Как применить персонализацию на базе искусственного интеллекта в многоканальной розничной торговле

В отчете Big Commerce «Глобальная электронная коммерция за 2024 год: Мода и одежда», опубликованном открытой SaaS-платформой и платформой электронной коммерции Big Commerce, говорится, что с 1 квартала 2023 по 1 квартал 2024 года валовая стоимость товаров модных брендов и брендов одежды во всем мире увеличилась на 10,7%.

На это увеличение GMV частично повлияло увеличение заказов на 7,2% за тот же период времени. Согласно глобальным данным BigCommerce о клиентах из более чем 150 стран, средняя стоимость заказа брендов выросла со 160 долларов в первом квартале 2023 года до 165 долларов в первом квартале 2024 года.

Сегодня использование искусственного интеллекта для прогнозирования спроса, установления цен, улучшения дизайна продукции и установления новых контактов с клиентами находится на переднем крае обсуждения оптимизированных многоканальных стратегий. Стратегии персонализации и взаимодействия с потребителями в настоящее время имеют решающее значение для соответствия растущему потребительскому поведению и настроениям потребителей, стремящихся к более точным рекомендациям по продуктам, индивидуальному обслуживанию и индивидуализированному опыту розничной торговли.

BigCommerce называет эти персонализированные розничные экосистемы “составной розничной торговлей”. Компания, котирующаяся на бирже, оказывает поддержку десяткам тысяч компаний B2C и B2B во многих отраслях, включая Harvey Nichols, в создании, внедрении инноваций и развитии их бизнеса в Интернете. “Генеративный ИИ уже играет огромную роль в технологиях, и со временем он будет становиться только лучше и мощнее”, - сказал Трой Кокс, директор по продуктам BigCommerce. - В частности, в сфере электронной коммерции существуют огромные возможности, такие как поисковая оптимизация, языковые чат-сервисы, переводы, а также создание изображений и контента”.

Компания BoF обобщает информацию из трех источников, которыми поделилась BigCommerce, ее отчетов: «Как искусственный интеллект меняет модную электронную коммерцию» и «Глобальный отчет об электронной коммерции за 2024 год: Мода и одежда», а также информацию, представленную на выставке SXSW в 2024 году, и делится наиболее актуальными соображениями, касающимися оптимизации многоканального взаимодействия. стратегии приведены ниже.

БоФ: До четверти потенциальной ценности генеративного ИИ в сфере моды может быть обусловлено вариантами использования в дизайне и разработке продуктов. Однако баланс между [потребительскими] намерениями и доступностью для ознакомления невероятно сложен.

Лишь немногие розничные продавцы делают следующий важный шаг - предлагают индивидуальные рекомендации по продуктам и результаты поиска на своих сайтах электронной коммерции, что эксперты называют “настоящей персонализацией”. Внедрение происходит медленно, поскольку даже при современных технологических достижениях внедрение персонализации в электронной коммерции является сложной задачей.

Бренды должны либо создавать алгоритмы, способные предсказывать поведение клиентов с нуля, либо использовать программные платформы, способные выполнять за них всю тяжелую работу. В прошлом году компания Manhattan Associates опросила более 100 брендов и розничных продавцов, и только 20% из них заявили, что они разрабатывают рекомендации по продуктам на основе истории покупок клиентов.

BigCommerce: Будущее электронной коммерции - в том, что ее можно создавать. Поскольку ожидания клиентов продолжают меняться, брендам нужна платформа электронной коммерции, которая позволяла бы им адаптировать опыт работы с учетом групповых и даже индивидуальных потребностей клиентов.

В 2023 году искусственный интеллект и машинное обучение развивались семимильными шагами, и в этом году бренды должны начать использовать искусственный интеллект и машинное обучение, чтобы лучше использовать данные о клиентах для подачи нужных сообщений в нужном месте в нужное время. BoF: Компаниям необходимо создавать возможности для динамичного ценообразования, которые учитывают колебания покупательной способности клиентов и могут оказывать максимальное влияние на ассортимент и регионы.

Такой подход позволяет компаниям лучше адаптироваться к условиям высокой инфляции, защищать прибыль, а также управлять влиянием инфляции на потребителей. Крупная коммерция: бренды могут использовать данные о клиентах не только для предоставления персонализированных рекомендаций по продуктам, но и для определения индивидуальных цен, основанных на походах за покупками.

Предлагая персонализированные цены, бренды часто могут склонить клиентов к покупке быстрее, чем с помощью кодов скидок или купонов. Ключевым моментом является согласование рыночных условий в режиме реального времени, информации о клиентах и усилий по цифровому маркетингу.

BoF: Варианты использования ИИ варьируются от помощи при совершении покупок в Интернете до составления описаний продуктов, создания кампаний и копирайтинга для продавцов. В творческом плане генераторы изображений, такие как Midjourney, оживляют кампании. По оценкам консалтинговой компании McKinsey, технология искусственного интеллекта может повысить производительность маркетинговой службы на 5-15% от общих расходов на маркетинг. Клиенты ожидают персонализированного обслуживания, а статичность страниц покупок не соответствует тому, что, как мы знаем, мы можем сделать с помощью искусственного интеллекта.

BigCommerce: Tommy Hilfiger был одним из первых новаторов в области искусственного интеллекта, запустив чат-бота с искусственным интеллектом на своей странице в Facebook в 2016 году. Чат-бот помогал покупателям просматривать коллекции и выбирать одежду, а также предлагал коллекции, основанные на их стиле.

BoF: Генеративный искусственный интеллект лидирует в технологиях нового поколения, формирующих отрасли и рабочие места, но только 5% руководителей сферы моды готовы использовать его наилучшим образом. По оценкам McKinsey &Company, экономический потенциал gen AI может увеличить операционную прибыль секторов одежды, моды и предметов роскоши до 275 миллиардов долларов.

BigCommerce: ИИ может анализировать данные из цепочек поставок (источники, производство, прогнозирование спроса и т.д.), выявлять недостатки и предлагать улучшения. ИИ особенно эффективен, когда речь заходит о прогнозировании тенденций.