Začiatkom tohto roka prevzala americká spoločnosť Bloomreach jeden z najúspešnejších slovenských startupov – Exponeu. Výsledkom je spojenie dvoch firiem, ktoré sú si veľmi podobné startupovou kultúrou, pôsobením v e-commerce, ale hlavne umelou inteligenciou (AI), ktorej vďačia za svoj úspech.
AI v službách e-commerce
Exponea priniesla e-shopom možnosť spoznať svojich zákazníkov. Anonymných kupujúcich zmenila na ľudí, ktorí majú svoje zvyky, záujmy a rozoznateľné nákupné správanie. Pridala možnosť reagovať na toto správanie a cieliť marketing na úzko špecifické segmenty. Umelú inteligenciu využíva na odporúčania produktov, predpovede správania zákazníkov a pokročilé techniky A/B testingu.
Bloomreach sa medzitým sústredil na katalóg produktov. Jeho systém využíva spracovanie prirodzeného jazyka (NLP – natural language processing). Vďaka tomu dokáže porozumieť ľudskej reči a využíva to dvakrát: na pochopenie popisu produktov a na analýzu textu, ktorý zákazníci píšu do vyhľadávacieho políčka. Takto vie prepojiť to, čo ľudia hľadajú s tým, čo e-shop ponúka.
Spojenie týchto startupov dáva zmysel. Analýza správania zákazníka a zároveň hĺbkové pochopenie produktu predstavujú ucelenú ponuku pre e-commerce, najmä keď za ňou stojí pokročilá technológia.
Otázka je, či to stačí. Umelú inteligenciu využíva mnoho firiem a úspešný startup musí mať okrem technológie aj silnú víziu. Akú víziu ponúka Bloomreach?
Základná ponuka šablón na odporúčanie produktov. Zdroj foto: Bloomreach
Ten, kto hľadá a ten, kto nakupuje
Klasický pohľad na e-commerce má v centre pozornosti zákazníka – človeka, ktorý prišiel nakupovať. Zákazníka treba najprv získať a potom dosiahnuť, aby kupoval čo najčastejšie a minul čo najviac peňazí. Tomuto cieľu je prispôsobené fungovanie firemných oddelení a nastavenie ich vyhodnocovacích metrík. Často sa však stáva, že jednotlivé tímy spolu komunikujú málo (alebo vôbec) a ich pohľad na zákazníka sa odlišuje. Typickým príkladom je marketing, ktorý má za úlohu získavať nových zákazníkov a CRM (customer relationship management), ktoré rieši vzťahy s tými existujúcimi. Je úplne bežné, že prvý tím nemá prístup do klientskej databázy toho druhého a naopak.
Bloomreach vidí online nakupovanie inak. Namiesto zákazníka (customer) sa sústredí na človeka, ktorý hľadá (seeker). V čom je rozdiel? Zákazník je človek, ktorý vie, čo chce a je pripravený nakupovať. Seeker – hľadajúci – zatiaľ presne nevie, čo chce, má iba potrebu. Z hľadajúceho sa časom stane zákazník, ale tento proces môže byť zdĺhavý a náročný. Možno to poznáte, možno ste sa v nedávnej dobe snažili kúpiť televízor, auto alebo sedačku. Po krátkom čase ste zistili, že na trhu je obrovské množstvo modelov a vy netušíte, ktorý je pre vás najvhodnejší. V takejto situácii si človek začne robiť svoj vlastný malý prieskum. Vyhodnocuje jednotlivé ponuky, prezerá si desiatky parametrov, zisťuje rozdiely. Postupne sa zahĺbi do detailov technických špecifikácií a po pár dňoch zistí, že síce stále nevie, čo chce, ale zato má plnú hlavu čísel a atribútov – a množstvo rozhodnutí, ktoré potrebuje urobiť, narástlo desaťnásobne.
Toto správanie sa označuje ako paradox výberu a bolo o ňom napísaných viacero vedeckých prác. V skratke: ak má kupujúci na výber príliš veľa možností, je frustrovaný. Často nákupné rozhodnutie odloží a nekúpi nič. Riešením tohto problému je ponúknuť hľadajúcemu čo najskôr produkt, ktorý je pre neho vhodný, a urýchliť jeho premenu na zákazníka.
Ako to urobiť? V prvom rade je treba podrobne monitorovať, ako sa návštevník správa. Aké kategórie si prezerá, čo píše do vyhľadávacieho poľa, na ktoré produkty kliká a v akom poradí to robí. Toto sa následne porovnáva so státisícmi iných zákazníkov, pričom sa hľadajú takí, ktorí sa správali podobne a napokon úspešne nakúpili. Do porovnania vstupujú aj iné dáta, napríklad údaje o lokalite alebo takzvané zero-party data. To sú informácie, ktoré nám o sebe zákazník povie sám, napríklad formou dotazníka.
Na analýzu správania, hľadanie rovnakých vzorcov u iných zákazníkov a odporúčanie produktov využíva Bloomreach modely strojového učenia umelej inteligencie.
Tento scenár na automatizáciu marketingu určuje, ako bude e-shop komunikovať so zákazníkom po nákupe. Zdroj foto: Bloomreach
Ako dostať hľadajúceho k produktom
Pri vyhľadávaní produktov sú najdôležitejšie dve veci – tou prvou je pochopiť zadaný text, druhou je zistiť, čo chceli nájsť ľudia, ktorí použili rovnaký text v minulosti. Vyhľadávací algoritmus totiž potrebuje vyriešiť jeden základný problém, ktorý sa dá demonštrovať na príklade: ako nájsť „belasý vintage vankúš 40 cm na pohovku“, ak do vyhľadávacieho poľa napíšete „bledomodrá retro poduška 40×40 na gauč“?
Spracovanie prirodzeného jazyka (NLP) dokáže pochopiť, že hľadáte podušku a nie gauč. Je to prvá a zároveň najdôležitejšia vec, ktorú sa snaží zistiť. Aj na Slovensku v tomto veľa e-shopov zlyháva – bežne sa stáva, že hľadáte konkrétny smartfón a prvých desať výsledkov sú obaly a puzdrá pre daný model.
Keď je jasné, čo je predmet vášho vyhľadávania, nastupuje sémantická analýza. Tá dokáže rozoznať, aké ďalšie atribúty má produkt spĺňať. Vie, že 40×40 sú miery a vzhľadom na produkt sú v centimetroch. Chápe, že bledomodrá je farba a retro je štýl. Rozumie, že poduška na gauč je niečo celkom iné, ako je gauč s poduškami. Podobne vie rozpoznať aj značku či pohlavie („dámsky kabát desigual”).
Spracovaním prirodzeného jazyka práca algoritmu nekončí. V ďalšom kroku sa jednotlivým výrazom priradia synonymá. Bloomreach disponuje vlastným zoznamom synoným, ktoré používa pre všetkých klientov. K nim sa pridávajú lokálne synonymá špecifické pre každý e-shop. Tieto zoznamy nie sú pevné. Vyvíjajú sa v čase a dopĺňajú sa podľa toho, ako sa správajú hľadajúci pri nakupovaní. Príklad: človek hľadá podušku, ale nevyberie si žiadny z výsledkov vyhľadávania. Potom vyhľadáva vankúš, vyberie si a nakúpi. Ak sa takto správajú viacerí, algoritmus sa naučí, že poduška je to isté ako vankúš.
Vyhľadávanie od Bloomreachu je vylepšené ešte rôznymi ďalšími spôsobmi, napríklad automatickým dokončovaním textu alebo správnym zoradením výsledkov. Aj tu systém analyzuje ľudské reakcie a učí sa, čo funguje. Používa na to rovnakú metódu, ako pri synonymách: najlepší variant je ten, ktorý končí nákupom.
Náhľad produktových odporúčaní. Zdroj foto: Bloomreach
Ako dostať produkty k zákazníkovi
Typický klient Bloomreachu je internetový obchod s módou. Ponuka takéhoto obchodu sa pravidelne obmieňa medzi sezónami a výrazne podlieha móde. To znamená jednu vec: to, ako sa zákazník správal pred pol rokom, hovorí len veľmi málo o tom, ako sa bude správať dnes. V podstate sa dá povedať, že aj stály zákazník je do veľkej miery hľadajúci – a tomu treba prispôsobiť odporúčanie produktov.
Tradičné CRM sa snaží získať o zákazníkovi čo najviac dát, ktoré potom využíva na odporúčania. Bloomreach na to ide inak: cielene zabúda veci, ktoré sa stali príliš dávno, aby dokázal poskytovať presnejší obraz o kupujúcich. Z pohľadu človeka nakupujúceho módu je nepodstatné, že si pred dvoma rokmi kúpil koženú bundu. Odvtedy sa zmenili trendy, ponuka oblečenia aj jeho vlastný vkus. Nákupný úmysel sa môže zmeniť aj za extrémne krátke obdobie. Slnečné ráno októbrového babieho leta môže lákať na výpredaj tričiek, chladný večer v ten istý deň zmení pozornosť na jesenný blejzer. Rovnaký zákazník, rovnaký deň, úplne odlišné preferencie.
Aby boli AI modely relevantné a poskytovali správne odporúčania a predpovede, treba ich trénovať veľmi často. Bežné je učenie raz za deň, vždy na čerstvých dátach. Trénovanie pritom nie je pevne naviazané na konkrétnu množinu atribútov. Blejzre majú svoju veľkosť, strih, materiál či farbu; kožené kabelky sa líšia farbou alebo spôsobom zapínania. E-shop má možnosť natrénovať si iný model pre blejzre a iný pre kabelky a využívať tieto modely pre odlišné segmenty zákazníkov.
Model môže byť postavený na rôznych šablónach. Zákazníkovi sa dajú odporúčať produkty, ktoré sú práve najpopulárnejšie, alebo tie, ktoré sú špeciálne personalizované pre jeho profil. Mohlo by ho zaujímať, čo ďalšie si kúpili tí, ktorí si kúpili rovnaký produkt ako on. Prípadne postaviť model na vhodnej kombinácii týchto šablón – alebo postaviť modelov niekoľko a porovnať ich pomocou A/B testu.
V takom prípade sa zákazníci náhodne rozdelia do dvoch alebo viacerých skupín a pre každú skupinu sa použije iný model. Test sa pritom nevyhodnocuje globálne – ktorý variant je najlepší –, ale berie do úvahy kontext zákazníka. Variant A môže byť úspešnejší pre 80 percent zákazníkov, pre zvyšných 20 percent je vhodné použiť variant B.
Správny obsah v správnom čase
Vhodné načasovanie komunikácie je rovnako dôležité ako výber odporúčaných produktov. Študent vysokej školy bude nakupovať v inú hodinu ako dôchodca. Marketingová kampaň musí tieto rozdiely rešpektovať, inak e-shop riskuje, že jeho e-maily či esemesky ostanú bez reakcie. Mágia umelej inteligencie sa naplno prejavuje pri predikciách takéhoto zákazníckeho správania.
Často používanou predpoveďou je optimálny čas na odoslanie e-mailu. Umožňuje e-shopu komunikovať so svojimi zákazníkmi vtedy, keď im to najviac vyhovuje. S menším či väčším úspechom je možné odhadnúť aj to, či konkrétny zákazník urobí nákup v najbližších dňoch, prípadne, že odišiel ku konkurencii a už žiadny nákup neurobí. Takýchto odídencov sa môže obchod pokúsiť pritiahnuť späť, napríklad pomocou personalizovaného zľavového kupónu.
Predikcia nákupného správania – vyhodnotenie AI modelu. Zdroj foto: Bloomreach
Vízia pre e-commerce
Začiatkom leta 2021 vyšla vo vydavateľstve Columbia Business School kniha The Digital Seeker. Jej autorom je Raj De Datta, CEO spoločnosti Bloomreach. V knihe využíva dlhoročné skúsenosti svojej firmy a radí, ako vytvárať úspešné používateľské zážitky pre hľadajúcich.
Je to zároveň ucelený popis vízie Bloomreachu pre svet e-commerce.
