`

СПЕЦІАЛЬНІ
ПАРТНЕРИ
ПРОЕКТУ

Чи використовує ваша компанія ChatGPT в роботі?

BEST CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Особое предложение

+11
голос

Решение с использованием искусственного интеллекта на базе платформы Microsoft Azure и разработок SMART business позволило торговой сети «Цитрус» сформировать персонализированные предложения для разных групп клиентов, выбрать оптимальные каналы взаимодействия и как результат впятеро повысить конверсию маркетинговых коммуникаций.

Национальная сеть магазинов гаджетов и инновационных технологий «Цитрус» работает на рынке с 2000 г. Компания имеет статус Apple Authorized Reseller и является одним из лидеров по продаже электронной техники в Украине. Сегодня она объединяет онлайн-площадку и 52 магазина, работающие в формате инновационно-развлекательных центров с интерактивными зонами виртуальной реальности и открытым доступом к товарам, включая электротранспорт и устройства для умного дома.

Особое предложение
Сергей Кольчик: «Использование моделей машинного обучения позволило собрать и оценить все данные, которые влияют на выбор клиента. В результате конверсия выросла до 2% в покупку – то есть в 4-5 раз»

В текущем году на мировом рынке сложилась следующая ситуация. Показатели объема рынка электронной техники поднялись на 6% и составили 138 млрд евро. Согласно исследованию GFK, в Украине за 2018 г. товарооборот бытовой электроники – сегмент, в котором работает «Цитрус» – вырос на 30% и составил 11,3 млрд. гривен. В условиях растущего рынка и высокой конкуренции компании важно привлекать больше покупателей, не теряя существующих.

Данную задачу необходимо было решить на фоне того, что в последнее время у «Цитруса» наметился отток клиентов из-за отсутствия качественных персонализированных предложений. Затраты на коммуникацию увеличивались: стоимость рассылок в Viber выросла на 50%, инфляция рекламы в Интернете – на 30%, а используемые традиционные инструменты не давали эффекта. Команде маркетинга приходилось проделывать двойную работу, без получения ожидаемых результатов.

В такой ситуации компания приняла решение о внедрении технологий искусственного интеллекта для улучшения работы с клиентами. Результаты наглядно видны на примере партнерского проекта со SMART business. Его основной задачей было улучшение конверсии и откликов на рекламные кампании и маркетинговые сообщения, повышение лояльности и выбор оптимальных каналов коммуникации с клиентами.

Перед запуском проекта специалисты «Цитрус» решили протестировать систему на продажах смартфонов как основной и наиболее популярной товарной категории. Для этого SMART business предоставила ритейлеру свою разработку SMART Next Best Action. Техническая часть решения основывается на платформе Microsoft Azure. Модель, используя алгоритмы машинного обучения, проводит поведенческую сегментацию клиентов и создает персонализированные предложения на основе собранных данных.

Механизм персонального таргетирования универсальный – сначала анализируются данные, и уже на их базе проводится поведенческая сегментация. Особенностью решения для «Цитруса» были данные, предоставленные компанией: информация о покупках, посещениях сайта, товарах и ценах на продукты.

«Машина смотрит на ряд факторов и пытается смоделировать поведение клиента. Она узнает похожие группы людей по особенностям поведения и анализирует, какие факторы их сближают», – говорит Дмитрий Солопов, менеджер по развитию бизнеса SMART business.

Особое предложение
Дмитрий Солопов: «Система учитывает целый ряд факторов и пытается смоделировать поведение клиента. Она узнает похожие группы людей по особенностям поведения и анализирует что их сближает»

Решение SMART business использует как внутреннюю информацию – историю посещения сайта и предыдущее поведение клиента, ценовой индекс товара, количество покупок, так и внешнюю – демографические показатели, день недели и время суток. Собирались данные и о предыдущих взаимодействиях с рекламой, переходов клиента из различных каналов коммуникаций. Вся эта информация агрегировалась и подавалась на вход модели для оценки возможности совершения покупки клиентом.

«Ранее процесс проведения коммуникации с клиентом строился вручную, и все выборки формировались непосредственно менеджерами, используя только предыдущие покупки, хранящиеся в CRM-системе. Именно использование моделей машинного обучения позволило собрать и оценить все данные, которые влияют на выбор клиента», – отметил Сергей Кольчик, руководитель отдела аналитики и монетизации данных «Цитрус».

Модель учитывает не только предыдущий опыт клиента, но и жизненный цикл устройства, приобретенного ранее, возможность перехода с одной модели на другую, влияние цены на поведение покупателя и демографические факторы.

Реализация проекта состояла из нескольких этапов. На первом консультанты SMART business провели бизнес-анализ, составили план работы и сформулировали цели. Затем специалисты по данным (data scientists), используя ряд компонентов Microsoft Azure, структурировали доступную информацию и обогатили ее дополнительными ценовыми характеристиками, сессионной активностью и откликами на рассылки. Третий этап состоял в создании самой модели и заведении маркетинговой кампании в Microsoft Dynamics. С ее помощью проводились коммуникации с клиентами и была сделана оценка эффективности проводимой кампании в заданный отрезок времени. Заключительным этапом стало тестирование приложения. Для этого разработчики интегрировали модель с бизнес-приложением «Цитрус». Чтобы увидеть результаты внедрения и измерить KPI, была подготовлена тестовая выборка, разделенная на А/В-тест с последующей коммуникацией.

Результатом использования SMART Next Best Action стал цикл взаимодействия с клиентами на основе искусственного интеллекта. Эффективность решения определялась конверсией – повышением процента покупок в сопоставлении с посещениями или другой активностью клиента.

Особое предложение
Кирилл Руднев: «С внедрением нашего решения команда «Цитруса» стала лучше понимать мотивы покупки товара клиентом и то, как ведется коммуникация. Теперь она осуществляется персонализировано – через оптимальные каналы, учитывая информацию о самом покупателе и его предпочтениях»

«Прирост эффективности превзошел ожидания, которые мы ставили на старте проекта. В сравнении с базовым принципом формирования выборки клиентов по рассылке менеджером вручную, при использовании модели конверсия выросла до 2% в покупку – то есть в 4-5 раз! А при добавлении фактора географического расположения клиента и отправке уведомлений geo-push конверсия откликов повысилась на 51%», – сказал Сергей Кольчик.

В процессе тестирования решения команда «Цитруса» отправила 50 тыс. сообщений, по которым проверяли два показателя:

  • «кликабельность», которая говорит о том, что клиенты перешли на предложение (переходили порядка 10% покупателей);
  • количество клиентов, совершивших покупку после получения предложения (соответствующая конверсия увеличилась в пять раз).

«С внедрением нашего решения команда «Цитруса» стала лучше понимать причины покупки товара клиентом и то, как ведется коммуникация. Теперь она осуществляется персонализировано – через оптимальные каналы, учитывая информацию о самом клиенте и его предпочтениях. На этом наше сотрудничество не заканчивается – впереди много возможностей и проектов», – отметил Кирилл Руднев, управляющий партнер и сооснователь SMART business.

Следующими этапами совместной работы компаний планируются уменьшение оттока клиентов и интеграция SMART Demand & Forecast Planning для оценки эффективности хранимых запасов в магазинах и на складах. «Цитрус» также рассматривает возможность персонализации не только предложений для конкретного клиента, но и цены на отдельный товар.

Особое предложение

Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365

+11
голос

Напечатать Отправить другу

Читайте также

 

Ukraine

 

  •  Home  •  Ринок  •  IТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Мережі  •  Безпека  •  Наука  •  IoT