впроваджуйте інноваційні рішення вже сьогодні та будьте на крок попереду конкурентів!