Вернуться назад

ИИ в маркетинге и продажах. Хайп и мода или реальная польза? ч.1

Продажи новым клиентам

Суть методов машинного обучения заключается в возможности автоматической обработки больших массивов данных и выявления в этих данных закономерностей и зависимостей, которые крайне трудно или даже невозможно выявить силами человеческого разума. Это достаточно сильные инструменты, которые как мы описывали в предыдущей статье, действительно меняют мир к лучшему во многих сферах.

Однако хайп вокруг этой темы несколько портит впечатление о технологии.

С помощью искусственного интеллекта решают проблемы, которые можно решить с помощью нескольких таблиц Excel; искусственным интеллектом называют простые классические алгоритмы; машинное обучение применяют без анализа бизнес процессов, что даёт неточные результаты. Всё это снижает доверие к технологии, а её евангелисты нередко воспринимаются с большим скепсисом.

В настоящем цикле статей все способы применения машинного обучения удовлетворяют требованиям:

  1. Задача не решается без методов машинного обучения;

  2. Решение обладает приемлемой точностью;

  3. Решение задачи значимо улучшает клиентский опыт или повышает эффективность использования бюджета (например, за счёт снижения стоимости привлечения клиента).

Для рядовых сотрудников

Опытный специалист может “почувствовать” правильное решение, на какого клиента стоит обратить внимание, какому предложить скидку, а какой будет “трудным” случаем. Это называют подсознанием, интуицией. На самом деле это просто опыт множества случаев, который проявляется в более удачных сделках. Проблема в том, что опыт трудно передаётся, его тяжело описать чёткими правилами или алгоритмами. А к каждому молодому специалисту наставника не приставишь надолго, да и слишком это затратно.

Но было бы здорово, если бы у каждого менее опытного сотрудника был бы наставник, обладающий опытом всей истории сделок, успешных и не очень. Тогда свои решения можно соотносить с опытом всей компании, совершать меньше ошибок, быстрее принимать правильные решения.

Таким наставником как раз и может быть модель машинного обучения. Обработав данные обо всех сделках, совершённых в компании за её историю, с учётом особенностей клиента, менеджера, внешних обстоятельств и параметров продуктов модель сможет рекомендовать новому сотруднику наилучшее из возможных решений, а также укажет, на какие параметры сделки надо обратить особое внимание.


Сложно! Можно пример?

Один из наших клиентов - крупный дилер строительной техники внедрил для своего отдела продаж рекомендательную систему по ранжированию клиентов по степени готовности к заказу. В качестве данных использовалась информация о существующих клиентах компании, ранее сделанных предложениях (положительных и отклоненных), известная информация о потенциальных клиентах (из открытых источниках и внутренних данных компании).

Ранее сотрудники звонили в порядке близком к алфавитному, то есть практически случайным образом. Так как список был из нескольких тысяч потенциальных клиентов, то результативность звонков была очень низка (успевали обзвонить только 20% компаний), присутствовал высокий негатив, с принимающей звонки стороны, происходило быстрое выгорание сотрудников. После внедрения рекомендательной системы характер работы изменился.

Каждый сотрудник получал ранжированный список компаний, которым нужно звонить, и вероятность, с которой клиент купит строительную технику. Также сотрудники видели, почему этот клиент с большей вероятностью совершит сделку, чем другой. Это решило три проблемы:

  1. Сотрудники знали, что предлагать, то есть, меньше тратили время на подбор предложения, быстрее находили контакт с потенциальным клиентом;

  2. При том же количестве контактов в первую очередь звонили тем, кто с большей вероятностью был готов совершить сделку. То есть, необработанными оставались компании, которые скорее всего ничего бы не купили;

  3. Быстрее учились, так как понимали, на что обращать внимание при общении с клиентами.

В продолжении проекта данную систему распространили на продажи текущим клиентам сервиса и запчастей. Там возможностей гораздо больше, но об этом расскажем в одной из следующих статей.

В b2c сегментах подобные системы также могут эффективно работать. Если речь идёт об онлайн торговле, то признаками, по которым будет оцениваться пользователь (нужно ли ему дать скидку и какой товар предложить в дополнение) могут быть просмотренные товары или количество возвратов на сайт, модель телефона, с которого он вошёл на сайт, город, в котором он находится и др.

Для опытных специалистов

Рынок со временем меняется и то, что работало раньше, в будущем может быть не столь эффективно. То есть, многолетний опыт не всегда залог успеха.

Для опытных сотрудников был бы полезен инструмент, который показывал бы сложные или неявные закономерности, и помогал генерировать и проверять гипотезы в полуавтоматическом режиме.

В частности вышеприведённая система для помощи в продажах строительной техники в несколько кликов позволяла проверить гипотезы о влиянии стоимости сырьевых товаров на продажи техники, сделать прогнозы о продажах по регионам в зависимости от агрегированных показателей по регионам. Руководители отделов продаж получили инструмент для прогнозирования продаж по регионам и отраслям, а также выявления причин (не всегда явных) отклонений от плана.

Краткое резюме

В данной статье мы рассмотрели как ИИ может помочь в продажах товаров и услуг новым клиентам.

Механизм заключается в том, что система, имея данные о предыдущих успешных и неудачных предложениях, помогает менеджерам сделать персонализированное коммерческое предложение.

Для рядовых сотрудников - это помощник, который экономит время и ресурсы.

Для руководителей - инструмент глубокой аналитики, помогающий подкреплять собственные решения выводами, сделанными на основе больших данных.

Другие статьи по этой теме

Маркетинг 4.0

как новая технореволюция влияет на рынок коммуникаций

Прогнозирование и сокращение оттока клиентов с помощью машинного обучения

Становится одним из ключевых направлений бизнеса.

Контакты
ООО Селадо

г. Москва, метро Павелецкая, Павелецкая набережная д. 2 стр 3, офис 106, БЦ LoftVille

+7 (495) 003-91-37
Свяжитесь с нами: