+13% к среднему чеку: ИИ-решение для лидера украинского ритейла

Время, когда глубокая аналитика потребительского поведения была уделом лишь западных гигантов, безвозвратно ушло. Сегодня на украинском розничном рынке наблюдается стремительный рост спроса на инструменты, позволяющие ритейлерам принимать решения, опираясь не на интуицию, а на точные данные.

Одним из ярких примеров такого подхода является платформа Num8erz.Customer Insights, которая активно завоевывает как локальные, так и международные рынки.

Что представляет собой платформа на основе искусственного интеллекта Num8erz.Customer Insights

Это решение для целей предиктивной аналитики на основе ИИ и машинного обучения, которое позволяет провести глубокий и всесторонний анализ продаж и поведения клиентов. Решение создано специально для ритейлеров и компаний сектора CPG. Его цель — трансформировать массивы данных продаж в выявленные закономерности и помочь покупателю получить релевантные предложения, а бизнесу — существенно увеличить доход.

Компании Consulting4Retail и Num8erz, которые входят в Atriny Group, сопровождают внедрение данного решения и имеют множество успешных кейсов сотрудничества с ведущими украинскими ритейлерами. 

Применение на практике 

Первый этап — внедрение аналитической модели «Часто покупают вместе»

В 2024 году была реализована первая часть проекта для одного из лидеров украинского ритейла, связанная с выявлением товаров, которые клиенты часто покупают вместе (Frequently Bought Together). 

Цель заключалась в том, чтобы идентифицировать пары/группы товаров, имеющих самую высокую частоту совместного приобретения, и рекомендовать дополнительный продукт клиентам, которые покупают только один товар из пары. 

Предоставление таких персонализированных рекомендаций позволило ритейлеру расширить возможности перекрестных продаж и увеличить корзину покупателя, а также вес собственных ТМ, одновременно наращивая доход и улучшая взаимодействие с клиентом.

Приведем немного деталей относительно реализации этого подхода:

1. Получение и анализ исторических данных и транзакций для выявления надежных ассоциативных правил.
2. Идентификация лояльных клиентов, которые покупают только один товар из потенциальной пары.
3. Формирование для каждого клиента идеальной пары для товара, который уже есть в корзине.
4. Интеграция с пользовательскими интерфейсами и проверка эффективности, например, на основе А/B тестирования.
5. Масштабирование рекомендаций на более широкую клиентскую базу.

Результаты пилотного проекта:

• Увеличение количества визитов к рекомендованному товарному сету в 1,3-1,5 раза.
• Расширение средней потребительской корзины на 13% у тех покупателей, которые получили персональные рекомендации.

Следующий этап — расширение возможностей персонализированного маркетинга

Сейчас идет подготовка второй части проекта, предусматривающей глубокую сегментацию клиентов на основе их поведения, структуры чеков и регулярности покупок. Это позволит создать персонализированные предложения, которые будут учитывать:

• релевантность товаров,
• сезонность,
• наличие товара на складе,
• действующие акции,
• приоритетность СТМ.

Модель автоматически обучается на новых данных и совершенствуется в соответствии с изменениями в поведении клиентов. 

Эта часть проекта также предусматривает проведение A/B тестирований с контролем результативности по ряду ключевых метрик.

Подводя итоги

В современном ритейле использование инструментов, таких как Num8erz.Customer Insights, является чрезвычайно важным для компаний, стремящихся работать с данными системно.

Они не только помогают эффективнее управлять ассортиментом и промо акциями, но и создают основу для персонального подхода к каждому покупателю, что особенно существенно в условиях высокой конкуренции и роста ожиданий потребителей.

Чтобы узнать больше о возможностях данной платформы, которая помогает предвидеть и удовлетворять потребности клиентов, обращайтесь к специалистам компании Consulting4Retail.