Машинное обучение стало настолько продвинутым, что алгоритмы могут предсказывать поведение пользователя. Это влияет на многие аспекты вашей цифровой стратегии, но не больше, чем на оптимизацию коэффициента конверсии (CRO). Чтобы понять, как можно использовать ИИ для CRO, вам сначала нужно точно знать, что подразумевается под искусственным интеллектом и машинным обучением.

Машинное обучение: как это работает

Машинное обучение - это разновидность искусственного интеллекта. Не получая специального программирования для задачи, он берет данные о предыдущем поведении и определяет, какие действия могут быть выполнены в будущем. Есть несколько причин, по которым маркетологи не могут управлять функциями, выполняемыми машинным обучением, в одиночку. Во-первых, требуется слишком много данных для человека. Во-вторых, машинное обучение AI с меньшей вероятностью приведет к искажениям, которые могут привести к неверным предположениям.

Прикладное машинное обучение для CRO

Есть несколько способов применить машинное обучение для повышения коэффициента конверсии веб-сайтов.

Чат-боты

Чат-боты имитируют естественный диалог с посетителями вашего веб-сайта, чтобы помочь им найти продукты или предоставить им дополнительную информацию. Изучая предыдущие взаимодействия, чат-боты продолжают улучшать предоставляемый ими опыт. Кроме того, чат-боты снижают нагрузку на вашу службу поддержки клиентов и дают пользователям возможность общаться с вашей компанией в нерабочее время. Все эти преимущества означают, что вы можете взаимодействовать с большим количеством потенциальных клиентов и, следовательно, увеличивать конверсию с вашего сайта.

Поиск товаров

Вы можете легко улучшить поиск товаров на своем веб-сайте, реализовав функцию автозаполнения. Это функционирует путем перечисления предложений поиска по типу пользователя - например, что происходит, когда вы начинаете вводить запрос в Google. Вы можете добавить машинное обучение и CRO к функции автозаполнения, добавив обучающий поиск. Это означает, что алгоритм учитывает не только буквы, которые вводит пользователь, но и похожие термины.

Интернет-мерчандайзинг

Другой аспект функциональности машинного обучения - знание того, какие продукты пользователи скорее всего купят. Клиенты с большей вероятностью совершат покупки, если вы представите продукты, которые им сразу понравятся. Вместо того, чтобы отображать самые популярные продукты, алгоритм учитывает, что пользователь (или аналогичные пользователи) смотрел или покупал в прошлом, время суток и местоположение пользователя.

Помимо предложения продуктов в соответствии с поведением пользователя, вы можете представить аналогичные, более дорогие продукты от конкурентов. Либо покажите их пользователям на своем веб-сайте, либо отправьте клиентам сравнения по электронной почте (при условии, что у вас есть их разрешение).

Корректировка цен

Еще один способ применить машинное обучение для CRO - это корректировать цены в режиме реального времени в соответствии с потребностями клиента. Алгоритм рассчитывает идеальную цену, чтобы принести максимальную прибыль, увеличивая при этом шанс покупки.

Вы можете увидеть это на некоторых веб-сайтах электронной коммерции, если вы и другой пользователь проверяете один и тот же продукт, находясь в одном месте, но каждый на своем устройстве. Цены будут отличаться, потому что алгоритм представляет отдельное предложение в соответствии с вашим прошлым поведением и другими факторами.

Если алгоритм определяет, что вы не совершите покупку, вы увидите полную цену. То же самое верно, если вы с большой вероятностью совершите покупку. Однако, если алгоритм посчитает, что у вас есть сомнения или вас не устраивает цена, которую вы видели ранее, вы можете получить скидку.

Уведомления

Если у вас более длинная воронка продаж, вам может потребоваться оптимизация для конверсий, таких как загрузка премиум-контента, подписка на рассылку новостей по электронной почте и участие в бесплатных пробных версиях. Это требует отправки пользователям уведомлений о том, что они, скорее всего, предпримут.

Вы можете использовать машинное обучение, чтобы выяснить, какие уведомления следует предоставлять пользователям, а также какие элементы приводят к наивысшему коэффициенту конверсии. Вы можете обнаружить, что чувство срочности наиболее эффективно; это может быть социальное доказательство, или это может быть совершенно другой фактор.

Динамические страницы

Вы также можете применить машинное обучение, чтобы предсказать, как дизайн страницы влияет на конверсию. В этом случае алгоритм проверяет различные заголовки, шрифты, размеры текста, расположение и цвета кнопок, а также другие элементы страницы посредством постоянного A / B-тестирования. Кроме того, алгоритм может проверить, как элементы работают вместе, или увидеть, как влияние меняется в зависимости от типа пользователя. В результате оптимизированный веб-дизайн определяется данными, а не интуицией.

Интеллектуальный анализ данных

Когда вы применяете машинное обучение к необработанным данным, оно может обнаруживать закономерности. Алгоритм может обнаруживать шансы конвертировать клиентов, которых вам сейчас не хватает, или может отображать проблемы с кампаниями, которые необходимо исправить. Имейте в виду, что существует ограничение на использование машинного обучения таким образом: алгоритм не укажет вам, как исправить проблемы. Для этого вам нужен человеческий вклад.

Fit Score

Наконец, машинное обучение может определить, стоит ли искать потенциальных клиентов или это будет пустой тратой ресурсов. Алгоритм делает это, беря всю доступную информацию о лиде и решая, насколько точно лид соответствует профилю существующих клиентов. Алгоритм будет учитывать такие характеристики, как местоположение, демографические данные и поведение на вашем веб-сайте.

В случае, если у лидера есть высокий потенциал стать платежеспособным клиентом, вы знаете, что стоит продолжать ваши усилия по воспитанию. Если вероятность невысока, лучше не прилагать дополнительных усилий.

Лучшие алгоритмы для этого продолжают учиться. Например, если алгоритм сделал прогноз, что определенный пользователь вряд ли совершит преобразование, но пользователь действительно преобразовал, он изменит способ выполнения будущих расчетов.

Какой алгоритм машинного обучения использовать

Когда вы начинаете исследовать алгоритмы машинного обучения, вы можете быть ошеломлены огромным количеством возможностей. Вам нужно сузить круг возможных вариантов, чтобы выбрать подходящую технологию машинного обучения для своих нужд.

Фокус алгоритма

Как вы видели выше, некоторые алгоритмы увеличивают коэффициент конверсии, собирая данные, необходимые для принятия более эффективных решений. Другие оценивают потенциальных клиентов, а третьи работают над улучшением определенного показателя или оптимизацией функций вашего веб-сайта. Вам нужно решить, что больше всего связано с вашими целями, или оценить, где вы в настоящее время боретесь, чтобы обеспечить наибольшее влияние на CRO.

Персонализация для пользователей

Может быть полезен алгоритм, который оптимизирует впечатления для всех посетителей. Однако еще более эффективный алгоритм будет использовать данные о группах пользователей и обеспечивать лучший опыт для подмножества посетителей или для каждого отдельного человека. Фактически, если вы ищете алгоритм для чего-либо, кроме дизайна, интеллектуального анализа данных или чат-ботов, индивидуализация имеет решающее значение.

Метод обучения

Некоторые алгоритмы обучаются с помощью предустановленных правил об определяемых вами атрибутах. Другие учатся создавать свои собственные правила. Лучше иметь последнее, но вы также можете захотеть, чтобы система принимала установленные вами правила.

Ручное или автоматическое обучение

В идеале алгоритм сможет брать данные, которые у вас уже есть, и использовать данные, которые он собирает, в режиме реального времени. Однако некоторые алгоритмы требуют, чтобы вы предоставили им набор данных, а затем регулярно обновляли эти данные. Это означает, что алгоритм учится медленнее, и очень важно, чтобы вы не забыли предоставить ему свежие данные.

Прозрачность

Наконец, вам нужно знать, что ваш алгоритм делает правильный выбор; в противном случае это может не повлиять - или вы даже можете увидеть отрицательные результаты для вашего коэффициента конверсии. Прозрачная система позволит вам получить доступ к вашим данным, показать вам, почему алгоритм принимает определенные решения, и объяснить последующие результаты по коэффициенту конверсии.

Как использовать машинное обучение

То, как вы применяете машинное обучение, будет зависеть от нескольких факторов, в том числе от того, где вы в настоящее время наблюдаете снижение конверсии, с какими проблемами сталкивается ваш бизнес и какие продукты или услуги вы предлагаете.

Если у вас много данных, нет причин, по которым вы не можете воспользоваться всеми вышеперечисленными проектами машинного обучения. С другой стороны, если у вас новый веб-сайт и ограниченное количество посетителей, у вас низкий уровень зрелости данных. Это означает, что вы не сможете использовать большинство инструментов машинного обучения.

Фактически, если вы попытаетесь применить машинное обучение до того, как у вас будет достаточно качественных данных, алгоритм может совершить ошибки, из-за которых ваш коэффициент конверсии упадет. Это потому, что вы будете принимать решения, не глядя на полную картину. Например, если вы примените инструмент модели атрибуции от Google без правильной настройки, вы рискуете потерять конверсии из некоторых источников данных.

Трудно начать, если у вас недостаточно данных или вы не знаете, как применить машинное обучение к своим данным. Однако выход есть: услуги по оптимизации конверсии. С полным набором услуг CRO вы получите стратегию оптимизации, необходимую для сбора данных нужного качества и количества. Только тогда сервис реализует наиболее подходящий алгоритм искусственного интеллекта для ваших нужд.

Первоначально опубликовано на сайте insightwhale.com 26 октября 2018 г.