三个步骤，让 AI 重塑你的电商业务

通用的销售渠道已经过时，电子商务营销必须依赖于个性化和客户参与，从而提高邮件投放效率并将点击行为转化为订单。人工智能正在帮助小企业主更方便地通过信息推送来锁定个人客户。从复杂的电子邮件算法到聊天机器人和 App 消息通知，人工智能可以帮助你追踪并直接响应客户需求。

编译 | Rick

消费者也开始期待更多在线零售商的个性化服务。据 Kissmetrics 博客，79% 的客户在邮件接收方面更喜欢与聊天机器人进行自动交互。通过实时聊天解决问题不仅更简单、更快捷，而且聊天信息对于客户的特殊需求也是高度个性化的。

68% 的消费者会在退出登录前放弃支付购物车中的商品，在线零售商不得不需要采取措施来提高用户参与、解决问题以及个性化产品建议，直至达成交易。

由于人工智能可以快速收集并分析客户数据，因此将其纳入销售和客户留存策略会带来成效——但前提是你做好了适应人工智能的准备。

如何在电子商务中利用人工智能，以捕捉新业务、吸引复购客户？以下是你所需要了解的一切：

客户个性化

你很可能已经习惯于使用用户数据（比如人口统计数据、以往购物记录或地点）来指导你的销售团队。人工智能提供了更强大的个性化功能，允许你访问有关客户行为的预测数据，从而驱动产品推荐。这种三管齐下的客户个性化方式可以产生巨大成效：

个性化：你可能已经在客户营销与推广中使用了某种形式的个性化。无需在电邮通信或定时信息提醒中包含用户姓名；要利用人工智能工具来：

• 规划营销信息推送时间并锁定消费者以完成更多订单。你是否知道你的目标客户何时在线？他们多久买一次东西？他们响应适时折扣或报价信息的可能性有多大？预测分析可以帮助你根据用户习惯来定位客户，这种策略会带来更成功的销售、更多利润以及更好的客户留存。例如，Envelopes.com (http://envelopes.com/) 开始向放弃购买购物车商品的客户发送电子邮件，此举为该网站减少了 40% 的放弃购买行为。这就是一条适时的推送信息。

  
  

• 推荐内容。你的顾客是否经常点击你的博客内容却尚未购买任何东西？通过追踪用户参与，你可以使用客户数据来推荐额外内容，从文章和博文到意义丰富的广告，这将有助于你推动销售。Marketo 这类工具可以很容易地把合适的内容在合适的时间匹配给合适的游客——将读者转化为客户。

  
  

• 向移动端用户发送推送通知。如果你知道目标客户的网购时间，就可以向其发送包含折扣码和个性化销售优惠信息的推送通知。Swrve 和 Twilio 可以提供方便的短信（SMS）营销方案——通过用户的地理位置和过去的浏览历史而触发——这会对你的投资回报率（ROI）造成影响。

  
  

• 创建行为驱动的用户角色（personas）。是时候使用所有的用户数据了。通过生成由客户行为获知的特定用户角色，你可以更有效地个性化营销工作。了解客户痛点以及这些挑战的变化方式，这取决于你所处理的客户类型。然后追踪特定行为（比如打开率），在合适的时间触发合适的信息。

用户预测：有了更强大的数据分析，你的团队就可以对客户需求做出复杂的预测——并更有效地规划推广时间。使用这种数据来：

• 合理预测未来购买行为。追踪用户偏好与行为，获得洞见并推荐其它产品。亚马逊长期以来一直在做这件事，并且做得很好。试想一下，它们是如何推荐匹配有相似条目的产品，从而吸引客户增加购物车中的商品。试试 Tableau，一个全方位服务的销售分析程序，它可以帮助你分析并预测客户行为，从而更好地协调团队。

  
  

• 设计定制化销售策略。你的销售团队多久会与营销团队协调一次并交流意见？有了更多来自人工智能工具的相关数据，你的销售团队就可以对个体消费者进行个性化定制，将销售线索转变为销售订单。客户数据可能表明，特定折扣、产品或营销信息对某些用户更有效——它们可以作为未来推送类型的参考。Salesforce 的 Einstein 或 Base 的 Apollo 这类工具可以为你的销售团队提供帮助，从获得的洞见中挖掘价值并将其整合进你的 CRM 中。

  
  

• 驱动搜索结果。当搜索引擎在交易中使用用户语言时会有帮助。据相关报道，「语义搜索」方面的改进可以将「100 美元以下的女士黑色运动外衣」这类查询语句转化为一个充满产品推荐的页面，而不是一条错误信息。这不仅能让你的产品更容易被客户找到，你还可以使用搜索词数据来持续优化搜索引擎的工作方式。思考更好的搜索引擎优化（SEO）、更好的点击率、更多深入用户需求的洞见。

产品推荐：为客户推荐他们喜欢的产品，让你的预测数据更加个性化。整合客户数据来：

• 帮助客户找到合适的产品。未来 5 到 10 年。谷歌 DeepMind 中的人工智能将能转变搜索方式，迅速处理大量数据。据 Information Age，谷歌用以驱动预测搜索的人工智能技术，还可以为电子商务企业提供更多销售途径。这意味着你的电子商务平台可以帮助客户准确找出所需产品，或是下一个满足其需求的最佳产品。据 Entrepreneur，视觉搜索能力也将帮助消费者向零售商传达他们的需求，从而推动销售。Neiman Marcus 和 Urban Outfitters 都使用了 Slyce 来帮助客户找到他们在街上或在目录中看到的产品，将品牌参与转化成交易。

  
  

• 个性化推荐。历史行为是未来需求的一个重要指标，零售巨头商亚马逊对此理解颇深。它们的产品推荐借鉴了你的以及与你类似的其他买家的历史行为、人口统计数据和地理数据洞见。据 MarTech Advisor，这些建议为亚马逊销售额的贡献超过 35%。类似服务有 Barilliance，你可以用它来生成产品推荐，或使用亚马逊最近发布的 DSSTNE 来建立自己的产品推荐体系。

案例 1：Warby Parker

他们做什么：Warby Parker 在 2010 年突然出现在电子商务市场，他们为客户提供一种新型的时尚眼镜购买途径。但由于该公司当时没有实体店，他们需要想出某种方法来让顾客试戴并预购产品。

Warby 推出了创新的邮寄到家试镜计划（Home Try-On），允许客户免费在家中选择并试戴五款眼镜。「与大多数电子商务网站不同，我们的市场非常小，」Warby Parker 的数据科学主管 Carl Anderson 解释到。顾客通常不会像买杂货那样频繁地购买眼镜。

深谙数据价值的 Anderson 及其团队明白，Home Try-On 收集到的数据能够为下述领域提供重要的营销洞见：

• 构建推荐引擎。Home Try-On 是一个「很好的数据库，因为它够大，而且你可以查看客户选择的五个产品的协方差以及最终购买的产品，并建立一个基于购物车分析的推荐，」Anderson 说。
  

  
  

• A/B 测试市场营销信息。Anderson 经常使用 A/B 测试来辅助数据点方面的决策，这些数据点是推荐引擎和营销漏斗的燃料。

  
  

• 预测需求和购买。使用预测行为帮助优化库存、采购、销售预测和消息传递。

案例经验：使用可靠的分析来追踪客户数据可以帮助你预测客户行为、驱动销售并提高客户满意度和忠诚度。

客户乐意贡献口碑。Warby Parker 的社交媒体用户会定期在网上发布试戴图片、寻求反馈。如何使用推荐来驱动数据收集过程——或者相反？据 Pixel Union，Facebook 和 Twitter 等社交网站很快会超越帮企业驱动口碑的模式。人工智能的进步将很快能让消费者在社交网络上购买产品。

预测引擎可以辅助推动高转换率——即使是利基产品。「Warby Parker 卖单片眼镜且转化率非常高，」Anderson 说道。「把产品加入 Home Try-On 计划的大多数客户最终都会购买……我们不得不专门调整购物车分析算法来解释这个现象。」你的哪个产品具有高转换率？这些如何反映在你的推荐服务中？

提供持续的客户服务

在电子商务这类充分竞争的领域中，优秀的客户服务是前提——它往往决定了销售成败。使用人工智能来提高客服人员对目标客户的服务水平、自动化客户支持渠道的流程、减少客户等待时间并引导客户完成销售过程。

虚拟购物助手：有了强大的人工智能和机器学习，品牌可以开发预测软件，基于客户特定需求完成销售转化。使用虚拟助手来：

• 改进实时客户服务。从回答基本的产品问题到提供产品推荐，虚拟助手根据顾客行为预测顾客需求，触发销售策略。户外零售商 The North Face 使用 IBM 的沃森技术开发了一个人工智能助手，它经过预训练来处理基本的客户问题。该虚拟助手向顾客提问着装的场合，然后扫描 The North Face 的产品数据库，提供实时建议。现在沃森也可用于其他有兴趣实施类似解决方案的零售商，无需再进行 beta 测试。
  

  
  

• 降低服务成本。通过处理常见的客户查询，虚拟代理可以令你的客户支持人员摆脱更复杂的问题。这种自动响应可以替代一部分电话响应服务，从而提高效率。在 RedStag Fulfillment 的博客中，Jake Rheude 建议客户服务聊天机器人还要能够与 CRM 整合以回答订单询问，包括跟踪托运包裹。Zendesk 和 Groove 为你的支持团队提供简易的自动化软件、聊天工具和客户支持，以改善客户提问提升/降低客户支持链的方式。
  

客户服务聊天机器人：消除客户等待时间并更有效地快速响应问题。使用机器人来：

• 编写基本的客户支持回答。大多数客户对产品、运输或其他数据方面的问题都很容易回答，你已经用 CRM 进行了追踪。随着人工智能的发展，聊天机器人现在可以提供高度个性化的答案来回答这些常见问题，让你的支持人员有更多时间去解决更加敏感的问题。有些品牌甚至使用 Messenger 机器人做产品推荐，比如 Whole Foods 使用 Facebook Messenger 给饥饿的客户发送食谱创意或化妆品，测验客户的化妆偏好。可以使用 Facebook Messenger 的开发工具为品牌服务博眼球，或者 ChattyPeople 的客服聊天机器人简易编程解决方案，无需进行软件开发。
  

  
  

•  触发员工反应。优秀的聊天机器人项目应该聘请那些投入且专业的员工，他们可以处理更高级的问题。使用分析技术来帮助训练客户支持人员，提升工作效果——并针对一般客户需求预先推送有帮助的内容。Zendesk 的高级功能之一是使用顾客满意度数据来比较和提高团队成员的效率，并分析客户需求。这些洞见可以为管理人员提供有意义的性能审查工具，以及那些强大的销售和营销数据。
  

案例 2：我的星巴克咖啡师（My Starbucks Barista）

他们做什么：星巴克去年推出了自己的虚拟助手：我的星巴克咖啡师（My Starbucks Barista）。该应用程序由语言识别软件开发，该软件是一个人工智能子集，已经为许多虚拟助手提供驱动引擎，比如亚马逊的 Alexa 和苹果的 Siri。

据 Adweek，其特征是允许用户通过点击按钮以及对虚拟助手 Barista 说话来点单。之后该机器人会在附近门店下单，那儿有员工制作饮料。然后用户在几分钟之内就可以将商品取走，直接走向收银机而无需排队。

当然，该虚拟助手使星巴克和消费者双双受益：

• 减少排队人数。通过减少客户等待时间，My Starbucks Barista 应用程序提高了客户生命周期的即时价值——还赢得了星巴克客户的忠诚度。

  
  

• 增加移动端支付。顾客可以在移动端下单并付款，这使得 20% 的顾客每周都会通过移动端在最喜爱的餐馆下单。

  
  

• 收集客户数据。真正令星巴克受益的，是应用程序收集到的所有客户数据，包括饮料偏好、访店频率和终生客户价值。所有这些数据都可用于回头客的营销活动。

  
  

• 改进推荐引擎。有了更多数据，你就可以根据客户喜好来创建更完善的推荐引擎，从而推动销售。

案例经验：人工智能可以消解客户痛点、改善并自动化基本客户服务需求，并为你的公司提供更多数据来预测行为和驱动消费。

• 自动化可以在哪些环节帮助你提高客户支持人员的效率？

  
  

• 你可以从客户服务数据中得到哪些客户满意程度或客户忠诚度方面的信息？

促进公司上下的决策流程

尽管市场营销人员身处于一个数据富饶的工作领域，但是过半数的受访者在日常工作中没有使用强大的分析方法来衡量活动效果或改进目标。不要让这种事情发生在你和你的团队中。大数据工具可以为你的最大痛点提供提供有价值的见解、帮助上级更快做出明智决策，使你们公司成为同行中最具竞争力的企业。

大数据分析：大数据能力可以带来更聪明、更快、有针对性的销售决策、增长潜力和营销策略。虽然它会轻易陷入「数据浪潮（data overwhelm）」，但相反它也能抵挡住对于毫无针对性的方法的迫切应用。

• 专注问题思考战略。怎样才能降低购物车的放弃支付率？哪种产品或服务为移动端客户提供了最好的体验？哪些奖励或服务可以进行最好的追踪，记录下新业务转变为忠诚客户的过程？

  
  

• 跨团队共享数据。通过实际共享数据来提高响应速度和下一阶段的增长。销售和营销人员多久会交流一次他们所看到的数据？Domo 类的分析工具可以辅助团队协作办公。实时与多人收集、分析和共享来自云服务的数据和见解。

  
  

• 计算投资回报率（ROI）并重新调整策略。对于哪些服务能够降低效率、增加转化率、提高盈利能力，你是否都清楚明白？大数据能帮助你更好地预测改进及增长领域，这样你就可以更快放弃那些不起作用的思路。

竞争对手研究：很多大数据工具都可以帮助你比较你和竞争对手之间的差距。使用大数据分析来：

增加市场份额。据福布斯，66% 的企业表示，竞争者将利用大数据来提高市场占有率。无论你是否志存高远，或是使用竞争对手的数据来为自己获取一种尚无人掌握的服务，或是挽回走向竞争对手的客户，了解竞争对手的能力上线都会帮助你驱动营销工作和销售线索的转换。

监控定价模式。对行业内的定价模式进行定期分析将有助于保持竞争力，且在网络上密切监视你的竞争对手也不是件容易的事。使用 import.io 这类服务来筛选重要数据，比如竞争对手的产品页面，这样你就可以分析行业的趋势并保持领先优势。

案例 3：PASSUR Aerospace

他们做什么：自 2001 年以来，为了给航空公司计算出更精准的航班落地时间，PASSUR Aerospace 已收集到进出主要机场的航班的复杂数据点。他们的服务 RightETA 有一些大客户，包括 Delta、American Airlines 和 Southwest 等航空公司，JFK 和 Newark Liberty 这类转运站除外。大多数客户都想消除屏幕上告知的到达时间与实际着陆时间之间的差距。据哈佛商业评论，即使是 5 到 10 分钟的时间差也会带来严重的低效率问题——导致数百万美元的损失。

利用大数据，PASSUR 使客户能够：

• 确定特定问题并提供有针对性的解决方案。有了全国多个机场的大数据集，PASSUR 可以帮助航空公司将问题锁定在特定位置、提出修改建议并实施最新计划以解决出现的问题。

  
  

• 更快做出明智决策。PASSUR 能够办得到是因为他们有跨度几十年历史的数据（在某些情况下）。「这使得复杂分析可以与模式相匹配，「Andrew McAfee 和 Erik Brynjolfsson 向《哈佛商业评论》解释道。「RightETA 基本上是通过自问自答来工作，'以前飞机在这种条件下接近机场会发生什么？它什么时候降落？」

  
  

• 提高效率。如果机组人员和乘客都有准确的时间表，就没有人会把时间浪费在等待工作或是到达下一个目的地上。

案例经验：大数据分析——特别是随着时间推移而增大的数据集的分析——可以并且应该影响公司在产品、服务和增长领域方面的决策。

• 你的哪块业务需要更高效或更具成本效益？

  
  

• 你的员工对于效率问题的响应速度如何？在企业中利用新增长领域方面呢？

返回列表