基於人工智能的個性化為這家頂級零售商提供了 10% 以上的收入增長

ZineOne 屢獲殊榮的基於人工智能的個性化平台使用預測建模來幫助企業了解和響應即時的客戶活動。

ZineOne 的技術被稱為“智能客戶參與平台”，使零售商能夠用第三方和會話中瀏覽數據補充現有存儲的客戶數據，通過他們的網站、移動設備、信息亭或任何其他渠道提供相關和個性化的會話中體驗.

ZineOne 的最新案例研究討論了美國 10 大百貨連鎖店在向其網站和移動用戶提供與上下文相關且引人入勝的優惠時所面臨的挑戰。

該案例研究突出了零售商的主要障礙，詳細概述了 ZineOne 如何使用 AI 和預測建模幫助他們應對挑戰，並展示了一些真正令人印象深刻的結果。

案例研究，基於 AI 的個性化提供 10% 以上的收入提升，可從此處下載。

與ZineOne合作製作的內容。

消除雜亂的零售優惠

來自零售商的彈出窗口、推送通知、電子郵件和其他優惠的湧入對消費者來說可能是壓倒性的。 這種過載會導致較低的轉化率和更多的購物車放棄。

為了在客戶中脫穎而出，美國 10 大百貨連鎖店知道他們需要一種技術來幫助他們實時支持相關的、情境化的客戶參與。

這家零售商與 ZineOne 合作，這是一個基於人工智能的個性化平台，可通過數字和物理渠道提供對每位訪客的洞察，以實現這一目標。

該零售商擁有超過 100,000 名員工，超過 1000 家商店的收入超過 15 億美元。

ZineOne 寫道，“為了支持其設想的相關的、上下文的客戶參與，零售商知道它需要一個不同的解決方案，一個可以利用數據科學的進步來實時加深客戶關係、品牌親和力和忠誠度的解決方案。 ”

無法訪問會話中的客戶數據是主要挑戰

零售商在實施更強大的客戶參與策略方面面臨著幾個挑戰——主要的挑戰是無法訪問可以補充現有存儲客戶數據的會話中客戶數據。

正如案例研究中所指出的，挑戰總結如下：

• 訪問會話中的用戶行為和實時上下文
• 無法連接每個客戶的跨渠道上下文
• 低報價接受率的次優客戶參與

ZineOne 寫道，“雖然對存儲的客戶數據的分析允許創建導致基本個性化推薦的角色和細分，但它沒有考慮到客戶當前的渠道、需求和心態。 因此，品牌不能有意義地個性化客戶的會話體驗，以防止放棄網站或購物車。”

這家零售商邀請 ZineOne 幫助他們使用基於人工智能的推薦來部署相關的、個性化的參與，這些推薦結合了會話中的用戶行為。

他們還整合了來自其他各種平台的客戶數據，將數據統一到跨渠道的單一用戶視圖中，並使用機器學習 (ML) 實時分析數據，將其與歷史數據點進行比較以獲得更準確的預測（並有助於影響) 會話內購買。

人工智能驅動的實時個性化是這家零售商的解決方案

ZineOne 的智能客戶參與 (ICE) 平台使零售商能夠自動化會話中乾預，這些干預基於持續的跨渠道客戶智能。

這是通過使用正在申請專利的“客戶 DNA”技術來實現的，該技術根據實時相關信息（例如在購物時向訪客提供的超個性化優惠）推薦行動以激勵訪客。

有關客戶 DNA 購物者行為的一些詳細信息：

• 客戶 DNA 是每個購物者不斷變化的行為數據流
• 數據通過跨平台的環境洞察得到增強，可提供有關每個客戶的持續情報
• 使用 ZineOne ICE 平台中嵌入的基於機器學習的模型優化客戶洞察

根據客戶 DNA 的 ZineOne，“允許零售商根據智能層預測的最適合每位訪客的內容，對發生的用戶活動做出有意義的反應。”

結果

來源：ZineOne

ZineOne 的技術實施後，零售商在基於會話中用戶行為的預測模型中看到了令人印象深刻的結果，準確率高達 90%。

該公司還看到了 50% 以上的贖回率和 12% 的個性化優惠淨收入增長。

有關這家頂級零售商的超個性化情境個性化方法的更多詳細信息，請下載 ZineOne 案例研究：基於人工智能的個性化提供 10% 以上的收入提升。