Олег Лєсов, eSputnik: Роль штучного інтелекту в підвищенні продажів у ритейлі

CPO eSputnik Олег Лєсов під час свого виступу на RAU Summit 2024 розповів, як штучний інтелект допомагає покращувати алгоритми товарних рекомендацій, збільшувати конверсію, підвищувати продажі та оптимізувати роботу маркетологів. RAU публікує основні тези його виступу.

Перспективи розвитку ШІ

Якщо у 2022 році інвестиції у штучний інтелект становили близько $5 млрд, то вже у 2023 році вони досягли $25 млрд. Наразі ШІ стрімко наздоганяє людей у різних сферах. Зокрема, можливості AІ у візуальному мисленні, розумінні англійської мови, знанні математики вже майже зрівнялися з людськими можливостями. 

На початку цього року ШІ правильно вирішував лише 4% завдань у програмуванні. Зараз цей показник становить вже близько 50%. І можливо, що наступного року ці завдання штучний інтелект буде вирішувати вже на рівні людини.

Існують побоювання, що ШІ замінить усіх співробітників. Але ймовірніше, що люди, які вміють використовувати штучний інтелект замінять тих, хто не працює з ним. Тобто через п’ять років користування АІ для виконання робочих завдань буде так само обов’язковим, як зараз використання електронної пошти. 

У цьому є свої переваги: штучний інтелект швидкий та багато знає. Наприклад, ChatGPT вміщує у собі знання всього інтернету. Тому, звичайно, в маркетингу та ритейлі є багато сфер, де можна використовувати ШІ для оптимізації роботи. Загалом, у кожному підрозділі можна знайти застосування штучного інтелекту, щоб покращити внутрішні чи зовнішні процеси взаємодії з клієнтами.

Приклади застосування ШІ в ритейлі

У мобільному застосунку Sephora за допомогою ШІ можна приміряти макіяж. Ця функція дуже популярна серед клієнтів ритейлера і суттєво підвищує залученість.

На сайті Amazon, на найвиднішому місці можна знайти Rufus — ШІ-асистент, який допомагає клієнтам здійснювати покупки. З ним можна поспілкуватися та отримати детальну інформацію щодо будь-якого товару, що є в наявності на маркетплейсі. Також ШІ допомагає ритейлеру покращувати внутрішні процеси, як-от, генерувати контент для карток товару чи допомагати продавцям знаходити та структурувати новий контент. 

Як eSputnik застосовує інструменти ШІ для оптимізації роботи своїх клієнтів

CDP eSputnik надає ритейлерам можливість використовувати ШІ для підвищення ефективності бізнесу:

1. Генеративні інструменти: для автоматизації рутинних процесів і вивільнення часу маркетолога для стратегічних задач. Наприклад, ШІ забирає на себе покращення текстів та наповнення контентних блоків емейл-розсилок, створює цілі мобільні кампанії для конкретних цілей та аудиторій.
2. Предиктивні інструменти: для виявлення патернів поведінки клієнтів та прогнозування їх майбутніх потреб та дій. Аналізуючи величезні обсяги інформації ШІ створює:

• персональні товарні рекомендації, які з найбільшою вірогідністю зацікавлять клієнта та він здійснить покупку;
• предиктивні сегменти: алгоритми відбирають клієнтів, які з найбільшою вірогідністю готові до покупки. Це дозволяє бізнесу оптимізувати витрати на розсилки, що особливо важливо при використання таких дорогих каналів, як Viber та SMS. 

Товарні рекомендації

Товарні рекомендації — це блоки з певними товарами, які можуть бути цікаві покупцеві. 

Товарні рекомендації давно існують на ринку. Ми змогли поліпшити їх ефективність за допомогою нових АІ-підходів. Зазвичай, товарні рекомендації на базі ШІ підвищують конверсію сайту в середньому на 20-30%, а наш рекордний результат досягнув 60%.

Щоб досягти найкращих результатів, ШІ слід поєднувати з бізнес-логікою на різних етапах воронки продажів — наприклад, для cross та up-sell або підбору next best offer. 

Зокрема,  за допомогою ШІ для одного за наших клієнтів — магазину спортивного одягу — нам вдалося підвищити конверсію на 25% та кратно збільшити кількість замовлень з рекомендаційних блоків.

Але сторінки сайту це не єдиний канал, де варто впроваджувати товарні рекомендації. Вони доступні для використання: 

• на сайті: в каналах App Inbox, Web Push, віджети;
• у мобільному застосунку: як на сторінках товарів, у кошику, так і в каналах In-App, App Inbox, Mobile Push;
• в інших каналах: Email, Viber, Telegram bot, SMS.

Персональні рекомендації на базі АІ можуть суттєво вплинути на результати масових розсилок. Оскільки такі електронні листи мають велике охоплення, додавання індивідуально підібраних товарних пропозицій може підвищити конверсії та залученість. Наприклад, для маркетплейсу з пошуку медикаментів Liki24 інструмент товарних рекомендацій приніс +70,8% до конверсії масових розсилок. А для українського бренду вітамінів та дієтичних добавок Perla Helsa +106% (або збільшення у 2 рази). 

Як працює ШІ в “нових” товарних рекомендаціях

 У 2017 році Google опублікував документ під назвою «Attention is all you need», який запровадив нову архітектуру для нейронних мереж штучного інтелекту – «Трансформер». Наразі майже всі моделі штучного інтелекту використовують саме цю архітектуру.

Що це означає для ритейлу і як модель допомагає будувати кращі товарні рекомендації? Раніше товари підбиралися до товарів (шолом до велосипеда, спортивні товари до інших спортивних товарів тощо). Натомість архітектура трансформерної моделі дозволяє цілісно оцінювати увесь шлях клієнта, де до уваги береться кожен його клік, кожна попередня покупка чи переглянутий товар. Це впливає на формування персональних товарних рекомендацій, які людина отримає у листі чи в інших каналах.

eSputnik займається створенням товарних рекомендацій понад 12 років. Здавалось, що покращити алгоритми суттєво вже майже неможливо. Але поєднання архітектури «Трансформер» з великими мовними моделями (Language Models), дало найкращі результати за весь час роботи нашої компанії. 

Так, нам вдалось суттєво покращити конверсію з товарних рекомендацій для мережі Dnipro-M, клієнти якого, як виявилось, схильні до імпульсивних покупок.

Сегментація клієнтів за допомогою ШІ 

Штучний інтелект також допомагає із сегментацією клієнтів. Раніше маркетологи вручну перелічували багато умов для створення сегментів. Проте зі зростанням обсягу інформації ручна сегментація стала занадто складною через велику кількість параметрів та даних. Штучний інтелект аналізує такі дані як історія покупок, патерни в минулих покупках, монетарні значення, дата останньої покупки, демографічні фактори, повна історія переглядів, подібності між різними групами покупців та дозволяє все це узагальнити та спростити.

Використовуючи технологію предиктивної сегментації, ми поділили всіх користувачів наших клієнтів на чотири сегменти: потенційні покупці, гарантовані покупці, малоймовірні покупці та ті, хто не визначився. Це дозволяє оптимізувати рекламні кампанії та досягати кращих результатів. Наприклад, надсилати повідомлення малоймовірним покупцям у таких дорогих каналах як SMS чи Viber малоефективно, натомість цей канал дає гарні результати, якщо відправляти повідомлення гарантованим та потенційним покупцям. Наприклад український бренд одягу O.TAJE використав предиктивну сегментацію та отримав +310% ROMI розсилок у Viber та +300% до коефіцієнта конверсії. 

ШІ для А/Б тестування

ШІ також дозволяє обирати найкращі повідомлення для надсилання клієнтам. Для своїх клієнтів ми створили інструмент “Одне з багатьох”, який автоматично обирає найкраще повідомлення із декількох запропонованих маркетологом. Також, вбудований в редактор ШІ може самостійно створити повідомлення, що дасть можливість протестувати креативність маркетолога та штучного інтелекту.

Prom.ua використав цей безперервний А/Б тест для збільшення конверсії серед користувачів, які залишають застосунок без покупок. В результаті на 26% зросла кількість кліків на сповіщення, а конверсія продажів збільшилася на 5%.

Мережі аптек АНЦ завдяки інструменту “Одне з багатьох” вдалося на 23% збільшити трафік з мобільних сповіщень. 

Підсумовуючи

Загалом, у ритейлі є безліч можливостей для застосування ШІ. Ми намагаємося їх узагальнити, щоб максимально спростити використання АІ для роздрібної торгівлі. 

Штучний інтелект важливо впроваджувати, тому що це дозволяє:

• Збільшити середню вартість замовлення;
• Підвищити рентабельність основної групи товарів;
• Скоротити кількість покинутих кошиків;
• Покращити персоналізацію та клієнтський досвід;
• Економити час маркетолога та поліпшити ефективність процесів;
• Підвищити рівень утримання клієнтів.