Чому штучний інтелект ще не приносить доходи у рітейлі

Штучний інтелект став модним словом у рітейлі, і це не випадково. Він передбачає поведінку, підбирає пропозиції та допомагає брендам відчувати себе більш відповідними, ніж будь-коли раніше. Близько 90% рітейлерів кажуть, що штучний інтелект покращив задоволеність клієнтів.

Але задоволеність не завжди дорівнює продажам. Насправді, менше половини кажуть, що це вплинуло на дохід.

Що ж відсутнє?

Часто це не технологія. Це стратегія. Найуспішніші рітейлери використовують штучний інтелект, щоб будувати справжні зв’язки та тонко налаштовувати стратегії навколо того, що насправді стимулює покупки. Вони розуміють, що сучасні покупці не вражаються автоматизацією; вони хочуть відчувати себе побаченими, зрозумілими та справжнім чином допоможеними.

Ось що працює, що не працює, і як рітейлери можуть перетворити штучний інтелект з перспективного інструменту на справжній двигун росту.

Переоценка зв’язку з клієнтом

Штучний інтелект може зробити багато чого: він може читати обличчя, прогнозувати поведінку та генерувати персоналізовані пропозиції у великому масштабі. Але навіть з усіма цими можливостями, багато стратегій, заснованих на штучному інтелекті, все ще не досягають своєї кінцевої мети: конверсії.

Наприклад, розглянемо емоціональний штучний інтелект. Деякі рітейлери використовують камери та мікрофони, щоб аналізувати вирази та тон, шукаючи сигнали, такі як плутанина, розчарування чи інтерес. Це дозволяє персоналу втрутитися в потрібний момент або автоматично регулювати пропозиції в режимі реального часу. Але якщо ці втручання не будуть добре скоординовані та справжнім чином корисними, вони ризикують відчуватися інвазивними або незручними, а не переконливими.

Інші використовують штучний інтелект, щоб симулювати покупкові мандрівки до того, як вони відбуваються, моделюючи, як люди можуть реагувати на новий дизайн, продукт або акцію. Цей тип передбачувальної інформації може бути потужним – але тільки якщо рітейлери діють на основі даних таким чином, щоб вони відповідали справжнім мотиваціям клієнтів, а не просто гіпотетичній поведінці.

Більш прямий підхід виникає через нуль-партійні дані, коли покупці добровільно діляться своїми перевагами через чат-боти, віртуальних помічників або опитування на сторінках продуктів. Цей метод є більш прозорим і має потенціал будувати довіру – але знову ж таки, це працює тільки якщо подальші дії відчуваються актуальними. Якщо клієнт каже, що йому подобається мінімалістичний дизайн інтер’єру, але сайт наводнить його гучними візерунками та неактуальними речами, ця довіра швидко зникає.

Ці приклади показують, що рітейлери не缺ують інструментів. Що відсутнє в багатьох випадках, це переклад цих інструментів у клієнтські моменти, які насправді конвертують – під час яких актуальність, час і тон усі збігаються, щоб стимулювати продаж.

Що утримує рітейл?

Незважаючи на великі інвестиції в штучний інтелект, багато рітейлерів все ще борються з неорганізованими даними, безособовими взаємодіями та вимірюванням неправильних показників hiệu quả. Без вирішення цих проблем навіть найпередовіші інструменти не змінять ситуацію з доходами.

1.    Брудні, застарілі дані

Рітейлери збирають величезну кількість даних про клієнтів, але багато з них є неповними, застарілими або розсіяними по різних системах. Це робить важким для штучного інтелекту ідентифікувати значущі закономірності або генерувати надійні рекомендації. Якщо профіль клієнта не містить ключової інформації – наприклад, останніх покупок, перевагових цінових точок або контактних переваг – система може запропонувати нерелевантні продукти або надіслати непідходящі пропозиції, які можуть завдати більше шкоди, ніж добра.

Щоб виправити це, рітейлерам потрібно регулярно очищувати свої дані та консолідувати їх в одному місці. Платформа даних клієнтів (CDP) може допомогти, витягуючи інформацію з електронної пошти, касових апаратів, програм лояльності та соціальних мереж у єдиний, актуальний вигляд. З кращими даними штучний інтелект може більш точно інтерпретувати поведінку, підбирати пропозиції та підтримувати досвід, який веде до сильніших конверсій та довгострокової лояльності.

2.    Роботизовані взаємодії штучного інтелекту

Дажи з чистими даними штучний інтелект може не досягти мети, якщо персоналізація не відчувається досить особистою. Занадто часто рітейлери задовольняються поверхневими зусиллями, такими як використання імені клієнта в загальному продажному електронному листі або показ рекомендацій продуктів усім, хто переглядав певну категорію продуктів. Такий підхід “один розмір для всіх” може відчуватися роботизованим і рідко веде до більших продажів.

Натомість рітейлери повинні використовувати штучний інтелект, щоб вийти за рамки базової інформації та врахувати такі речі, як те, що клієнти недавно переглядали, скільки часу вони провели на сторінці продукту, або чи залишили вони товари в кошику. Наприклад, той, хто переглядав дорогі туфлі та не купував їх, може краще реагувати на пропозицію знижки саме на цю пару або на дешевшу пару з подібними атрибутами, а не на загальну акцію на кросівки. Коли пропозиції та повідомлення відчуваються своєчасними та актуальними, клієнти більш схильні клікувати, купувати та повертатися.

3.    Використання неправильних KPI

Якщо рітейлери хочуть, щоб штучний інтелект стимулював продажі, їм потрібно вимірювати правильні результати. Відстежування швидших часів обслуговування або нижчих маркетингових витрат є корисним – але це не показує, чи штучний інтелект насправді збільшує продажі. Натомість рітейлери повинні зосередитися на метриках, безпосередньо пов’язаних з клієнтською мандрівкою: як часто клієнти завершують покупки після отримання персоналізованих пропозицій, скільки вони витрачають, чи повертаються вони та з якою частотою залишають кошик. Зміна фокусу на ці метрики, пов’язані з доходом, робить його легшим побачити, що працює – і продовжувати вдосконалювати використання штучного інтелекту.

Рух вперед з рітейл штучним інтелектом

Якщо одна річ тепер зрозуміла, то це те, що рітейлерам не обов’язково потрібні більше інструментів штучного інтелекту. їм потрібно краще використовувати існуючу технологію. Виправляючи проблеми якості даних, роблячи персоналізацію значущою та зосереджуючись на правильних KPI, вони можуть перетворити штучний інтелект з блискучого додатку на справжній двигун росту. Метою повинно бути сильніші зв’язки з клієнтами, які стимулюють продажі.