التعلم الآلي والتحليلات التنبؤية في B2B
نشرت: 2017-08-01منذ ما يزيد قليلاً عن ثلاث سنوات ، كتبت سلسلة من المشاركات حول الضغوط التي يمارسها البيع بالتجزئة عبر الإنترنت على المتاجر التقليدية التقليدية. من الشركات العملاقة في الماضي ، مثل Borders ، إلى المعرضين للخطر اليوم مثل Sears ، أغلقت الشركات التي فشلت في الاستجابة للتغيرات الواسعة في توقعات المستهلكين أبوابها أو تكافح لإبقائها مفتوحة.
لنكن منصفين رغم ذلك. التجزئة المادية ليست محكوم عليها بالفشل. إنها قطعة من اللغز في عالم القنوات المتعددة. لم يعد مجرد محور بعد الآن. تولي الشركات الناجحة اهتمامًا وثيقًا ببيانات العملاء ، وتتعلم أو تتنبأ بما ستكون عليه إجراءات عملائها وتقود تجربة العملاء إلى مستوى جديد تمامًا. مستوى يمثل خط الأساس الجديد لكيفية المنافسة والنجاح في البيع بالتجزئة.
وإذا كنت في مساحة B2B ، آمل أن تنتبه.
على مدار العشرين عامًا الماضية ، ساعدت العديد من الشركات في تنفيذ مواقع B2C و B2B. تختلف التحديات من بعض النواحي ، لكن توقعات أولئك الذين يتفاعلون مع موقع ما كانت تتقارب منذ سنوات. ومع استمرار شركات مثل Amazon في التوسع في عالم B2B ، يمكنك التأكد من أن الطلب على تجربة "أكثر ذكاءً" سينمو.
تستخدم معظم الشركات في مجال B2B تحليلات الويب لتتبع الأساسيات ؛ مشاهدات الصفحة ، الزوار ، معدل الارتداد ، والمقاييس المماثلة. اليوم ، هذا هو الحد الأدنى.
القيمة الحقيقية التي يمكن استخلاصها من الطريقة التي يتفاعل بها العملاء مع موقع ما لا تكمن في تقرير Google Analytics الغامض. إنه مدفون في ثروة من البيانات التي يمكن جمعها من تفاعلات العملاء. بالنسبة للشركات الصغيرة والكبيرة على حد سواء ، يمكن أن يكون عالم علم البيانات مخيفًا ومعرفة من أين تبدأ يمكن أن تترك رأس المرء يدور.
لكن تجاهل هذا على مسؤوليتك الخاصة.
حسنًا ، لذا فإن المناقشة الكاملة لعلوم البيانات تتجاوز ما هو ممكن في المدونة ، ولكن إليك بعض النقاط الأساسية التي يجب أن يعرفها الجميع في فضاء B2B:
- تعد القدرة على الاستجابة بسرعة ودقة للتغييرات في سلوك العملاء أمرًا بالغ الأهمية. لقد ولت الأيام التي كانت تستغرق أسبوعًا أو أكثر للاطلاع على التقارير ومعرفة ما يريده عملاؤك.
- التحليلات التنبؤية والتعلم الآلي موجودان لتبقى ، والشركات التي تستخدم هذه التقنيات سوف تتفوق على أولئك الذين لا يفعلون ذلك.
- قد تكون منصة التجارة الخاصة بك قادرة أو لا تكون قادرة على جمع كل البيانات التي تحتاجها. إنها جزء من اللغز وهناك مصادر أخرى يجب مراعاتها.
إذن كيف يمكن لشركات B2B استخدام التحليلات التنبؤية والتعلم الآلي؟ فيما يلي بعض حالات الاستخدام التي رأيتها:
تصنيف العملاء
يمكن أن يكون فهم الميول السلوكية للعملاء وتجميعهم مع عملاء متشابهين طريقة فعالة لتركيز جهود التسويق والترويج. أحد التصنيفات التي شاهدتها على الأرجح هو "عميل VIP" ولكن في كثير من الأحيان ، تقرر الشركات B2B ببساطة ، باستخدام مقياس واحد ، ما الذي يشكل VIP. أحد التطبيقات التي رأيتها يصنف ببساطة أي عميل اشترى أكثر من 100 دولار على أنه VIP ووضع شارة صغيرة على الملف الشخصي للعميل عبر الإنترنت. هذا ليس تصنيفًا حقًا. إنه أقرب إلى اللعيب الذي يمنح العميل نوعًا من الإحساس بالإنجاز ونأمل أن يعزز ولائه.
يعتمد التصنيف الحقيقي على مجموعة من ميزات البيانات التي يتم قياسها عبر جميع أنشطة العملاء الحديثة. بمعنى آخر ، سواء كان شخص ما عميلًا حقيقيًا لكبار الشخصيات أم لا ، فسوف يتغير عند مقارنته بسلوك قاعدة العملاء بأكملها.
إن معرفة تصنيف العملاء والقدرة على استخدام نموذج تصنيف للتنبؤ بمجموعة من المحتمل أن ينتمي إليها عميل جديد ، يمكن أن يساعد بشكل كبير في تحديد العروض الترويجية التي سيتم عرضها للعميل أثناء وجوده على الموقع أو عبر البريد الإلكتروني. في تطبيق التعلم الآلي الأخير الذي قمنا به لشركة B2B ، قمنا بتجميع العملاء في عدة قطاعات باستخدام بيانات من فترة زمنية حديثة:
- VIP Shopper: أعلى فئة من العملاء بناءً على قيمة التحويلات وعدد التحويلات.
- المتسوق المندمج: عدد كبير من الزيارات ، وسلة التسوق النشطة ، والعديد من مشاهدات المنتج ، وتحويل واحد على الأقل.
- Window Shopper: عدة زيارات ، وجهات نظر عديدة للمنتج
لم تتم مشاركة هذه المعلومات مع العميل - إنها ليست تمييزًا عامًا ، بل هي مؤشر داخلي لكيفية التفاعل مع العميل. يسمح الحصول على هذه المعلومات للمسوقين بعرض العروض الترويجية المستهدفة على الموقع أثناء الزيارة. على سبيل المثال ، إذا وقع أحد العملاء ضمن تصنيف "المتسوق المندمج" ولديه سلة نشطة أعلى من AOV ، فيمكن عرض قسيمة للشحن المجاني أو خصم لنقل هذا المتسوق نحو التحويل.
من المهم أيضًا ملاحظة أن النماذج ليست ثابتة. يجب إعادة حسابها بشكل متكرر. في التطبيق الأخير ، ستعيد النماذج الحساب كل بضع ساعات للتأكد من أنها حديثة ودقيقة قدر الإمكان.
المنتج الإلزامي ووضع المحتوى
هناك العديد من الأسباب التي قد تتغير في سلوك الشراء. الموسمية هي أحد هذه الأسباب. الأسباب الأخرى التي قد تؤدي إلى تغييرات سلوكية قصيرة المدى هي الطقس والأخبار ونقص المنتجات الترويجية. أصبح استخدام النماذج لاكتشاف الظروف "خارج التوقعات" وتعديل تسويق الموقع للرد على الحالات الشاذة الحساسة للوقت أكثر شيوعًا. يمكن استخدام هذه التقنية لتغيير نتائج البحث ، وموضع عنصر الصفحة الرئيسية ، وموضع عنصر الفئة ، وتوجيه المستخدمين إلى معلومات المنتج عند إجراء بحث عن منتج تنافسي.
هل يعمل منتج معين بشكل أفضل عندما يكون مرئيًا في الجزء العلوي من الصفحة الرئيسية؟ البعض يفعل ، والبعض الآخر لا. يمكن تحقيق القدرة على اكتشاف الموضع الأمثل للمنتجات بالنظر إلى تاريخ حديث للنشاط مثل التحويلات وإضافات عربة التسوق من خلال التعلم الآلي. عند تقديم منتج جديد ، يمكن استخدام نماذج مماثلة للتنبؤ بأفضل موضع للأداء الأمثل بناءً على سمات المنتج.
تحسين التخصيص
التخصيص في معظم مواقع B2C أمامه طريق طويل لنقطعه. وعلى مواقع B2B ، لا تزال في مهدها. في حين أنه من الممكن تجميع المتسوقين في مجموعة وإظهار عناصر متشابهة لهم ، فإن التعلم الآلي يجعل من الممكن جعل هذه المجموعات أصغر حجمًا ، مع الاقتراب من تجربة فريدة أكثر لعملائك B2B. يمكن أن يكون هذا مؤثرًا بشكل خاص عندما يكون هناك العديد من مشتري B2B من عميل واحد.
لبدء الانتقال نحو تجربة فريدة أكثر ، يمكن تطوير نماذج التعلم الآلي بدءًا من مستوى عالٍ ، ثم التقدم إلى مستويات أكثر تفصيلاً تقدم رؤى فريدة للعميل.
على سبيل المثال ، بدءًا من تحديد الموقع الجغرافي كعامل ، يجب أن يعرض بائع B2B لمعدات HVAC الصناعية منتجات مختلفة للعملاء في ولاية مينيسوتا مقابل تلك الموجودة في فلوريدا. لا تختلف مواسم الشراء فقط ، ولكن الأحداث في فلوريدا مثل الإعصار الوشيك قد تؤثر على سلوك الشراء على المدى القصير. يمكن أن يساعد النموذج المصمم بشكل صحيح في تحديد هذه التغييرات وتنبيه جهة التسويق B2B إلى التغييرات التي قد تتطلب تغييرًا في تسويق الموقع لمنطقة جغرافية.
للإضافة ، يمكن للشركة تطوير نماذج يمكنها التنبؤ بترتيب الفرز الأمثل لنتائج البحث للعميل ، والمنتجات والفئات المثالية لعرضها لهم ، إلى جانب العروض الترويجية المقترحة بناءً على سلوكهم الأخير.
باختصار
إنه وقت رائع للعمل في التجارة والبيانات على وجه الخصوص. تقارب الحوسبة السحابية منخفضة التكلفة ووفرة البيانات المتاحة من مجموعة كبيرة من المصادر (ليس أقلها موقع B2B لشركة) وتوفر الكثير من المعلومات الاستخبارية القابلة للتنفيذ مع طلبات استثمار بحجم أقل من عقد منذ. هذا لا يجعل هذه التكنولوجيا في متناول اليد فحسب ، بل يجعلها جزءًا أساسيًا من كيفية ارتباطك بعملائك وكيفية إدارة عملك.
أولئك الذين يتجاهلون المكالمة اليوم ، قد يكونون على الأرجح حدود الغد.