Strategia retargetingu – wykorzystanie AI

Zagadnienia związane z szybko rozwijającą się sztuczną inteligencją oraz jej zastosowania w biznesie są w tej chwili jednymi z najbardziej eksploatowanych obszarów studiów. Tak więc tematem mojego artykułu jest aspekt wykorzystania AI w wybranym fragmencie architektury biznesowej opisującym tzw. retargeting. Na wstępie przyjrzyjmy się definicji pojęcia.

Retargeting, zwany również remarketingiem, jest to metoda reklamy online polegająca na docieraniu do osób, które wcześniej odwiedziły już witrynę sklepu internetowego ale nic tam nie kupiły. Poprzez wyświetlanie spersonalizowanych reklam lub/i wysyłanie wiadomości e-mail taktyka ta ma jednak przekonać potencjalnego klienta do dokonania pożądanego zakupu.

Współczesny klient oczekuje indywidualnego doświadczenia w kontakcie ze sklepem internetowym i uważa to za coś oczywistego. Jak pokazują badania firmy McKinsey: 

„71% badanych konsumentów spodziewa się otrzymać od firm spersonalizowanych interakcji. I na tym historia się nie kończy: 76% spośród nich jest sfrustrowanych, gdy tak się nie dzieje”. [I]

„Spersonalizowane interakcje” prowadzą do stworzenia oferty dopasowanej do osobistych potrzeb klienta. W kontakcie z przedsiębiorstwem czy marką oferowaną przez sklep, taka personalizacja jest odbierana przez klienta bardzo pozytywnie. Czuje się on wtedy doceniony, ponieważ otrzymuje „propozycję wartości” uszytą na miarę, gwarantującą w danym momencie spełnienie jego oczekiwań.

W celu zwiększenia udziału w rynku przedsiębiorstwo musi lepiej poznać wszystkie najważniejsze potrzeby klienta oraz przewidzieć jego zachowania konsumenckie w nadchodzącej przyszłości.  W tym celu organizacje budują w ramach architektury biznesowej nowe możliwości biznesowe. 

Polega to na utworzeniu w firmie nowych:

Platformy te muszą być wyposażone w zintegrowane z sobą, wspomagane uczeniem maszynowym (ML), narzędzia takie jak: „data lakehouse” i „analityka w czasie rzeczywistym” (Real-time analytics).

Wszystko to, co potocznie nazywane jest sztuczną inteligencją (AI) jest w rzeczywistości jej podzbiorem, zwanym uczeniem maszynowym (ML). ML to nauka o wykorzystywaniu danych do szkolenia maszyn w celu tworzenia modeli naśladujących ludzką inteligencję. ML opiera się na algorytmach – algorytmy „uczą się” na dużych zbiorach danych i poprawiają automatycznie swoją skuteczność dzięki nieustannej analizie nabywanej wiedzy i doświadczenia.

Analityka w czasie rzeczywistym (Real-time analytics) stosuje logikę i matematykę do przeglądu i wykorzystania danych w celu szybkiego podejmowania optymalnych decyzji. Czas rzeczywisty oznacza jej zakończenie w ciągu kilku sekund lub minut od momentu pojawieniu się nowych danych i jest to proces permanentny. Analityka w czasie rzeczywistym prowadzi do lepszego zrozumienia potrzeb klienta, personalizacji ofert a tym samym do zwiększenia efektywności kampanii marketingowych.  

„Data Lakehouse” jest to nowa, otwarta architektura zarządzania danymi. Łączy w sobie elastyczność, efektywność kosztową i skalę zarządzania danymi oraz transakcjami ACID hurtowni danych. Umożliwia prowadzenie analityki biznesowej (BI) a także uczenie maszynowe (ML) przy wykorzystaniu  wszystkich zebranych danych.

„Generatywna” sztuczna inteligencja to jedna z subdyscyplin sztucznej inteligencji, która dodatkowo może wytwarzać oddzielne treści np. teksty i obrazy.

Towarzyszące budowie nowych zdolności przedsiębiorstwa zmiany organizacyjne powinny nakierowane być na tworzenie interdyscyplinarnych zespołów, stosujących metodykę zarządzania tzw. „agile” i działających w poprzek istniejących w firmie silosów. Zadaniem tych nowo powołanych struktur będzie wsparcie procesów marketingowych i sprzedażowych.

Współcześnie, w biznesie rośnie rola specjalistów wykorzystujących w swojej pracy elementy socjologii i psychologii, a także informatyków odpowiedzialnych za rozwój algorytmów i uczenia maszynowego oraz obsługę sztucznej inteligencji (prompt engineers). W celu lepszego rozumienia przyszłych potrzeb klientów i tworzenia zindywidualizowanych ofert handlowych, pracując w nowo stworzonych zespołach, personel ma za zadanie analizować wzorce ludzkich zachowań (są one zazwyczaj stałe), skłonności i przyzwyczajenia kupujących, w oparciu o zgromadzone w bazach dane historyczne.

Prompting służy do tego, aby ludzie mogli swobodnie komunikować się ze sztuczną inteligencją a przede wszystkim przekazywać AI ich oczekiwania i potrzeby. Polega to na werbalnym dostarczeniu jej precyzyjnych poleceń dotyczących intersującego użytkownika tematu/obszaru.

W książce „Value Proposition Design” autorzy ze Strategyzer [II], analizując postawy kupujących, trafnie zdefiniowali ich oczekiwania. Przyjęte podejście badawcze określa zobiektywizowaną perspektywę tego, czym będzie kierował się w przyszłości potencjalny kupujący dany produkt/usługę. Pozwala to na nowe, oryginalne spojrzeniem na tzw. „pracę do wykonania” (ang. job to be done) czyli na zespół podejmowanych przez nabywcę działań, który stara się albo wykonać określone zadanie (np. schudnąć, aby być zdrowym), albo próbuje rozwiązać konkretny problem (np. wymienić nieefektywną instalację elektryczną) albo też chce osiągnąć wynikającą z zakupu satysfakcję (np. być trendy – kupić modne buty).

Autorzy zwracają również uwagę na fakt, że posiadana przez pracowników marketingu wiedza bardzo często nie pokrywa się z realną skalą potrzeb klientów i z opisaną powyżej „pracą”, którą kupujący chce wykonać, a tym bardziej z jego motywacjami do działania.

Dlatego też jednym z najważniejszych zadań interdyscyplinarnych zespołów działających w przedsiębiorstwie jest przeprowadzenie szczegółowej analizy zachowań potencjalnych nabywców w celu doprecyzowania ich indywidulanej „drogi klienta”. Udoskonalenie „ścieżki zakupowej” powinno pozwolić na przygotowanie „szytych na miarę” ofert sprzedaży i skłonić klientów do dokonania zakupów. Stworzone oferty handlowe zostaną umieszczone na banerach reklamowych na stronach internetowych odwiedzanych przez użytkownika/ potencjalnego kupującego.

Droga Klienta (ang. customer journey) zwana także zakupową ścieżką klienta opisuje wszystkie etapy, przez które przechodzą klienci podczas interakcji z marką/sklepem przed i po zakupie produktu lub usługi. Pozwala to na wyciągnięcie w firmie wniosków na temat pełnej gamy doświadczeń klientów w całym procesie.

Firmy powinny podejmować konkretne działania już na etapie rozważania przez klienta możliwości zakupu produktu. W tym celu poszczególne marki tworzą „ekosystemy” służące optymalizacji omawianej personalizacji „drogi klienta”. Stworzenie systemu powiązań pomiędzy kanałami sprzedaży danej marki realizowanej we współpracy z partnerami handlowymi (np. centrum handlowe, sklep detaliczny, sklep online), przyczyni się zdecydowanie do ułatwienia i przyśpieszenia procesu decyzyjnego klienta dotyczącego konkretnego zakupu.

Sztuczna inteligencja dzięki swoim funkcjonalnościom pozwala stworzyć nowe możliwości biznesowe w danej organizacji. Dzięki wykorzystaniu rozbudowanych modeli, AI odgrywa olbrzymią rolę w odnajdywaniu bardzo złożonych korelacji w dużych zbiorach danych.

W procesie uczenia maszynowego wielkość baz ma ogromne znaczenie, ponieważ czym większy jest zasób zawartych w nich danych tym można spodziewać się dokładniejszych wyników ich badania. W przypadku analizy zachowań populacji, biorąc pod uwagę fakt, że użytkownicy od lat zostawiają w sieci tzw. „ślad cyfrowy”, liczba nagromadzonych przez lata danych jest imponująca. Tak więc modele sztucznej inteligencji można z sukcesem wykorzystać do budowy tzw. „mapy empatii” oraz do tworzenia scenariuszy prognozujących zachowania kupujących i do dopasowania do nich działań promocyjnych. Jest to krok w kierunku wsparcia procesu sprzedaży poprzez opracowanie wstępnego, cyfrowego obrazu przyszłego klienta już na etapie jego pierwszych odwiedzin w sklepie internetowym.

Mapa empatii jest wykorzystywana do budowy profilu użytkownika opisującego to, co potencjalny klient myśli, czuje, widzi, słyszy i mówi. Jest dobrym narzędziem służącym do zbierania maksimum informacji o użytkownikach, a także do zrozumienia ich potrzeb. Pozyskane dane ułatwiają podejmowanie właściwych decyzji dotyczących promocji produktów. Mapa empatii jest często pierwszym krokiem w kierunku stworzenia tzw. ”person”.  

Z czasem, zgromadzona w bazach danych ogromna liczba zmiennych pozwala AI na tworzenie nie tylko charakterystyki docelowych grup odbiorców ale także na określenie wzorców zachowań indywidualnych użytkowników sieci czyli „persony”.

„Persony” to „fikcyjne postacie stworzone po to, aby można było ustalić wzorce użytkowników, którzy mogliby skorzystać z oferowanych produktów lub usług. Owe persony są niezbędne dla właściwego,  pełnego opisu celów, potrzeb, problemów i ograniczeń, które mają przyszli konsumenci. Persony są także pomocne przy podejmowaniu decyzji o przyszłym kształcie produktów czy też usługi (np. o funkcjonalności produktu, o jego wyglądzie, kształcie, czy sposobie wizualizowania strony internetowej).

W marketingu powszechnym zjawiskiem jest wykorzystywanie pojęcia persony. Na przykład przedsiębiorstwa posiadają zazwyczaj kilkanaście zdefiniowanych profili klienta, a w przypadku banków ich liczba może być liczona nawet iść w setki.

Duże przedsiębiorstwa dysponujące znaczącymi budżetami przeznaczonymi na transformację cyfrową tworzą własne, kompleksowe rozwiązania technologiczne. Mniejsze firmy, które z różnych powodów nie rozwijają tego typu możliwości biznesowych, mogą skorzystać z outsourcingu – z usług profesjonalnych podmiotów dysponujących wyspecjalizowanymi narzędziami AI służącymi do wsparcia spersonalizowanego marketingu.

Niektóre z nich oferują także usługi retargetingu, którego wykorzystanie ma na celu ponowne zachęcenie klienta do zakupów, po tym jak opuścił sklep bez ich dokonania.

Tak więc wykorzystanie retargetingu, dzięki zastosowaniu sztucznej inteligencji w tym: map empatii, cyfrowych wzorców zachowań indywidualnych użytkowników (person) oraz zindywidualizowanych ofert handlowych, pozwala generować przedsiębiorstwu dodatkową sprzedaż proponowanych klientom produktów.

Omawiana usługa pozwala także na zwiększenie sprzedaży w ramach przygotowanej równolegle oferty tzw. cross-sellingu.

Cross-selling dotyczy sprzedaży powiązanej. Klientowi, który dokonał już zakupu określonego towaru, oferuje się dodatkową, uzupełniającą opcję kupna kolejnego produktu.