三個步驟，讓 AI 重塑你的電商業務

通用的銷售渠道已經過時，電子商務營銷必須依賴於個性化和客戶參與，從而提高郵件投放效率並將點擊行為轉化為訂單。人工智慧正在幫助小企業主更方便地通過信息推送來鎖定個人客戶。從複雜的電子郵件演算法到聊天機器人和 App 消息通知，人工智慧可以幫助你追蹤並直接響應客戶需求。

編譯 | Rick

消費者也開始期待更多在線零售商的個性化服務。據 Kissmetrics 博客，79% 的客戶在郵件接收方面更喜歡與聊天機器人進行自動交互。通過實時聊天解決問題不僅更簡單、更快捷，而且聊天信息對於客戶的特殊需求也是高度個性化的。

68% 的消費者會在退出登錄前放棄支付購物車中的商品，在線零售商不得不需要採取措施來提高用戶參與、解決問題以及個性化產品建議，直至達成交易。

由於人工智慧可以快速收集並分析客戶數據，因此將其納入銷售和客戶留存策略會帶來成效——但前提是你做好了適應人工智慧的準備。

如何在電子商務中利用人工智慧，以捕捉新業務、吸引復購客戶？以下是你所需要了解的一切：

客戶個性化

你很可能已經習慣於使用用戶數據（比如人口統計數據、以往購物記錄或地點）來指導你的銷售團隊。人工智慧提供了更強大的個性化功能，允許你訪問有關客戶行為的預測數據，從而驅動產品推薦。這種三管齊下的客戶個性化方式可以產生巨大成效：

個性化：你可能已經在客戶營銷與推廣中使用了某種形式的個性化。無需在電郵通信或定時信息提醒中包含用戶姓名；要利用人工智慧工具來：

• 規劃營銷信息推送時間並鎖定消費者以完成更多訂單。你是否知道你的目標客戶何時在線？他們多久買一次東西？他們響應適時折扣或報價信息的可能性有多大？預測分析可以幫助你根據用戶習慣來定位客戶，這種策略會帶來更成功的銷售、更多利潤以及更好的客戶留存。例如，Envelopes.com (http://envelopes.com/) 開始向放棄購買購物車商品的客戶發送電子郵件，此舉為該網站減少了 40% 的放棄購買行為。這就是一條適時的推送信息。

• 推薦內容。你的顧客是否經常點擊你的博客內容卻尚未購買任何東西？通過追蹤用戶參與，你可以使用客戶數據來推薦額外內容，從文章和博文到意義豐富的廣告，這將有助於你推動銷售。Marketo 這類工具可以很容易地把合適的內容在合適的時間匹配給合適的遊客——將讀者轉化為客戶。

• 向移動端用戶發送推送通知。如果你知道目標客戶的網購時間，就可以向其發送包含折扣碼和個性化銷售優惠信息的推送通知。Swrve 和 Twilio 可以提供方便的簡訊（SMS）營銷方案——通過用戶的地理位置和過去的瀏覽歷史而觸發——這會對你的投資回報率（ROI）造成影響。

• 創建行為驅動的用戶角色（personas）。是時候使用所有的用戶數據了。通過生成由客戶行為獲知的特定用戶角色，你可以更有效地個性化營銷工作。了解客戶痛點以及這些挑戰的變化方式，這取決於你所處理的客戶類型。然後追蹤特定行為（比如打開率），在合適的時間觸發合適的信息。

用戶預測：有了更強大的數據分析，你的團隊就可以對客戶需求做出複雜的預測——並更有效地規劃推廣時間。使用這種數據來：

• 合理預測未來購買行為。追蹤用戶偏好與行為，獲得洞見並推薦其它產品。亞馬遜長期以來一直在做這件事，並且做得很好。試想一下，它們是如何推薦匹配有相似條目的產品，從而吸引客戶增加購物車中的商品。試試 Tableau，一個全方位服務的銷售分析程序，它可以幫助你分析並預測客戶行為，從而更好地協調團隊。

• 設計定製化銷售策略。你的銷售團隊多久會與營銷團隊協調一次並交流意見？有了更多來自人工智慧工具的相關數據，你的銷售團隊就可以對個體消費者進行個性化定製，將銷售線索轉變為銷售訂單。客戶數據可能表明，特定折扣、產品或營銷信息對某些用戶更有效——它們可以作為未來推送類型的參考。Salesforce 的 Einstein 或 Base 的 Apollo 這類工具可以為你的銷售團隊提供幫助，從獲得的洞見中挖掘價值並將其整合進你的 CRM 中。

• 驅動搜索結果。當搜索引擎在交易中使用用戶語言時會有幫助。據相關報道，「語義搜索」方面的改進可以將「100 美元以下的女士黑色運動外衣」這類查詢語句轉化為一個充滿產品推薦的頁面，而不是一條錯誤信息。這不僅能讓你的產品更容易被客戶找到，你還可以使用搜索詞數據來持續優化搜索引擎的工作方式。思考更好的搜索引擎優化（SEO）、更好的點擊率、更多深入用戶需求的洞見。

產品推薦：為客戶推薦他們喜歡的產品，讓你的預測數據更加個性化。整合客戶數據來：

• 幫助客戶找到合適的產品。未來 5 到 10 年。谷歌 DeepMind 中的人工智慧將能轉變搜索方式，迅速處理大量數據。據 Information Age，谷歌用以驅動預測搜索的人工智慧技術，還可以為電子商務企業提供更多銷售途徑。這意味著你的電子商務平台可以幫助客戶準確找出所需產品，或是下一個滿足其需求的最佳產品。據 Entrepreneur，視覺搜索能力也將幫助消費者向零售商傳達他們的需求，從而推動銷售。Neiman Marcus 和 Urban Outfitters 都使用了 Slyce 來幫助客戶找到他們在街上或在目錄中看到的產品，將品牌參與轉化成交易。

• 個性化推薦。歷史行為是未來需求的一個重要指標，零售巨頭商亞馬遜對此理解頗深。它們的產品推薦借鑒了你的以及與你類似的其他買家的歷史行為、人口統計數據和地理數據洞見。據 MarTech Advisor，這些建議為亞馬遜銷售額的貢獻超過 35%。類似服務有 Barilliance，你可以用它來生成產品推薦，或使用亞馬遜最近發布的 DSSTNE 來建立自己的產品推薦體系。

案例 1：Warby Parker

他們做什麼：Warby Parker 在 2010 年突然出現在電子商務市場，他們為客戶提供一種新型的時尚眼鏡購買途徑。但由於該公司當時沒有實體店，他們需要想出某種方法來讓顧客試戴並預購產品。

Warby 推出了創新的郵寄到家試鏡計劃（Home Try-On），允許客戶免費在家中選擇並試戴五款眼鏡。「與大多數電子商務網站不同，我們的市場非常小，」Warby Parker 的數據科學主管 Carl Anderson 解釋到。顧客通常不會像買雜貨那樣頻繁地購買眼鏡。

深諳數據價值的 Anderson 及其團隊明白，Home Try-On 收集到的數據能夠為下述領域提供重要的營銷洞見：

• 構建推薦引擎。Home Try-On 是一個「很好的資料庫，因為它夠大，而且你可以查看客戶選擇的五個產品的協方差以及最終購買的產品，並建立一個基於購物車分析的推薦，」Anderson 說。

• A/B 測試市場營銷信息。Anderson 經常使用 A/B 測試來輔助數據點方面的決策，這些數據點是推薦引擎和營銷漏斗的燃料。

• 預測需求和購買。使用預測行為幫助優化庫存、採購、銷售預測和消息傳遞。

案例經驗：使用可靠的分析來追蹤客戶數據可以幫助你預測客戶行為、驅動銷售並提高客戶滿意度和忠誠度。

客戶樂意貢獻口碑。Warby Parker 的社交媒體用戶會定期在網上發布試戴圖片、尋求反饋。如何使用推薦來驅動數據收集過程——或者相反？據 Pixel Union，Facebook 和 Twitter 等社交網站很快會超越幫企業驅動口碑的模式。人工智慧的進步將很快能讓消費者在社交網路上購買產品。

預測引擎可以輔助推動高轉換率——即使是利基產品。「Warby Parker 賣單片眼鏡且轉化率非常高，」Anderson 說道。「把產品加入 Home Try-On 計劃的大多數客戶最終都會購買……我們不得不專門調整購物車分析演算法來解釋這個現象。」你的哪個產品具有高轉換率？這些如何反映在你的推薦服務中？

提供持續的客戶服務

在電子商務這類充分競爭的領域中，優秀的客戶服務是前提——它往往決定了銷售成敗。使用人工智慧來提高客服人員對目標客戶的服務水平、自動化客戶支持渠道的流程、減少客戶等待時間並引導客戶完成銷售過程。

虛擬購物助手：有了強大的人工智慧和機器學習，品牌可以開發預測軟體，基於客戶特定需求完成銷售轉化。使用虛擬助手來：

• 改進實時客戶服務。從回答基本的產品問題到提供產品推薦，虛擬助手根據顧客行為預測顧客需求，觸發銷售策略。戶外零售商 The North Face 使用 IBM 的沃森技術開發了一個人工智慧助手，它經過預訓練來處理基本的客戶問題。該虛擬助手向顧客提問著裝的場合，然後掃描 The North Face 的產品資料庫，提供實時建議。現在沃森也可用於其他有興趣實施類似解決方案的零售商，無需再進行 beta 測試。

• 降低服務成本。通過處理常見的客戶查詢，虛擬代理可以令你的客戶支持人員擺脫更複雜的問題。這種自動響應可以替代一部分電話響應服務，從而提高效率。在 RedStag Fulfillment 的博客中，Jake Rheude 建議客戶服務聊天機器人還要能夠與 CRM 整合以回答訂單詢問，包括跟蹤託運包裹。Zendesk 和 Groove 為你的支持團隊提供簡易的自動化軟體、聊天工具和客戶支持，以改善客戶提問提升/降低客戶支持鏈的方式。

客戶服務聊天機器人：消除客戶等待時間並更有效地快速響應問題。使用機器人來：

• 編寫基本的客戶支持回答。大多數客戶對產品、運輸或其他數據方面的問題都很容易回答，你已經用 CRM 進行了追蹤。隨著人工智慧的發展，聊天機器人現在可以提供高度個性化的答案來回答這些常見問題，讓你的支持人員有更多時間去解決更加敏感的問題。有些品牌甚至使用 Messenger 機器人做產品推薦，比如 Whole Foods 使用 Facebook Messenger 給飢餓的客戶發送食譜創意或化妝品，測驗客戶的化妝偏好。可以使用 Facebook Messenger 的開發工具為品牌服務博眼球，或者 ChattyPeople 的客服聊天機器人簡易編程解決方案，無需進行軟體開發。

• 觸發員工反應。優秀的聊天機器人項目應該聘請那些投入且專業的員工，他們可以處理更高級的問題。使用分析技術來幫助訓練客戶支持人員，提升工作效果——並針對一般客戶需求預先推送有幫助的內容。Zendesk 的高級功能之一是使用顧客滿意度數據來比較和提高團隊成員的效率，並分析客戶需求。這些洞見可以為管理人員提供有意義的性能審查工具，以及那些強大的銷售和營銷數據。

案例 2：我的星巴克咖啡師（My Starbucks Barista）

他們做什麼：星巴克去年推出了自己的虛擬助手：我的星巴克咖啡師（My Starbucks Barista）。該應用程序由語言識別軟體開發，該軟體是一個人工智慧子集，已經為許多虛擬助手提供驅動引擎，比如亞馬遜的 Alexa 和蘋果的 Siri。

據 Adweek，其特徵是允許用戶通過點擊按鈕以及對虛擬助手 Barista 說話來點單。之後該機器人會在附近門店下單，那兒有員工製作飲料。然後用戶在幾分鐘之內就可以將商品取走，直接走向收銀機而無需排隊。

當然，該虛擬助手使星巴克和消費者雙雙受益：

• 減少排隊人數。通過減少客戶等待時間，My Starbucks Barista 應用程序提高了客戶生命周期的即時價值——還贏得了星巴克客戶的忠誠度。

• 增加移動端支付。顧客可以在移動端下單並付款，這使得 20% 的顧客每周都會通過移動端在最喜愛的餐館下單。

• 收集客戶數據。真正令星巴克受益的，是應用程序收集到的所有客戶數據，包括飲料偏好、訪店頻率和終生客戶價值。所有這些數據都可用於回頭客的營銷活動。

• 改進推薦引擎。有了更多數據，你就可以根據客戶喜好來創建更完善的推薦引擎，從而推動銷售。

案例經驗：人工智慧可以消解客戶痛點、改善並自動化基本客戶服務需求，並為你的公司提供更多數據來預測行為和驅動消費。

• 自動化可以在哪些環節幫助你提高客戶支持人員的效率？

• 你可以從客戶服務數據中得到哪些客戶滿意程度或客戶忠誠度方面的信息？

促進公司上下的決策流程

儘管市場營銷人員身處於一個數據富饒的工作領域，但是過半數的受訪者在日常工作中沒有使用強大的分析方法來衡量活動效果或改進目標。不要讓這種事情發生在你和你的團隊中。大數據工具可以為你的最大痛點提供提供有價值的見解、幫助上級更快做出明智決策，使你們公司成為同行中最具競爭力的企業。

大數據分析：大數據能力可以帶來更聰明、更快、有針對性的銷售決策、增長潛力和營銷策略。雖然它會輕易陷入「數據浪潮（data overwhelm）」，但相反它也能抵擋住對於毫無針對性的方法的迫切應用。

• 專註問題思考戰略。怎樣才能降低購物車的放棄支付率？哪種產品或服務為移動端客戶提供了最好的體驗？哪些獎勵或服務可以進行最好的追蹤，記錄下新業務轉變為忠誠客戶的過程？

• 跨團隊共享數據。通過實際共享數據來提高響應速度和下一階段的增長。銷售和營銷人員多久會交流一次他們所看到的數據？Domo 類的分析工具可以輔助團隊協作辦公。實時與多人收集、分析和共享來自雲服務的數據和見解。

• 計算投資回報率（ROI）並重新調整策略。對於哪些服務能夠降低效率、增加轉化率、提高盈利能力，你是否都清楚明白？大數據能幫助你更好地預測改進及增長領域，這樣你就可以更快放棄那些不起作用的思路。

競爭對手研究：很多大數據工具都可以幫助你比較你和競爭對手之間的差距。使用大數據分析來：

增加市場份額。據福布斯，66% 的企業表示，競爭者將利用大數據來提高市場佔有率。無論你是否志存高遠，或是使用競爭對手的數據來為自己獲取一種尚無人掌握的服務，或是挽回走向競爭對手的客戶，了解競爭對手的能力上線都會幫助你驅動營銷工作和銷售線索的轉換。

監控定價模式。對行業內的定價模式進行定期分析將有助於保持競爭力，且在網路上密切監視你的競爭對手也不是件容易的事。使用 import.io 這類服務來篩選重要數據，比如競爭對手的產品頁面，這樣你就可以分析行業的趨勢並保持領先優勢。

案例 3：PASSUR Aerospace

他們做什麼：自 2001 年以來，為了給航空公司計算出更精準的航班落地時間，PASSUR Aerospace 已收集到進出主要機場的航班的複雜數據點。他們的服務 RightETA 有一些大客戶，包括 Delta、American Airlines 和 Southwest 等航空公司，JFK 和 Newark Liberty 這類轉運站除外。大多數客戶都想消除屏幕上告知的到達時間與實際著陸時間之間的差距。據哈佛商業評論，即使是 5 到 10 分鐘的時間差也會帶來嚴重的低效率問題——導致數百萬美元的損失。

利用大數據，PASSUR 使客戶能夠：

• 確定特定問題並提供有針對性的解決方案。有了全國多個機場的大數據集，PASSUR 可以幫助航空公司將問題鎖定在特定位置、提出修改建議並實施最新計劃以解決出現的問題。

• 更快做出明智決策。PASSUR 能夠辦得到是因為他們有跨度幾十年歷史的數據（在某些情況下）。「這使得複雜分析可以與模式相匹配，「Andrew McAfee 和 Erik Brynjolfsson 向《哈佛商業評論》解釋道。「RightETA 基本上是通過自問自答來工作，"以前飛機在這種條件下接近機場會發生什麼？它什麼時候降落？」

• 提高效率。如果機組人員和乘客都有準確的時間表，就沒有人會把時間浪費在等待工作或是到達下一個目的地上。

案例經驗：大數據分析——特別是隨著時間推移而增大的數據集的分析——可以並且應該影響公司在產品、服務和增長領域方面的決策。

• 你的哪塊業務需要更高效或更具成本效益？

• 你的員工對於效率問題的響應速度如何？在企業中利用新增長領域方面呢？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！