人工智能驅動的個性化產生了令人印象深刻的零售投資回報率

已發表: 2020-06-19

隨著城市開始分階段重新開放實體企業，消費者在三個月的庇護所後紛紛走出家門。

儘管必須在大流行開始時迅速調整，但聰明的零售商認識到，消費者仍需要相關的個性化購物體驗。在大流行的早期階段優先考慮個性化溝通的公司可能已經與客戶建立了牢固的聯繫。

然而，在零售貿易出版物最近的一項研究中，31% 的受訪者認為保持個性化通信是最大的運營挑戰。

雖然我們最近進行的一項研究沒有具體詢問零售商對 COVID-19 的反應，但研究結果為開闢前進道路提供了重要的見解。通過專注於高級個性化，零售商可以靈活地滿足不斷變化的消費者需求，並最終獲得更高的回報。

根據我們的研究，使用某種高級人工智能驅動個性化措施的零售商中有 70% 實現了 200% 或更高的投資回報率。當更進一步在盡可能多的接觸點上進行部署時，投資回報率再次增加到 300%。

最後，對於具有真正以營銷為主導的跨渠道個性化策略的零售商來說，400% 的投資回報率是可以實現的，幾乎每個接觸點都根據購物者的歷史和偏好進行個性化。

通過採用人工智能工具，零售商將處於實現類似結果的最佳位置。

個性化需要掌握數據才能給人留下深刻印象

像任何好的引擎一樣，個性化工具需要利用正確的燃料來源。這種燃料可以在準確的數據中找到。數據在零售中無處不在，客戶一直在生成新數據。

良好的數據推動了令人難忘的個性化——考慮到這一點，人工智能作為個性化引擎的主要組成部分是完全合理的。通過人工智能，數據洞察立即變得更有價值，自動化開始執行引擎的個性化建議。

零售商或品牌收集數據的能力有兩個方面。第一個要素是零售商對不同接觸點或渠道的客戶的了解程度，第二個要素是他們根據每次獨特的互動或購買對購物者的了解程度。

反映這一點，電子商務平台有兩大類數據可用於通知個性化：產品信息和交易數據。

數據了解購物者過去的行為方式，並了解它在多大程度上可以預測未來的購物行為。購物者採取的每一個行動，無論是僅僅瀏覽還是完成最終購買，都會影響到電子商務引擎。

人工智能的力量是梳理這些數據——加上天氣、位置、一天中的時間、設備類型或其他環境因素——以更有效地“切片和切塊”，分析和注意到對人類來說並不明顯的違反直覺的需求模式眼睛。

一些數據點並不是那麼重要，而另一些則是強勁的需求信號。 AI 對所有噪音進行分類，以全面了解購物者。輸入引擎的數據越多，定位效果越好，與購物者互動的可能性就越大。

“個性化商務”是一個由三部分組成的個性化策略，優先考慮跨每個營銷、購物和履行渠道的一對一客戶體驗。

當人工智能驅動的個性化做得對時，客戶應該會想，“哇！他們怎麼知道我喜歡那個？就好像他們可以讀懂我的心一樣。” 那一刻應該是真實的，這種情緒反應應該會產生一種與購物者自然的忠誠或親和感。

但是，在單個購物者的整個生命週期中始終如一地執行此操作的能力是一個巨大的障礙。花點時間想像一下無限的可能性——很明顯，這些體驗永遠不可能手工縫製。

例如，可以根據 Web 用戶的當前天氣狀況對主頁進行個性化。當購物者進入網站時，引擎可以識別他們的忠誠度狀態和瀏覽歷史，顯示購物者最有可能採取行動的特定銷售或促銷活動。

同樣，類別列表頁面和產品搜索結果可以根據個人情況進行定制。甚至產品評論也可以個性化，不默認為新近度或評級，而是顯示最喜歡他們的人的用戶反饋。

機會還在繼續。交叉銷售、追加銷售和衝動購買可以在結賬時進行個性化設置，人工智能可以在此階段了解購物者的購買傾向。

通過電子郵件或社交進行的營銷也可以個性化，確切地知道提供什麼優惠以重新吸引購物者。可能性是無止境。

當今值得採用的正確個性化平臺本身與平台無關。它必須與零售商技術堆棧的其他層——零售商的電子商務平台、庫存管理系統、移動設備、應用程序、店內 POS、售貨亭、電子郵件等配合得很好。

在討論輸入個性化引擎的數據類型時，重要的是確保該工具可以與各種數據源交互。

通過 API 或微服務結構來回傳遞信息的能力將使零售商能夠對所有數據進行建模並創建購物者的單一視圖。底層算法必須健壯，並且該工具需要激活關鍵指標和 KPI 的快速報告。

無論零售業態變化的不可預測性如何，對於組織而言，無論接觸點或渠道如何，努力打造流暢、無摩擦和個性化的購物之旅仍然非常重要。

為了實現數字敏捷並實現技術支出的最高投資回報率，零售商需要人工智能支持，這將使個性化商務成為現實。

Meyar Sheik 是 Kibo 的總裁兼首席商務官，該公司為零售商、製造商和品牌提供雲商務軟件和服務，包括電子商務、訂單管理、Certona 個性化、Monetate 個性化和優化以及移動銷售點。 Kibo 於 2019 年收購了 Certona，Meyar 擔任首席執行官和創始人。