Superskalarny Doradca: W jaki sposób myśleć o rekomendacjach

Pozwalają zmienić dowolny e-commerce w “Sprzedażową Maszynę”, czyli właśnie tytułową Marketing Machine. U podstaw MM leży założenie, że technologia nie powinna być zarezerwowana tylko dla “wybranych” – największych i najważniejszych graczy na rynku eCommerce. Każdy powinien mieć możliwość korzystania z wyrafinowanych metod, godnych nowoczesnego Digital Marketingu. Zapotrzebowanie na takową można równie łatwo umotywować, co wyjaśnić.

Rdzeniem każdego e-commerce jest strona internetowa, na której nie ma jako takich ludzkich doradców. Klient jest zdany na siebie i bez jakichkolwiek usprawnień, w lejku zakupowym – między potrzebą, chęcią realizacji tej potrzeby a ostatecznie konwersją, którą rozumiemy jako dokonanie zakupu. Właśnie tutaj powstaje luka. A zadaniem menadżera jest wypełnienie jej.

Pisałem już na powyższy temat w tym artykule. Jeżeli interesujesz się filozofią, na pewno przypadnie Ci do gustu.

Tekst, który właśnie czytasz, skupia się już konkretnie na implementacji algorytmów rekomendacyjnych wykorzystujących AI, które przebudzą Twój eCommerce. Zamienią go w responsywną, inteligentną, sprzedażową maszynę.

Zacznijmy od początku

Rekomendacja jest tak naprawdę filtrem, który nakładasz na swoją ofertę. Nieskomplikowane, prawda? Rolą tego filtra jest wytypować coś, co spełnia pewne kryteria. Co to za kryteria? Na to pytanie możemy udzielić mojej ulubionej, uniwersalnej odpowiedzi: To zależy:

• Potrzeby: Produkty muszą spełniać potrzeby klienta. Jeśli je spełniają, to konwersja jest gwarantowana. Ale nie tylko:
• Prawdopodobieństwo zakupu: Najprawdopodobniej klient to kupi. Nikt nie mówi, że produkt, którego klient potrzebuje to ten sam, którego skrycie pragnie, ale to właśnie pragnienia klientów tak naprawdę napędzają sprzedaż. Skoro o pieniądzach:
• Marża: Produkty, które zagwarantują Ci największy zysk, ponieważ kosztują więcej / są wysokomarżowe. Jednocześnie oczywiście spełniają potrzeby, na przykład te, których klienci nie są do końca świadomi, chociaż właściwie, to domena następnego aspektu:
• Odkrycie: Czasami musimy pokazać klientom, że jakieś produkty w ogóle istnieją, aby stwierdzili, że ich potrzebują. Przykład? Ergonomiczny stojak na umyte naczynia, który jest jednocześnie doniczką na roślinki kulinarnego użytku. Zazwyczaj będzie to w pewnym stopniu powiązane z:
• Komplementarność(ią): Produkty komplementarne z innymi, które klient już posiada i świetnie ułatwia, poszerza, wpływa na jakość tego, do czego go używasz, poprawia UX.

Po pierwsze, chyba zauważyłeś, że powyższe aspekty nakładają się na siebie w pewnym stopniu, ale nie ma w tym nic złego. Zależy mi na tym by wyodrębnić poszczególne argumenty, które przemawiają za podjęciem decyzji zakupowej, a jednocześnie są twoimi arumentami sprzedawcy. Ostatecznie przecież musisz zastąpić doradcę z krwi i kości, prawda?

Po drugie: pewnie już skojarzyłeś powyższe, z popularnymi technikami takimi jak cross-selling czy up-selling. To też jest ok. Sztuczna inteligencja – każdego rodzaju – ma symulować ludzkie aktywności, umiejętności. Czasami je przerosnąć, ale przede wszystkim pod względem wydajności.

Superskalarność (ang. superscalar) – cecha mikroprocesorów oznaczająca możliwość jednoczesnego wykonywania kilku rozkazów maszynowych, realizowana poprzez zwielokrotnienie skalarnych jednostek wykonawczych. (Wikipedia)

Wszystko to ma na celu ułatwić klientom dokonanie zakupu. Jednocześnie im wszystkim. Jednemu, dwóm, tuzinowi, kopie, tysiącowi. Każdy z klientów będzie doradzano coś innego. Tam gdzie nie wystarcza zaprogramowanie kilku prostych sekwencji, pojawiają się techniki sztucznej inteligencji, które dodają ten “ludzki element” programom. Stąd określam to właśnie Ghost in the Marketing Machine, Duchem w marketingowej maszynie (lub Ghost in the Shell, obie nazwy brzmią dobrze).

Dlaczego AI?

E-commerce to idealne pole do rozwoju dla AI, ponieważ operuje na dużej ilości danych, w dużej skali, oraz efektywnych metodach weryfikacji skuteczności jej decyzji. Dlaczego? Bo, zazwyczaj planując strategię marketingową, zachęcamy użytkowników do wykonania tylko jednej czynności na raz. Czegoś, co jest łatwe do “zrozumienia” (często podświadomie) i łatwe do przeanalizowania w tym samym czasie. Każdy krok wykonany przez użytkownika może być zapamiętany i przechowany w bazach danych.

Dzięki temu możemy łatwo (w porównaniu do innych zastosowań AI) zamodelować związek między przyczyną i skutkiem. Modelowanie tego związku to podstawa dla rozwoju AI.

Disclaimer 1:

Nie znaczy to, że zastosowań AI należy upatrywać tylko w łatwych dla niej zadaniach i nie znaczy to, że są one, same w sobie, proste. Warto jednak podkreślić, że eCommerce to po prostu bardzo wdzięczne poletko. Tak na marginesie: znajdziemy tu także bardziej ambitne zadania. Jedno z nich realizujemy właśnie w toku prac B+R. Więcej można się o nim dowiedzieć z >Tego< artykułu, a także wspomnę co nieco tutaj, ale trochę dalej.

Disclaimer 2:

Używam skrótu AI, który rozwija się jako Artificial Intelligence lub Augmented Intelligence. Często pojawia się również określenie tej samej dziedziny nauki jako Sztuczna Inteligencja. Sztuczna Inteligencja brzmi dobrze, natomiast forsowanie na siłę skrótu SI, po pierwsze, utrudnia przyjemnie dwuznaczeniowe rozwijanie go jako Augmented i Artificial, co w efekcie utrudnia jej zrozumienie.

Po drugie, AI jest rozwijana przez międzynarodowe środowiska i uspójniona nomenklatura jest w tym przypadku mianownikiem sprawnej (współ)pracy.

Po trzecie, bądźmy konsekwentni. PIN jest PIN’em a nie ONI (osobistym numerem identyfikacyjnym), a LED, LED’em a nie DEL’em (Diodą Elektroluminescencyjną).

Gdzie rekomendować?

Rekomendacje produktowe są zazwyczaj umieszczane w Web Layers lub na Pop-upach. Mówiąc o rekomendacjach produktowych, mam na myśli wszystkie aktywności sprzedażowe lub marketingowe, także te statyczne: banery, kupony i informacje umieszczane na stronach internetowych. Możemy je podzielić na pięć typów:

• Non-personalized, Non-real-time – Nie spersonalizowane, nie działające w czasie rzeczywistym – np. baner promocyjny, informacje o nowej kolekcji.
• Non-personalized, Real-time – Nie spersonalizowane, działające w czasie rzeczywistym – np. bestsellery, najczęściej kupowane w danej kategorii produktów.

Oparte na Sztucznej Inteligencji:

• Non-personalized, Real-time – Nie spersonalizowane, działające w czasie rzeczywistym – np. rekomendowane dla tego produktu (oparte na produkcie).
• Personalized, Non-real-time – Spersonalizowane, nie działające w czasie rzeczywistym – np. rekomendacje bazujące na przedmiotach zakupionych lub dodanych do koszyka (oparte na użytkowniku).
• Personalized, Real-time – Spersonalizowane, działające w czasie rzeczywistym – np. zakup bazujący na podstawie wszystkich działań na stronie, w tym, na stronie oglądanego produktu.

Jak widzisz, jest wiele taktyk do wyboru.

Disclaimer 3:

Warto polegać na statycznych, niespersonalizowanych rekomendacjach i kreacjach. Duch musi mieszkać w Twoim eCommerce, a nie nim być. Jednak pamiętaj, żeby nigdy nie ograniczać się tylko do nich – możliwości i skuteczność Sztucznej Inteligencji wykraczają poza rozumienie ziemskich filozofów 😉 Ten tekst (i jego następna część), mam nadzieję, Cię do tego przekonają.

…tam gdzie użytkownicy szukają

Oprócz statycznych i dynamicznych opcji eCommerce dysponuje jeszcze jednym narzędziem, do którego jako użytkownicy przyzwyczailiśmy się tak bardzo, że raczej rzadko myślimy o nim w ogóle, jako o narzędziu rekomendacji. To dobrze nam wszystkim znany, proszę o werble, pasek wyszukiwania.

Pasek wyszukiwania to róg obfitości. Klienci dają Ci mnóstwo jawnych i cennych informacji. Mówią jasno, czego potrzebują, a wszystko, co musisz zrobić, to sprawić, by produkty odpowiadające ich oczekiwaniom pojawiły się przed ich oczami, gdy o nie (czasami trochę nieudolnie) proszą. Mówi się o nich Zero-party data.

Dodatkowo, wyszukiwarki mają jeszcze jedną sekretną moc.

Wyszukiwanie w języku naturalnym

Do tej pory klienci korzystali z wyszukiwarek w sposób, delikatnie mówiąc, uproszczony, podając im różne słowa kluczowe w celu znalezienia pożądanych produktów. Ale co by było, gdyby mogli po prostu wpisać zapytanie za pomocą języka naturalnego? „Szukam sukienki na wesele, jestem gościem, nie panną młodą”.

Czasami, jeśli klient uzna, że informacje, które podaje, są istotne (z jego perspektywy) – w jego najlepszym interesie jest ich dostarczenie. Wtedy wystarczy tylko po nie sięgnąć. Zapytania wyszukiwania – queries – to właśnie tego typu informacje.

Jak wspomniałem powyżej, dane jawne (explicit) są ważne, ale te niejawne (implicit) są również istotnym rodzajem informacji. Użytkownicy czasami kłamią lub nie są do końca szczerzy, niekoniecznie ze złych pobudek.

Ale dlaczego właściwie język naturalny robi tak wielką różnicę? Bo sprawia, że czujemy się tak, jakbyśmy rozmawiali z kimś żywym, to z kolei sprawia, że chcemy powiedzieć więcej, nawet nieświadomie.

• Asystent w sklepie stacjonarnym otrzyma więcej informacji na temat indywidualnych preferencji klienta. Odczytuje je między wierszami, analizując wzorce zapytań i łącząc je ze skutecznością swojej “bajery”.
• W eCommerce sprawa wygląda trochę inaczej. Tu rolę asystenta pełnią głównie wyszukiwarki. Klienci może i chętnie udzielają informacji, ale zazwyczaj tylko za pomocą słów kluczowych. Zastosowanie AI i analiza zapytań zadawanych za pomocą naturalnego języka, pozwala na odczytywanie prawdziwych intencji klientów.

Kto szuka, ten znajdzie

Chcemy, aby wyszukiwarki były najlepsze jak to tylko możliwe, w wykorzystywaniu “legalnych informacji”, których możemy użyć do personalizowania wyników wyszukiwania. Klienci chcą zadawać pytania w naturalnym języku, muszą tylko wiedzieć, że mają taką możliwość. Muszą czuć, że mogą opisać swoje potrzeby, a wyszukiwarka sobie z tym poradzi.

Później, kiedy już wiesz czego dany klient szuka, śmiało możesz użyć tej wiedzy gdy sugerujesz przedmioty w wynikach wyszukiwania. W jaki sposób? To zależy już tylko od Ciebie.

Co ciekawe, na samym początku wyszukiwarki – w tym te internetowe – działały dokładnie w ten sposób. To my, klienci już przyzwyczailiśmy się do konkretnego sposobu wyszukiwania, w którym upraszczamy zdania do pojedynczych słów, w tą stronę podążyła ich ewolucja. Takie wyszukiwarki łatwiej stworzyć, ale nie oznacza to, że działają lepiej.

…tam gdzie użytkownicy o to proszą

Na koniec: CHAT. To tak naprawdę rozszerzenie wcześniej wspomnianego Wyszukiwania w Języku Naturalnym. Inteligentny, wirtualny asystent sprzedaży, to najlepszy doradca, o jakim może zamarzyć każdy eCommerce. Ucieleśnienie Ducha w Marketing Machine. Mówiąc ucieleśnienie, mam dosłownie na myśli Istotę, personifikację. Obiekt, agenta, który “pomaga klientom robić zakupy”. Stworzenie takiego asystenta może wydawać się całkiem sporym wyzwaniem. Na szczęście mamy już na to pomysł i ciężko pracujemy, aby stał się on rzeczywistością.

Wirtualny Doradca Sprzedaży

Pierwszym krokiem jest stworzenie inteligentnej wyszukiwarki (wspominałem o niej wyżej). Ale dlaczego Wyszukiwanie w Języku Naturalnym i Inteligentny, Mówiący Asystent są tak dużą zaletą dla konkurencyjnego rynku eCommerce?

Ponieważ każdy klient wie jak używać języka swobodnie i różnorodnie, nawet w przypadku nieporozumienia, jest w stanie odpowiedzieć na dodatkowe pytania zadane przez doradcę. Język jest najbardziej podstawowym interfejsem, jaki opracowaliśmy przez tysiące lat ewolucji. To on sam jest ostatecznym źródłem informacji.

Informacji, których bardzo potrzebujemy, aby dobrze rekomendować produkty.