Машинное обучение и прогнозная аналитика в B2B
Опубликовано: 2017-08-01Чуть более трех лет назад я написал серию статей о том, какое давление онлайн-ритейл оказывает на традиционные обычные магазины. От гигантов прошлого, таких как Borders, до компаний, находящихся в опасности сегодня, таких как Sears, компании, которые не смогли отреагировать на широкие изменения в ожиданиях потребителей, закрыли свои двери или изо всех сил пытаются сохранить их открытыми.
Впрочем, будем честными. Физическая розничная торговля не обречена. Это часть головоломки в многоканальном мире. Это просто больше не центральная часть. Добившиеся успеха компании уделяют пристальное внимание данным о клиентах, изучая или предсказывая действия своих клиентов, и выводят качество обслуживания клиентов на совершенно новый уровень. Уровень, который является новой базой для того, чтобы конкурировать и преуспевать в розничной торговле.
И если вы работаете в сфере B2B, надеюсь, вы обратите на это внимание.
За последние 20 лет я помог многим компаниям внедрить сайты как B2C, так и B2B. Проблемы в некотором роде различаются, но ожидания тех, кто взаимодействует с сайтом, в течение многих лет сходятся. И поскольку такие компании, как Amazon, продолжают расширяться в мире B2B, вы можете быть уверены, что спрос на «умный» опыт будет расти.
Большинство компаний в сфере B2B используют веб-аналитику для отслеживания основ; просмотры страниц, посетители, показатель отказов и другие подобные показатели. Сегодня это низкая планка.
Истинная ценность, которую можно извлечь из того, как клиенты взаимодействуют с сайтом, не скрывается в непонятном отчете Google Analytics. Он скрыт в огромном количестве данных, которые можно собрать в результате взаимодействия с клиентами. Для компаний, как малых, так и больших, мир науки о данных может быть пугающим, и знание того, с чего начать, может привести к головокружению.
Но игнорировать это на свой страх и риск.
Итак, полное обсуждение науки о данных выходит за рамки возможного в блоге, но вот некоторые ключевые моменты, которые должны знать все в пространстве B2B:
- Возможность быстро и точно реагировать на изменения в поведении клиентов имеет решающее значение. Дни, когда на просмотр отчетов и выяснение того, чего хотят ваши клиенты, уходит неделя или больше, давно прошли.
- Предиктивная аналитика и машинное обучение никуда не денутся, и компании, использующие эти методы, превзойдут тех, кто этого не делает.
- Ваша коммерческая платформа может или не может собрать все необходимые данные. Это часть головоломки, и есть и другие источники, которые следует учитывать.
Так как же B2B-компании могут использовать прогнозную аналитику и машинное обучение? Вот несколько вариантов использования, которые я видел:
Классификация клиентов
Понимание поведенческих тенденций клиентов и группировка их с похожими клиентами может быть эффективным способом сосредоточить усилия в области маркетинга и мерчандайзинга. Одной из классификаций, которая, скорее всего, встречалась, является «VIP-клиент», но слишком часто B2B-компании просто решают, используя одну метрику, что представляет собой VIP-клиент. Одна реализация, которую я видел, просто классифицирует любого клиента, купившего более 100 долларов, как VIP и размещает небольшой значок в онлайн-профиле клиента. На самом деле это не классификация; это ближе к геймификации, которая дает клиенту некое чувство достижения и, надеюсь, повышает его лояльность.
Настоящая классификация основана на наборе характеристик данных, измеренных по всей недавней активности клиентов. Другими словами, будет ли кто-то настоящим VIP-клиентом или нет, изменится по сравнению с поведением всей клиентской базы.
Знание классификации клиентов и возможность использовать модель классификации для прогнозирования группы, к которой, вероятно, будет принадлежать новый клиент, может очень помочь в определении того, какие рекламные акции показывать клиенту, когда он находится на сайте или по электронной почте. В недавней реализации машинного обучения, которую мы сделали для фирмы B2B, мы сгруппировали клиентов в несколько сегментов, используя данные за последний период времени:
- VIP-покупатель: высший уровень клиентов на основе ценности конверсий и количества конверсий.
- Вовлеченный покупатель: большое количество посещений, активная корзина, многочисленные просмотры товаров и как минимум одна конверсия.
- Витрины: несколько посещений, многочисленные просмотры товаров
Эта информация не была передана клиенту — это не публичное признание, а скорее внутреннее указание, как взаимодействовать с клиентом. Наличие этой информации позволяет маркетологам отображать целевые рекламные акции на сайте во время посещения. Например, если покупатель попадает в категорию «Вовлеченный покупатель» и у него активная корзина выше AOV, можно отобразить купон на бесплатную доставку или скидку, чтобы подтолкнуть этого покупателя к конверсии.
Также важно отметить, что модели не статичны. Их необходимо часто пересчитывать. В недавней реализации модели пересчитывались каждые несколько часов, чтобы быть максимально актуальными и точными.
Предписывающее размещение продукта и контента
Есть много причин, по которым покупательское поведение может измениться. Одной из таких причин является сезонность. Другими причинами, которые могут вызвать краткосрочные поведенческие изменения, являются погода, новости, дефицит и рекламные акции производителя. Использование моделей для обнаружения условий, которые «выходят за рамки ожиданий», и корректировка мерчандайзинга на сайте для реагирования на аномалии, зависящие от времени, становится все более распространенным явлением. Этот метод можно использовать для изменения результатов поиска, размещения элементов на домашней странице, размещения элементов в категориях и направления пользователей к информации о продукте при проведении поиска конкурирующего продукта.
Работает ли данный продукт лучше, когда он отображается в верхней части главной страницы? Некоторые делают, некоторые нет. Возможность определять оптимальное размещение продуктов с учетом недавней истории активности, такой как конверсии и добавления в корзину, может быть достигнута с помощью машинного обучения. При представлении нового продукта аналогичные модели можно использовать для прогнозирования наилучшего размещения для оптимальной производительности на основе атрибутов продукта.
Улучшение персонализации
Персонализации на большинстве сайтов B2C предстоит пройти долгий путь. А на сайтах B2B он все еще находится в зачаточном состоянии. Хотя можно сгруппировать покупателей в когорты и показать им похожие товары, машинное обучение позволяет уменьшить эти когорты, приближая вашего клиента B2B к более уникальному опыту. Это может быть особенно эффективно, когда у одного клиента есть несколько покупателей B2B.
Чтобы начать движение к более уникальному опыту, можно разработать модели машинного обучения, начиная с высокого уровня, а затем переходя к более детальным уровням, которые обеспечивают уникальное понимание клиента.
Например, начиная с геолокации как фактора, B2B-продавец промышленного оборудования HVAC должен предлагать разные продукты для клиентов в Миннесоте и во Флориде. Сезоны покупок не только разные, но и события во Флориде, такие как надвигающийся ураган, могут повлиять на покупательское поведение в краткосрочной перспективе. Правильно разработанная модель может помочь определить эти изменения и предупредить маркетолога B2B об изменениях, которые могут потребовать изменения мерчандайзинга на сайте для географического региона.
Кроме того, компания может разработать модели, которые могут предсказать оптимальный порядок сортировки результатов поиска для клиента, идеальные продукты и категории для него, а также предлагаемые рекламные акции на основе их недавнего поведения.
В итоге
Это увлекательное время для работы в сфере коммерции и, в частности, с данными. Конвергенция недорогих облачных вычислений и обилия данных, доступных из множества источников (не последним из которых является сайт B2B компании), и предоставление большого количества полезной информации с инвестициями на несколько порядков меньше, чем за десятилетие. тому назад. Это не только делает эту технологию доступной, но и делает ее основной частью того, как вы взаимодействуете со своими клиентами и как ведете свой бизнес.
Те, кто проигнорирует призыв сегодня, скорее всего, станут завтрашними Бордерами.