Покупки в Интернете стали неотъемлемой частью нашей жизни, а с пандемией доля онлайн-покупателей резко возросла и продолжает расти. Поэтому чрезвычайно важно обеспечить беспрепятственный процесс покупок и поддерживать высокие показатели продаж. В условиях жесткой конкуренции платформам электронной коммерции необходимо найти способ не только увеличить конверсию покупок и средний чек, но и удовлетворять потребности клиентов и, таким образом, удерживать их дольше. Бренды, предоставляющие быстрые и оперативные предложения, получают наибольшую выгоду.

Мало людей заходит в интернет-магазин с четкой целью купить конкретный товар. Чаще они бродят по сайту, не в состоянии понять, что им нужно. Если они все-таки что-то покупают, то скорее всего, просто закрывают сайт после этой покупки, не приобретая ничего другого.

Хорошей новостью является то, что интернет-магазины располагают огромным количеством данных о своих клиентах, которые они могут использовать для увеличения продаж и повышения удобства покупок. На основе этих данных магазины могут предоставить каждому покупателю персонализированные рекомендации по товарам, которые он или она, скорее всего, купят. Эта функция может быть реализована на основе классических алгоритмов, но по мере роста количества продуктов и показателей система становится слишком сложной и неуправляемой, и с ней может справиться только искусственный интеллект.

Компания НейроСистемс разработала и внедрила сложную систему рекомендаций для онлайн-торговых платформ Северной Америки. Она собирает данные из личной информации клиента, предпочтений, прошлых и текущих покупок, а также покупок других похожих на него клиентов и преобразует их в динамические предложения. Затем он просматривает весь каталог продукции и подбирает лучшие продукты для конкретного клиента.

Система рекомендаций позволила онлайн-платформам, наконец, максимально использовать данные, которые они собирают, и рекомендовать клиентам товары, которые они, скорее всего, купят. 20 % рекомендаций, сгенерированных нашей системой, оказались правильными. Одним из основных конкретных преимуществ, которые приносит это решение, является рост средней стоимости заказа. Еще одним преимуществом, которое нельзя недооценивать, является повышение удовлетворенности клиентов и, следовательно, удержание их, поскольку ни один клиент не покинет интернет-магазин, который понимает его потребности и точно их прогнозирует. Кроме того, дополнительные продажи стали отличным способом сэкономить на стоимости доставки, поскольку интернет-магазину дешевле осуществлять доставку, когда клиент покупает несколько товаров вместо одного.

Ядром системы ИИ является программное обеспечение, использующее алгоритмы машинного обучения. Модель машинного обучения анализирует исторические данные о продажах и личные данные пользователей и генерирует рекомендации по покупкам для каждого пользователя, посещающего интернет-магазин. Одновременно может быть запущено несколько подобных моделей, которые далее можно объединить, чтобы обеспечить рекомендации более высокого качества.

В рамках подхода, ориентированного на пользователя, модель анализирует профиль клиента и его предпочтения. После анализа профиля, модель находит других клиентов, на которых похож клиент, и рекомендует ему продукты, которые они купили.

В рамках подхода, основанного на товарах, модель анализирует покупки клиента и рекомендует продукты, похожие на те, которые он уже просматривал, клал в корзину или покупал ранее. Например, клиенту, который просматривает кофемашины, модель порекомендовала бы кофейные капсулы или напомнила бы о чистящих средствах для ковра, которые он купил несколько месяцев назад.