Торговля

ИИ-продавец. Как «Стройпарк» автоматизировал дополнительные продажи

9 февраля

5 мин

«Стройпарк» — это сеть магазинов строительно-отделочных материалов в Томской области. Компания основана в 1998 году. У нее два гипермаркета площадью 7000 и 14 000 м², в которых представлено более 60 000 наименований товаров для стройки, ремонта, дома и сада. Имеет свой распределительный центр, оптовое направление, интернет-магазин. 

 

Рассказываем, почему компания внедрила ИИ-решение в свой e-com и к каким результатам это привело. 



Проблема

На официальном сайте не имелось рекомендательных механизмов, которые бы предлагали клиентам дополнительные продукты или услуги. Уровень их продаж был низким. Магазин упускал потенциальный доход. 



Решение

Внедрить в интернет-магазин ИИ-решение, которое будет анализировать данные пользователей, их предпочтения и поведение на сайте, чтобы предлагать релевантные товары или услуги.



Технологии

Для этого была разработана ИИ-модель, которая реализует механизмы up-sell and cross-sell. Она функционирует на основе нескольких технологий. 

 

  • Машинное обучение. Алгоритмы постоянно обучаются и совершенствуются от взаимодействия с клиентами, повышая точность и актуальность предложений. 


  • Предиктивная аналитика. Методы прогнозной аналитики помогают выявить тенденции и закономерности в поведении клиентов и предугадывать их потребности.


  • Обработка естественного языка (NLP, natural language processing). Используется для понимания и интерпретации запросов и отзывов клиентов. 



Сложности

  • Недостаток данных о покупателях и продуктах. Для решения этой проблемы были внедрены системы сегментации клиентов и аналитики. Они позволили точнее определять потребности и предпочтения каждого пользователя, а также оценивать результаты применения механизмов сross-sell (перекрёстных продаж) и up-sell (повышения суммы продаж).


  • Проблемы с разработкой алгоритмов рекомендаций. Механизмы cross-sell и up-sell требуют точного и релевантного подбора продуктов, основанного на предпочтениях и поведении клиента. Неправильные рекомендации могут вызвать разочарование у покупателя и ухудшить его впечатление от интернет-магазина. Чтобы преодолеть эту сложность, было проведено исследование рынка, изучены предпочтения клиентов и использованы алгоритмы машинного обучения для точного предсказания и рекомендации продуктов.


  • Технические сложности. Ещё одной проблемой стало внедрение механизмов cross-sell и up-sell в интернет-магазине. Пришлось проводить анализ инфраструктуры, оптимизировать и модифицировать системы. Интегрировать механизмы с различными платформами и базами данных.



Этапы работы

Реализация механизма up-sell and cross-sell включает в себя следующие этапы. 


  • Октябрь 2022 года. Сбор данных о клиентах и транзакциях и проведение анализа возможностей для дополнительных и перекрёстных продаж. 


  • Ноябрь 2022 года. Разработка алгоритмов, которые могут генерировать персонализированные рекомендации на основе предпочтений и поведения клиентов. 
  • Февраль 2023 года. Интеграция системы рекомендаций в пользовательский интерфейс и внутреннюю инфраструктуру веб-сайта. 


  • Март 2023 года. Тестирование и доработка системы рекомендаций на основе отзывов пользователей и анализа производительности. 


  • Май 2023 года. Запуск системы в промышленную эксплуатацию.  



Результаты

  • Увеличение выручки на 16%. Клиенты чаще покупали дополнительные продукты. Доля товаров, приобретённых по рекомендациям, составляет 4—6% от товарооборота. Средний чек тоже вырос.


  • Повышение удовлетворённости клиентов. Пользователи высоко оценили релевантность рекомендаций их потребностям. 


  • Оптимизация SEO. Улучшение поведенческих факторов повлияло на позиции сайта в поисковых системах. 



Следующие шаги

«Стройпарк» планирует повышать эффективность механизмов дополнительных и перекрёстных продаж.


Основные меры:


  • постоянное совершенствование: сбор и анализ данных о клиентах для адаптации и улучшения системы рекомендаций на основе меняющихся предпочтений и рыночных тенденций; 


  • персонализация: внедрение более продвинутых инструментов, таких как динамическое ценообразование, чтобы предоставлять индивидуальные рекомендации отдельным клиентам;


  • интеграция с другими платформами: изучение возможностей интеграции системы рекомендаций с платформой социальных сетей.






  • СберПро Медиа теперь можно читать в «Телеграме» и «Дзене». Чтобы быть в курсе важных трендов, свежих кейсов лидеров бизнеса и мнений ведущих экспертов, следите за нами в телеграм-канале. Развитие навыков управления, личностный рост, актуальные подходы в маркетинге, новинки бизнес-литературы — эти темы мы подробно рассматриваем в «Дзене».

Статья была вам полезна?

Да

Нет