Prema najnovijim istraživanjima, 80% građana EU planira da nastavi kupovinu namirnica online nakon pandemije i sada kada je tržište pokazalo da online može da funkcioniše i kod nas, vreme je da domaći ritejleri i ostali koji se bave prodajom na internetu, shvate kako IT tehnologije mogu da im pomognu da povećaju prodaju, stvore dobro korisničko iskustvo i povećaju zadovoljstvo potrošača.
Za sagovornika na ovu temu, izabrali smo Matiju Bogdanovića, Account menadžera IT kompanije Saga New Frontier Group, koji dugi niz godina radi sa domaćim kompanijama na gore navedenim stvarima.
Već smo mnogo puta čuli da nove tehnologije doprinose boljitku poslovanja kompanija, pogotovo kada su u pitanju povećanje prodaje, e-commerce i rast zadovoljstva potrošača. Šta to veštačku inteligenciju, mašinsko učenje i big data izdvaja od drugih?
Trendovi su da korisnici žele isto iskustvo na svim uređajima i kanalima, da imaju preporuke proizvoda na osnovu njihovog ponašanja, recenzije drugih potrošača i slično, koje nije moguće ostvariti, bar ne efikasno, bez veštačke inteligencije i mašinskog učenja. Količina podataka (big data) koje ritejleri mogu da prikupe u današnje vreme je ogromna. Veštačka inteligencija u oblasti online kupovine značajano utiče na menjanje korisničkog iskustva, jer podaci dobijeni kroz digitalne (i sve druge) kanale se koriste kako bi se preporučio pravi proizvod za potrošača, što ima direktan uticaj na povećanje prodaje. Modelima mašinskog učenja kupci mogu da se segmentišu i ritejleri mogu da unaprede svoj pristup personalizovanjem kampanja koje prave.
Najveća vrednost ovih tehnologija, prema mom mišljenju, je personalizovani pristup svakom korisniku. Istraživanja pokazuju da kupci na online kanalu potroše 48% novca više ukoliko je pristup personalizovan. Upravo veštačka inteligencija i big data poboljšavaju razumevanje potrošača i omogućavaju im osećanje „ličnog kontakta“.
Kako se dolazi do sistema za preporuku proizvoda prilikom online kupovine upotrebom podatka?
Rukovodioci najvećih kompanija sve više postaju svesni da su podaci koje njihove kompanije prikupljaju nedovoljno iskorišćeni i da primena big data koncepta i prediktivne analitike upravo služi za ispunjavanje neiskorišćenih potencijala. Big data predstavlja veliku količinu strukturiranih i nestrukturiranih podataka koji se prikupljaju sa svih dostupnih izvora i predstavljaju podlogu za predviđanje postupaka samih potrošača. Domino’s Pizza je napravila program naručivanja „AnyWare“ koji omogućava kupovinu pice putem pametnih satova, televizora, automobila i društvenih mreža. Učinili su prodaju lakom i prikladnom i to je bila krucijalna prednost za prodaju pice Domino koja im je omogućila lidersku poziciju na tržištu. Međutim, kombinovanje podataka iz različitih prodajnih kanala u realnom vremenu bilo je nezamislivo bez savremenih tehnologija.
Sistemi za preporuku uzimaju različite parametre, od kojih su dva glavna: 1. proizvodi slični proizvodima koje je potrošač pretraživao i 2. korisnici koji su slični tom korisniku, recimo oni koji imaju slične pretrage preko digitalnih kanala. Sistem za preporuku je model mašinskog učenja koji uzima u obzir ova dva parametra i kalkuliše krajnje rezultate na osnovu kojih se za svaki proizvod i za svakog korisnika kreira vrednost na osnovu kojih se preporučuju proizvodi koji potrošaču najviše odgovaraju. Uticaj ovakvih sistema se najbolje vidi kod platforme Netflix gde 75% potrošača gleda filmove prema njihovoj preporuci, a čak 35% prihoda kompanije Amazon se generiše preko sistema za preporuku!
Da li je moguće povezati kupovinu u prodavnicama i online kako bi se personalizovana ponuda i stvorili sistemi za preporuku?
Apsolutno, da! Ako kompanija ima sisteme za prikupljanje podataka, na primer loyalty program koji putem kartica prikuplja podatke o kupovini, apsolutno postoje opcije, poput Saginog proizvoda Selecta CRM, tačnije analitički i big data modula u koji je moguće integrisati i ovaj izvor podataka i iskoristiti ga za preporuku prilikom sledeće kupovine. Sa Selectom dobijamo uvid koji su to proizvodi iste grupe (korisnici zajedno kupuju iako su u različitim segmentima) i na taj način može da se poveća vrednost korpe potrošača kroz kreiranje ponuda/akcija u prodavnicama.
Kako još analizom podataka, može da se poboljša poslovanje u online-u?
Ono što bih izdvojio je market basket analiza. Ona funkcioniše tako što posmatramo korisničke korpe, a ne potrošače. Analiziraju se proizvodi koji se kupuju zajedno i pomoću ove analize se nalazi korelacija između proizvoda koji se kupuju prilikom jedinstvene kupovine. Dobijamo uvid koji su to proizvodi iste grupe i na taj način može da se poveća vrednost korpe potrošača kroz kreiranje ponuda/akcija u prodavnicama.
Kupci žele brzu uslugu i ne praštaju loše korisničko iskustvo. Ritejleri bi trebalo da iskoriste pun potencijal tehnologija kako bi kupcima pružili izuzetnu uslugu. Da bi kompanije mogle da zadrže zadovoljstvo svojih korisnika, moraju da razmotre kvalitet svojih proizvoda i usluga, kao i način na koji će održati vernost svojih korisnika – a time i rast prihoda i poslovanja. Da li je odgovor u ulaganje u veštačku inteligenciju, big data i mašinsko učenje? Nemam dilemu da jeste!
Foto: Saga New Frontier Group
