在超零售時代,品牌店家可以掌握的數據非常龐大,機器學習技術成熟,也讓人工智慧(AI)的應用越來越廣。這時候,如何把技術開發資源投資在刀口上,是一個更重要的問題。
品牌新零售解決方案公司91APP自2016年起,開始嘗試將人工智慧運用在電子商務中。也就是透過分析消費者旅程,進一步判斷、預測使用者的行為模式。其中包含了兩種做法:回購預測分析以及訪客行為分析。
高達30%轉換率,回購預測引擎卻喊卡
在消費者完成首購與第一次回購之後,可透過人工智慧建立模型,接著判斷刺激回購的要素,讓品牌透過分析建議投放廣告,促使消費者在可能回購的時機點完成購物。這就是回購預測引擎機制。
91APP產品長李昆謀說,在回購預測引擎的前測時期,預測準確率就已經有5%之高,經過一段時間的模型調整後,更能達到將近30%的轉換率。
那麼,回購預測引擎在近期的成效如何呢?李昆謀卻說,「我們最近已經比較沒有做這個了。」
原來,在回購預測引擎的機制之中,必須要有完成交易過2次的消費者,才可以作為有效資料進到人工智慧模型中運算。李昆謀進一步解釋,「不管什麼品牌、品項都是,(有兩次交易紀錄的會員)小於10%是滿常見的。」不僅可以分析的數據過少,而且10%曾回購的忠誠客戶就算不用人工智慧預測,廣發同一種行銷內容,也大多會回購。因此,91APP很快便轉舵加速,將人工智慧的能量投注在分析「訪客行為」上。
善用訪客行為數據,業績提升2倍
「 訪客行為也許沒有交易紀錄,我也不以交易紀錄為主(分析對象);真的去預測那種沒有買過,但你卻知道他會買,這才是創造新業績, 」李昆謀說。
透過使用者在網站中的每一次點擊與瀏覽,可以了解訪客的意圖。而且訪客行為的資料量是交易紀錄的10倍,建立預測模型更精準。91APP透過人工智慧技術,將電商網站上的消費者行為模式分為三類:
1.瀏覽(Browsing):消費者並不清楚購物目標,點擊瀏覽行為橫跨多個分類。
2.搜尋(Searching):消費者大概知道要尋找品類,重複觀看同一種類別或是同一種顏色,但是找不到適合的品項,無法下決定。
3.購買(Buying):消費者重複將品項加入、移出購物車,即將完成購物,但在湊品類滿額優惠或是免運費門檻。
在運用人工智慧技術,將訪客購物行為分為以上3種模式之後,就可以分析尚未完成購物的消費者需求,並進一步針對訪客的個人需求投放相對應的廣告與優惠。
91APP指出,在流行品類之中,已有品牌透過訪客行為分析在行銷檔期之中,並達到將近2倍的業績提升。
持續經營超級用戶,數據搜集擴大到全通路
展望2019年,加強「基本功」是91APP最重要的功課。像是在促使訪客完成首購之後,還要進一步提升顧客回購率。「業績不可能一直靠廣告預算,要慢慢累積你的超級會員;來自前10%超級會員的購買金額,會占整體銷售的70~80%業績,」李昆謀這樣說。
另外,在未來訪客行為數據也不會僅止於在虛擬世界,訪客在實體門市的行為數據也必須要能夠搜集。
「所以有很多基礎的東西,要把它填補起來;全通路討厭的地方就是根本做不完,永遠有新的通路,」李昆謀笑著說。