E-ticarət üçün AI lead scoring, ziyarətlər, məhsul baxışları, e-poçt qarşılıqlı əlaqəsi və keçmiş sifarişlər kimi davranışlardan istifadə edərək hansı alıcıların, abunəçilərin və ya topdansatış sorğularının alış ehtimalının daha yüksək olduğunu proqnozlaşdırır. Praktiki istifadə halları topdansatış və B2B müraciətlərinin prioritetləşdirilməsi, e-poçt və SMS-lərin alış ehtimalına görə hədəflənməsi, reklam auditoriyalarının qurulması və yüksək dəyərli müştərilərin erkən müəyyən edilməsidir.
E-ticarət kontekstində lead scoring nədir?
Lead scoring B2B satışlarında başladı, burada komandalar potensial müştəriləri sıralayır ki, satış nümayəndələri ilk növbədə ən perspektivli olanlara zəng etsinlər. E-ticarətdə alıcıların çoxu heç vaxt satış nümayəndəsi ilə danışmır, buna görə də anlayış dəyişir. Ballar kontaktları alış, təkrar alış və ya daha çox xərcləmə ehtimallarına görə sıralayır və bu ballar kimin hansı mesajı, təklifi və ya reklamı alacağına qərar verir.
Qaydalara əsaslanan ballama hərəkətlər üçün xal verir: e-poçtu açmaq üçün beş, məhsula baxmaq üçün on, səbətə əlavə etmək üçün iyirmi. AI ballaması tarixi məlumatlardan hansı davranış kombinasiyalarının əslində alışdan əvvəl baş verdiyini öyrənir və onları müvafiq şəkildə qiymətləndirir. Klaviyo, HubSpot, Salesforce və Bloomreach kimi platformalar planlara görə dəyişən adlar və xüsusiyyətlərlə proqnozlaşdırıcı ballar və ya meyl modellərini özündə birləşdirir.
Hansı e-ticarət brendləri daha çox faydalanır?
Ballama kifayət qədər kontaktınız və ballarla verəcəyiniz kifayət qədər qərarınız olduqda zəhmətə dəyər. Bir neçə yüz abunəçisi olan mağaza əllə seqmentasiya edə bilər. On minlərlə kontaktı, bir neçə məhsul xətti və müntəzəm kampaniyaları olan mağaza daha çox qazanır.
Topdansatış və ya B2B tərəfi olan brendlər demək olar ki, dərhal faydalanır. Topdansatış sorğularının dəyəri çox dəyişir və məhdud vaxtı olan satış komandası hansılara ilk növbədə cavab verəcəyini bilməlidir.
İstifadə halı 1: Topdansatış və B2B sorğularının prioritetləşdirilməsi
Həm istehlakçılara, həm də pərakəndə satıcılara satış edən brend tez-tez butiklərdən, şəbəkələrdən, bazarlardan və satıcılardan topdansatış formaları alır. Ballama forma məlumatlarını davranış və firmoqrafik detallarla birləşdirə bilər.
- Formadan və ya zənginləşdirmə alətlərindən əldə edilən şirkət ölçüsü və növü.
- Topdansatış qiymət siyahısı və ya minimum sifariş səhifəsi kimi göndərmədən əvvəl baxılan səhifələr.
- Biznesin istehlakçı kimi də alış etdiyi halda sifariş tarixi.
- Mövcud paylama şəbəkənizə nisbətən yerləşmə.
- Əvvəlki təbliğat e-poçtlarına verilən cavab.
Məsələn, qəhvə qovurma müəssisəsi avadanlıq səhifəsinə və topdansatış qiymətləri səhifəsinə baxan kafelərin yalnız qısa forma göndərənlərə nisbətən müntəzəm hesablara daha tez-tez çevrildiyini görə bilər. Həmin sorğulara həmin gün zəng edilir.
İstifadə halı 2: Alış ehtimalına görə e-poçt və SMS hədəfləməsi
Hər kampaniyanı hər abunəçiyə göndərmək sadədir, lakin israfçılıqdır. Onları heç vaxt açmayan insanlara yüksək tezlikli göndərişlər çatdırılmaya zərər verə bilər, çünki poçt qutusu provayderləri qarşılıqlı əlaqəni izləyir.
Alış ehtimalı balları ilə siz tam qiymətli yeni gələnləri yüksək meylli kontaktlara, daha yumşaq məzmunlu e-poçtları orta meyllilərə və yenidən cəlb etmə seriyasını aşağı meyllilərə göndərə bilərsiniz. Uzun müddət qeyri-aktiv olan kontaktları kənarlaşdırmaq göndərən reputasiyasını qoruyur və adətən az gəlir itkisinə səbəb olur.
İstifadə halı 3: Reklam auditoriyaları və dəyərə əsaslanan təkliflər
Ballar ödənişli mediaya qidalandırıla bilər. Yüksək meylli seqmentləri Meta-da xüsusi auditoriyalar kimi və ya Google Ads-də Müştəri Uyğunluğu siyahıları kimi, razılıqla və hər platformanın siyasətlərinə uyğun olaraq yükləyin. Onlardan oxşar auditoriya yaratmaq üçün və ya onsuz da alış etmək üzrə olan insanları bahalı axtarış kampaniyalarından kənarlaşdırmaq üçün istifadə edin.
Müxtəlif sifariş dəyərləri olan mağazalar üçün proqnozlaşdırılan dəyər dəyərə əsaslanan təkliflərə məlumat verə bilər, beləliklə reklam platformaları yalnız hər hansı bir alışa deyil, zaman keçdikcə daha çox dəyərli müştərilərə doğru optimallaşdırılır.
İstifadə halı 4: Yüksək dəyərli müştərilərin erkən müəyyən edilməsi
Bəzi ilk sifarişlər gələcək loyallığa işarə edir: müəyyən məhsul kateqoriyası, tam qiymətli alış, hesab üçün qeydiyyat və ya xüsusi əldəetmə kanalı. AI modelləri bu yeni müştəriləri işarələyə bilər ki, onlar daha yaxşı qarşılanma, məsələn, əl ilə yazılmış qeyd, erkən giriş və ya müştəri xidmətindən yoxlama alsınlar.
Hansı məlumatlara ehtiyacınız var?
- Müştəri qeydləri ilə əlaqəli təmiz sifariş tarixi, ideal olaraq ən azı bir il üçün.
- Mağaza platformanız və ya analitika inteqrasiyası vasitəsilə tanınmış kontaktlarla əlaqəli veb-sayt davranışı.
- E-poçt və SMS qarşılıqlı əlaqə tarixi.
- Razılıq qeydləri, beləliklə siz yalnız GDPR, KVKK və ya digər tətbiq olunan qanunlara uyğun olaraq kontaktları ballayır və hədəfləyirsiniz.
- Proqnozlaşdırdığınız nəticənin aydın tərifi: ilk alış, təkrar alış və ya topdansatış hesabı.
Məlumatlardakı boşluqlar inamlı, lakin yanlış ballar yaradır. Sifarişlərinizin yarısı müştəri məlumatlarını paylaşmayan bir bazar vasitəsilə gəlirsə, model mənzərənin yalnız yarısını görür.
Məhdudiyyətlər nələrdir?
Ballar fakt deyil, ehtimallardır. Yüksək balı olan kontakt hələ də alış etməyə bilər və aşağı bal kimisə əbədi olaraq görməməzlikdən gəlmək üçün səbəb deyil. Modellər həmçinin sürüşür: mövsümi davranış, yeni məhsullar və ya marketinq qarışığındakı dəyişiklik keçən ilin nümunələrini daha az etibarlı edə bilər. Balları vaxtaşırı yenidən öyrədin və ya yoxlayın.
Həmçinin ədalətlilik məsələsi var. Həssas atributlara əsaslanaraq fərqli qiymətlər və ya daha pis rəftar təklif etmək üçün ballardan istifadə etməyin və platformanızın modelinin yerləşmə kimi məlumatlardan necə istifadə etdiyini yoxlayın.
Balları necə hərəkətə çevirirsiniz?
Heç kimin hərəkətə keçmədiyi bal CRM-də sadəcə başqa bir sütundur. Ballamanı işə salmazdan əvvəl hər səviyyədə nə baş verdiyini yazın. Yüksək alış ehtimalı tam qiymətli kampaniyalar və endirim kodlarının olmaması demək ola bilər. Orta ehtimal məzmun və sosial sübut demək ola bilər. Aşağı ehtimal isə müəyyən müddətdən sonra azaldılmış göndərmə tezliyi və geri qazanma təklifi demək ola bilər. Topdansatış müraciətləri üçün kimin zəng edəcəyini, nə qədər sürətlə və nə təklif edəcəklərini müəyyən edin.
Seqmentlərin sayını az saxlayın. Aydın hərəkətləri olan üç və ya dörd qrupu idarə etmək və ölçmək, eyni e-poçtu alan on incə dərəcəli səviyyədən daha asandır.
Alien Road AI lead scoring-i necə tətbiq edir
Tipik e-ticarət əlaqəsində kəşfiyyat əvvəlcə məlumatlara baxır: sifarişlərin, kontaktların və razılıq qeydlərinin harada yaşadığı, necə əlaqələndirildiyi və biznes üçün hansı nəticənin ən vacib olduğu. Çox vaxt mağazanı e-poçt platformasına düzgün qoşmaq və ya dublikat profilləri birləşdirmək kimi sürətli həll yolu olur.
Quraşdırma, xüsusi model əvəzinə, mümkün olduqda müştərinin platformalarında artıq mövcud olan proqnozlaşdırıcı xüsusiyyətlərdən istifadə edir. Ballar az sayda seqmentə çevrilir və hər seqment aydın bir hərəkət alır: mesaj növü, reklam auditoriyası və ya topdansatış sorğuları üçün satış izləmə qaydası.
Ölçmə, seqment nəticələrini standart müalicəni alan bir qrup ilə müqayisə edir. Hesabatlar hər alıcıya düşən gəliri, seqment üzrə konversiya dərəcələrini və topdansatış sorğusu konversiyasını göstərir və balların nə vaxt yenidən kalibrlənməli olduğunu qeyd edirlər.
Bu həftə haradan başlamaq lazımdır
Keçən il ikinci alış edən müştərilərin siyahısını çıxarın və ondan əvvəl nə etdiklərinə baxın: hansı e-poçtları açdıqlarını, hansı səhifələrə baş çəkdiklərini və ilk sifarişlərində nələrin olduğunu. Hətta bu əl ilə baxış modelin öyrənəcəyi siqnalları ortaya qoyur. Sonra e-poçt və ya CRM platformanızın artıq aktivləşdirmədiyiniz proqnozlaşdırıcı ballar təklif edib-etmədiyini yoxlayın.
Oxumağa davam edin: CRM Sistemi · Crm Sistemi