Вернуться назад

ИИ в маркетинге и продажах. Хайп и мода или реальная польза? ч.2

Работа с текущей клиентской базой

Об удержании текущей клиентской базы мы писали неоднократно. Но кроме управления оттоком, также важно и увеличивать средний чек, анализировать текущую аудиторию для улучшения продукта и выявления дополнительных точек роста. И просто повышать лояльность ненавязчивым вниманием к своим клиентам. Полезной персонализированной рассылкой, специальными акциями и новинками.


В маркетинге 4.0 для этих целей служат рекомендательные системы на основе методов машинного обучения. Мы писали ранее про то, как устроены подобные системы, поэтому не будем останавливаться подробно на механике в данной статье. Лучше приведём пример, как дилеру строительной техники удалось улучшить опыт своих клиентов благодаря предиктивной аналитике.

Пример в b2b

Компания имела систему, прогнозирующую необходимость сервисного ремонта проданной техники на основе телеметрических данных. Система была общемировой и разработана подразделением вендора в США. Но практика показывала, что данная система давала слишком много ложных срабатываний, не учитывала сезонность, особенности клиента (например, его возможность делать ремонт своими силами).

После обучения модели на основе данных по работе с клиентами за последние 8 лет, модель предиктивной аналитики сумела существенно более точно предсказывать вероятность заказа клиентов ремонта или официальных запчастей для своей техники. Таким образом, компания получила возможность лучше прогнозировать продажи и загруженность склада запчастями, а менеджеры сумели более рационально использовать своё рабочее время уделяя больше внимания тем клиентам, которые более склонны к покупке.

Кроме того, так как система учитывала сезонность и время с последнего заказа, то менеджер получал данные о лучше дате для звонка.

Подобная автоматизация аналогична навигатору для водителя. Навигатор подсказывает как объехать пробки, где стоят камеры или где произошло ДТП. Это позволяет быстрее добраться из точки А в точку Б даже если сама дорога вам хорошо известна. Вы сэкономите нервы, деньги на возможные штрафы и время. Точно так же основанная на анализе больших данных о текущих клиентах система позволит менеджерам по работе с клиентами, аналитикам и продуктологам сэкономить средства на коммуникации, проверять гипотезы построив клиентские модели до того, как реально тратить средства на промоакции или изменение продукта.

Примеры в b2c

Служба такси внедрив систему контроля оттока клиентов проанализировала клиентскую базу и выявила факторы, влияющие на уход клиентов. Среди них оказались способы заказа такси (приложение или телефон), класс автомобиля и другие параметры. То есть простая кластеризация клиентов дала богатую аналитику для клиентов.

Сеть ресторанов быстрого питания, проанализировав особенности заказов клиентов, сумела выявить наиболее сильные и слабые позиции в ассортименте (заказ каких позиций вызывал уход клиентов, например), а также составить наборы для заказов, которые лучше подходили друг к другу, таким образом увеличив средний чек.

Предиктивную аналитику для допродаж лидеры рынка уже больше 10 лет развивают в своих CRM системах: более 70% заказов Amazon совершается из “рекомендуемых” позиций, а супермаркет Target в США узнал о беременности школьницы раньше её отца. Но то что ранее было доступно лишь единицам в 20-е годы становится базовым инструментом маркетологов.

Резюме

В настоящей статьей мы рассмотрели, как современные методы работы с данными и алгоритмы машинного обучения позволяют качественно улучшить клиентский сервис, повысить возможности маркетологов, аналитиков и продавцов. Основными возможностями являются:

  1. Кластеризация текущих клиентов по готовности сделать заказ;
  2. Персонализация предложений по допродажам;
  3. Аналитика продукта или услуги исходя из того, как клиенты работают с вашим продуктом;
  4. Моделирование будущих изменений и промо для прогнозирования эффекта.

По ссылкам в статье есть более развёрнутые примеры, надеемся, они вдохновят вас на трансформацию маркетинга в вашей компании.

В следующем материале расскажем, как методы машинного обучения помогут улучшить маркетинг в социальных сетях.

Другие статьи по этой теме

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

Разбираем как искусственный интеллект помогает бизнесу

Маркетинг 4.0

Как новая технореволюция влияет на рынок коммуникаций

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: