Szukaj
Close this search box.
Szukaj
Close this search box.

Case study

Model behawioralny konsumenta optymalizujący ścieżki konwersji.

Wyzwanie

Budowa modelu behawioralnego konsumenta z wykorzystaniem celu optymalizacji ścieżek konwersji w branży e-commerce.

Udostępnij:

Wyzwań ciąg dalszy

Jednym z obszarów, gdzie właściwe wykorzystanie posiadanych danych może znacząco poprawić wyniki firm jest segment e-commerce. Jeszcze parę lat temu zagadnienie związane z wygenerowaniem ruchu na stronie serwisu e-commerce było analizowane niezależnie od akcji podejmowanych przez użytkownikaw serwisie. Od kilku lat zauważalna jest integracja tych działań przez podmioty specjalizujące się w tzw. “customer journey optimization”. Nowe podejście ma charakter holistyczny. Podejście całościowe nie tylko poprawia wyniki poprzez lepsze dopasowanie zasobów do każdego z użytkowników, ale pozwala także lepiej i szybciej identyfikować zmiany zachodzące na rynku (np. przyczyny spadku sprzedaży, pojawienie się fałszywego ruchu generowanego przez boty). Proces optymalizacji ścieżki konwersji klienta na indywidualnym poziomie jest jednym z największych wyzwań stojących przed branżą e-commerce. Wykorzystując zaawansowaną analitykę bazującą na spersonalizowanych decyzjach, odpowiadamy na 4 podstawowe pytania niezbędne do optymalizacji ścieżki konwersji:
Kto? (definicja konkretnego użytkownika)
Co? (oferta, produkty, komunikacja z klientem, treść)
Kiedy? (czas kontaktu z klientem)
Gdzie? (wybór źródeł ruchu i kanałów komunikacji)

Pomimo dynamicznego rozwoju technologii, podejmowanie wielu decyzji w tym procesie ciągle wykonywane jest przez ekspertów domenowych. Ludzka intuicja w naturalny sposób jest stronnicza, dlatego marketingowcy często korzystają z metody przeprowadzania tzw. Testów A/B do oceny poszczególnych elementów ścieżki klienta. Przedstawiony sposób ma
jednak wiele wad, m.in. w konkretnym teście A/B sprawdzany jest wpływ jednej konkretnej (dobranej ekspercko) cechy. Pomijana jest jednak możliwość wystąpienia współzależności wielu cech ze sobą (np. wspólny wpływ tła i użytych w przekazie słów), jak również ręczny proces ogranicza do konkretnie wybranych cech i segmentów. Wyzwaniem projektu jest zaadresowanie tego problemu.

Profil organizacji

Enzode to polska firma zajmująca się handlem elektronicznym i Big Data.

Rozwiązanie

Projekt dotyczy stworzenie pierwszego na świecie systemu do automatycznego zarządzania ścieżką konwersji użytkownika na klienta w obszarze reklamy elektronicznej.

System poza wysokim stopniem automatyzacji będzie się charakteryzował tym, że obejmie całą ścieżkę konwersji tj. od wyświetlenia reklamy, poprzez zachowanie użytkownika w serwisie e-commerce aż po działania po opuszczeniu serwisu. Zastosowane podejście pozwoli ponadto na głęboką personalizację przekazu w zależności od profilu użytkownika. Efekty algorytmicznie podjętych decyzji będą lepsze od decyzji podejmowanych przez ekspertów domenowych.

Zobacz, co nasz klient sądzi o wynikach projektu w case studyCase Study Enzode

Wyniki

Projekt w fazie testów. Algorytm już samodzielnie zarządza podziałem ścieżek dla części kampanii. Wyniki są lepsze lub tak samo dobre jak wyniki osiągane przez ludzi.

Szybki kontakt

Jeśli chcesz dowiedzieć się więcej o tym, jak MIM Solutions może pomóc rozwinąć potencjał AI w Twojej firmie, skontaktuj się z nami.