Η τεχνητή νοημοσύνη διευκολύνει την εξατομίκευση του ηλεκτρονικού εμπορίου, αλλά πότε πάει πολύ μακριά;

Το ηλεκτρονικό εμπόριο δεν έχει έλλειψη δεδομένων

Οι διαδικτυακοί λιανοπωλητές συλλέγουν ήδη πολλά σήματα. Οι πελάτες αναζητούν, κάνουν κλικ, συγκρίνουν προϊόντα, εγκαταλείπουν καλάθια, ανοίγουν email και κάνουν αγορές. Τα προγράμματα επιβράβευσης και οι λογαριασμοί πελατών προσθέτουν ένα άλλο επίπεδο. Η τεχνητή νοημοσύνη μπορεί να συνδέσει αυτά τα σήματα και να τα χρησιμοποιήσει για να αποφασίσει ποιο προϊόν, μήνυμα ή προσφορά θα δει κάποιος στη συνέχεια.

Αυτό μπορεί να κάνει τις αγορές πραγματικά πιο εύκολες. Ένας πωλητής λιανικής που θυμάται ένα προτιμώμενο μέγεθος είναι χρήσιμο. Το ίδιο και η επαναφορά ενός πελάτη σε ένα ημιτελές καλάθι ή η διευκόλυνση της αναπαραγγελίας κάτι που αγοράζει τακτικά.

Αλλά η ίδια τεχνολογία μπορεί να παράγει το αντίθετο αποτέλεσμα.

Κοιτάξτε ένα προϊόν μία φορά και σας ακολουθεί στο διαδίκτυο. Αγοράστε ένα δώρο για ένα παιδί και τα παιδικά προϊόντα κυριαρχούν στις συστάσεις σας για εβδομάδες. Αναζητήστε κάτι ασυνήθιστο και ξαφνικά η αρχική σελίδα φαίνεται πεπεισμένη ότι έχει ανακαλύψει μια νέα πλευρά της προσωπικότητάς σας. Σε αυτό το περιστατικό, η τεχνολογία λειτούργησε. Η ερμηνεία δεν το έκανε.

Ένα κλικ δεν είναι προφίλ πελάτη

Εδώ είναι που η εξατομίκευση που βασίζεται στην τεχνητή νοημοσύνη εισάγει ένα σημαντικό πρόβλημα. Τα δεδομένα ηλεκτρονικού εμπορίου καταγράφουν τη συμπεριφορά, αλλά η συμπεριφορά συχνά στερείται πλαισίου.

Κάποιος που αγοράζει μια premium τσάντα μπορεί να αγοράζει ένα δώρο γενεθλίων. Ένας πελάτης που περιηγείται ξαφνικά σε βρεφικά προϊόντα μπορεί να ψωνίζει για έναν φίλο. Ένας οικιακός λογαριασμός μπορεί να χρησιμοποιείται από πολλά άτομα.

Ένας αλγόριθμος βλέπει σήματα. Δεν γνωρίζει απαραίτητα την ιστορία πίσω από αυτά.

Αυτό κάνει τη διαφορά μεταξύ αυτού που γνωρίζει ένας λιανοπωλητής και αυτού που υποθέτει όλο και πιο σημαντική.

Σήμα	Χρήσιμη χρήση	Πάρα πολύ
Επανάληψη αγοράς	Κάντε την αναδιάταξη ευκολότερη	Υποθέστε άσχετες προτιμήσεις
Εγκαταλελειμμένο καλάθι	Προσφέρετε μια απλή υπενθύμιση	Κυνηγήστε τον αγοραστή σε κάθε κανάλι
Περιήγηση προϊόντων	Βελτιώστε τις επιτόπιες προτάσεις	Δημιουργήστε ένα προφίλ από μία επίσκεψη
Δηλωμένη προτίμηση	Εμφάνιση περισσότερων σχετικών προϊόντων	Συνεχίστε να το χρησιμοποιείτε μετά από αλλαγές συμπεριφοράς
Πρόβλεψη AI	Βοηθήστε στην κατάταξη πιθανών σχετικών προϊόντων	Αντιμετωπίστε την πρόβλεψη ως γεγονός πελάτη

Η εξατομίκευση γίνεται επικίνδυνη όταν μια υπόθεση αρχίζει να αντιμετωπίζεται με την ίδια σιγουριά με κάτι που ο πελάτης έκανε ή είπε στον πωλητή λιανικής.

Δεν χρειάζεται κάθε σήμα μια καμπάνια

Η τεχνολογία μάρκετινγκ καθιστά δελεαστικό να δράσουμε απλώς και μόνο επειδή μπορούμε.

Ένας πελάτης είδε μια κατηγορία; Δημιουργήστε ένα τμήμα. Άφησαν καλάθι; Ενεργοποιήστε ένα ταξίδι. Έκαναν κλικ δύο φορές; Προσθέστε άλλη μια πρόταση.

Αλλά δεν χρειάζεται κάθε ενέργεια πελάτη μια απάντηση μάρκετινγκ. Μερικές φορές μια προβολή προϊόντος θα πρέπει να παραμείνει προβολή προϊόντος.

Αυτό είναι ιδιαίτερα σημαντικό καθώς η τεχνητή νοημοσύνη μειώνει το κόστος δημιουργίας ολοένα και πιο λεπτομερούς κοινού και εξατομικευμένων εμπειριών. Το τεχνικό εμπόδιο εξαφανίζεται, γεγονός που καθιστά την ανθρώπινη κρίση πιο σημαντική.

Πριν ενεργοποιήσετε ένα άλλο σημείο δεδομένων, υπάρχει μια απλούστερη ερώτηση που αξίζει να κάνετε: Τι βελτιώνει πραγματικά αυτό για τον αγοραστή;

Εάν βοηθά κάποιον να βρει ένα προϊόν πιο γρήγορα, αφαιρεί άσχετες επιλογές ή τον σώζει από το να ξεκινήσει ξανά, υπάρχει προφανής σκοπός.

Εάν η κύρια απάντηση είναι απλώς «μας δίνει άλλη μια ευκαιρία να τα μετατρέψουμε», το όφελος του πελάτη είναι πολύ λιγότερο σαφές.

Μερικές φορές η πιο έξυπνη εμπειρία είναι η πιο απλή

Υπάρχει μια τάση να αντιμετωπίζεται η ολοένα και πιο εξελιγμένη εξατομίκευση ως πρόοδος από μόνη της. Δεν είναι.

Μια καλή ενότητα μπεστ σέλερ μπορεί να λειτουργήσει καλύτερα από μια περίπλοκη μηχανή συστάσεων για έναν επισκέπτη για πρώτη φορά. Μια υπενθύμιση ενός καλαθιού μπορεί να είναι πιο χρήσιμη από το να εμφανίζεται ταυτόχρονα στα εισερχόμενα, στη ροή κοινωνικής δικτύωσης και στις διαφημίσεις προβολής κάποιου.

Οι έμποροι λιανικής μπορούν επίσης να σταματήσουν να προσπαθούν να συμπεράνουν τα πάντα.

Επιτρέποντας στους πελάτες να επιλέξουν κατηγορίες που τους ενδιαφέρουν, να αλλάξουν τη συχνότητα επικοινωνίας ή να απορρίψουν άσχετες συστάσεις, τους δίνει κάποιο έλεγχο στην εμπειρία. Παρέχει επίσης κάτι με το οποίο συχνά παλεύουν οι αλγόριθμοι: το πλαίσιο.

Ο στόχος δεν πρέπει να είναι η εξατομίκευση κάθε διαθέσιμου σημείου επαφής.

Θα πρέπει να είναι η εξατομίκευση αυτών όπου κάτι τέτοιο βοηθά πραγματικά.

Η αυτοσυγκράτηση θα μπορούσε να γίνει μέρος της καλής εξατομίκευσης

Η τεχνητή νοημοσύνη θα δώσει στις επιχειρήσεις ηλεκτρονικού εμπορίου περισσότερα σήματα πελατών, περισσότερες προβλέψεις και περισσότερες ευκαιρίες να δράσουν βάσει αυτών.

Αυτό δεν σημαίνει ότι όλοι τους αξίζουν να φτάσουν στον πελάτη.

Η ισχυρότερη εξατομίκευση συχνά μοιάζει σχεδόν αόρατη. Τα σωστά προϊόντα είναι πιο εύκολο να βρεθούν. Οι άσχετες επιλογές εξαφανίζονται. Η επιστροφή σε μια αγορά είναι απλή. Ο πελάτης δεν χρειάζεται να σκεφτεί γιατί συνέβη κάτι από αυτά.

Αυτό μπορεί να γίνει ένα όλο και πιο χρήσιμο σημείο αναφοράς.

Οι πελάτες δεν επισκέπτονται ένα ηλεκτρονικό κατάστημα για να δουν πόσο εξελιγμένη είναι η στοίβα δεδομένων του. Εάν η εξατομίκευση διευκολύνει τις αγορές, κάνει τη δουλειά της.