Почему ИИ пока не увеличивает доходы розничной торговли

ИИ стал модным словом в розничной торговле, и не без оснований. Он предсказывает поведение, подбирает персонализированные предложения и помогает брендам реагировать на запросы клиентов быстрее, чем когда-либо. Почти 90% ритейлеров говорят, что ИИ повысил удовлетворенность клиентов.

Но удовлетворение не всегда равнозначно продажам. На самом деле, менее половины говорят, что это улучшило ситуацию с доходами.

Так чего же не хватает?

Зачастую дело не в технологиях, а в стратегии. Самые успешные ритейлеры используют ИИ для выстраивания реальных связей и оптимизации стратегий с учётом того, что действительно стимулирует покупки. Они понимают, что современных покупателей не впечатляет автоматизация; они хотят, чтобы их видели, понимали и искренне помогали.

Вот что работает, что нет, и как ритейлеры могут превратить ИИ из многообещающего инструмента в настоящий драйвер роста.

Переосмысление взаимоотношений с клиентами

ИИ может многое: он умеет распознавать лица, прогнозировать поведение и генерировать персонализированные предложения в любом масштабе. Но даже при всей этой мощи многие стратегии на основе ИИ всё ещё не достигают своей конечной цели: конверсии.

Возьмем, к примеру, эмоции ИИНекоторые розничные продавцы используют камеры и микрофоны для анализа выражений лиц и тона, выявляя такие признаки, как замешательство, разочарование или интерес. Это позволяет сотрудникам вмешиваться в нужный момент или автоматически корректировать предложения в режиме реального времени. Но если эти действия не своевременны и не действительно полезны, они рискуют показаться навязчивыми или неловкими, а не убедительными.

Другие используют ИИ для моделирования покупательского опыта ещё до его совершения, моделируя реакцию людей на новую планировку, продукт или акцию. Подобные прогнозы могут быть эффективными, но только если ритейлеры будут действовать на основе данных, учитывая реальную мотивацию покупателей, а не только гипотетическое поведение.

Более прямой подход развивается с помощью данных нулевой стороны, когда покупатели добровольно делятся своими предпочтениями через чат-ботов, виртуальных помощников или опросы на страницах товаров. Этот метод более прозрачен и может укрепить доверие, но, опять же, он работает только в том случае, если последующие действия кажутся уместными. Если покупатель говорит, что ему нравится минималистичный интерьер, но сайт перенасыщает его яркими узорами и неактуальными товарами, доверие быстро исчезает.

Эти примеры показывают, что у ритейлеров нет недостатка в инструментах. Во многих случаях не хватает лишь того, чтобы превратить эти инструменты в моменты, которые действительно приводят к конверсии, — когда релевантность, своевременность и тон — всё это способствует продаже.

Что сдерживает розничную торговлю?

Несмотря на значительные инвестиции в ИИ, многие ритейлеры по-прежнему сталкиваются с проблемой некорректных данных, безличного взаимодействия и неверного измерения показателей эффективности. Без решения этих проблем даже самые передовые инструменты не смогут существенно увеличить выручку.

1. Нечеткие, устаревшие данные

Розничные продавцы собирают огромные объёмы данных о клиентах, но многие из них неполны, устарели или разбросаны по разным системам. Это затрудняет выявление значимых закономерностей и формирование надёжных рекомендаций с помощью ИИ. Если в профиле клиента отсутствует важная информация, например, информация о недавних покупках, предпочтительные цены или предпочтительные способы связи, система может предлагать неподходящие товары или отправлять несвоевременные предложения, которые приносят больше вреда, чем пользы.

Чтобы решить эту проблему, ритейлерам необходимо регулярно очищать свои данные и консолидировать их в одном месте. Платформа данных о клиентах (CDP) может помочь, объединяя информацию из электронной почты, кассовых аппаратов, программ лояльности и социальных сетей в единое актуальное представление. Обладая более точными данными, ИИ может точнее интерпретировать поведение клиентов, предлагать индивидуальные рекомендации и поддерживать взаимодействие, способствующее повышению конверсии и долгосрочной лояльности.

2. Взаимодействие роботизированного ИИ

Даже при использовании чистых данных ИИ может оказаться неэффективным, если персонализация не выглядит достаточно личной. Слишком часто ритейлеры довольствуются поверхностными мерами, такими как использование имени покупателя в стандартном рекламном письме или показ одних и тех же рекомендаций всем, кто просматривал определённую категорию товаров. Такой универсальный подход может показаться роботизированным и редко приводит к увеличению продаж.

Вместо этого ритейлерам следует использовать ИИ, чтобы не ограничиваться базовой информацией и учитывать такие факторы, как то, что клиенты недавно просматривали, сколько времени они провели на странице товара или оставили ли они товары в корзине. Например, человек, который смотрел дорогую обувь, но не купил, может лучше отреагировать на последующую скидку на ту же пару или более дешёвую пару с похожими характеристиками, а не на банальную акцию на кроссовки. Когда предложения и сообщения кажутся своевременными и релевантными, покупатели с большей вероятностью перейдут по ссылке, купят и вернутся.

3. Использование неправильных KPI

Если ритейлеры хотят, чтобы ИИ стимулировал продажи, им необходимо измерять правильные результаты. Отслеживание ускоренного обслуживания или снижения затрат на маркетинг полезно, но не показывает, действительно ли ИИ увеличивает продажи. Вместо этого ритейлерам следует сосредоточиться на метриках, напрямую связанных с клиентским опытом: как часто покупатели завершают покупки после получения персонализированных предложений, сколько они тратят, возвращаются ли они и как часто корзины остаются брошенными. Смещение акцента на эти показатели, связанные с выручкой, позволяет лучше понять, что работает, и продолжать совершенствовать методы использования ИИ.

Двигаясь вперед с использованием искусственного интеллекта в розничной торговле

Если сейчас и ясно одно, так это то, что ритейлерам не обязательно нужны дополнительные инструменты ИИ. Им нужно эффективнее использовать существующие технологии. Устранив проблемы с качеством данных, сделав персонализацию значимой и сосредоточившись на правильных ключевых показателях эффективности, они могут превратить ИИ из привлекательного дополнения в настоящий двигатель роста. Целью должно быть укрепление отношений с клиентами, стимулирующих продажи.