Фото: www.rbc.ru
«Утконос» внедрил решение на основе ИИ с целью увеличения в покупательской корзине доли новых товаров.
Исследовательская компания Orbis Research описала механизмы рекомендаций на основе ИИ как «инструменты фильтрации, которые используют различные алгоритмы и данные, чтобы рекомендовать наиболее подходящие элементы конкретному клиенту».
Для этого ИИ извлекает данные о предыдущем поведении клиентов (как от текущего клиента, так и от похожего сегмента клиентов), например, о поисках, кликах и покупках. Затем рассчитывает, что больше всего понравится данному потребителю в будущем. По оценкам Amazon, около 35% продаж приходится на рекомендации. Для большинства предприятий электронной коммерции рекомендации по продуктам уже давно являются неотъемлемым аспектом их деятельности, повышая доход и вовлеченность пользователей.
Машинное обучение (ML) позволило повысить автоматизацию, точность и своевременность рекомендаций по продуктам, что, в свою очередь, привело к значительному увеличению доходов компаний, особенно в секторе электронной коммерции. Salesforce обнаружила, что «посещения, во время которых покупатель щелкнул рекомендацию, составляют всего 7 процентов от всех посещений, но приносят поразительные 24 процента заказов и 26 процентов дохода».
В «Утконосе» искусственный интеллект также опирается на покупательское поведение при составлении списков рекомендаций. Учитывает историю посещений, покупок, вопросы, реакции на акции. У рекомендательной системы есть автоматический и ручной режим. Вручную менеджер может изменять ТОП рекомендуемых товаров, вводить специальный товар и кэшбэк. Сотрудники могут настраивать и другие параметры для достижения персонализации. Задача нового рекомендательного сервиса – повысить долю товаров, не входящих в привычную покупательскую корзину на 12%.
Сети активно используют ИИ в рекомендательных сервисах, но ранее это, в основном, касалось непродовольственных товаров. Теперь ИИ будет помогать в наполнении продовольственной корзины.