هوش مصنوعی نیاز مبرم کسب و کارها برای تحلیل پیچیدگی در فرآیند سفر تصمیم گیری مشتری
فرصتی شد تا آمار مروری مدرسه کسب و کار هاروارد درباره کانال های حضور ۴۶۰۰۰ خریدار (۲۰۱۵-۲۰۱۶) و چند گزارش اماری دیگه رو مطالعه کنم که اطلاعات مهم مندرج در اونها باعث به اشتراک گذاشتن این مطلب شد. مسئله اینجاست که با توسعه تکنولوژی موبایل , مصرف کنندگان بین دیوایسهای مختلف در خرید آنلاین یا آفلاین فعالیت های مستمر دارند و از طرفی ما هم چاره ای نداریم جز اینکه کانال های ارتباطی بین فروشنده و مشتریان را برای ردیابی و تشخیص روند خرید بنحوی شخصی سازی نماییم. به عبارتی برای ترسیم نقشه مشتری هر چقدر نقاط تماس ( تعداد مراحل) بیشتر باشه، نیاز به به چهارچوبی که بتونه چنین نقشه‌ی پیچیده ای رو تحلیل کنه ضروری‌تر خواهد بود. امروز قصد دارم درباره نقش هوش مصنوعی در پاسخ به رفع پیچیدگی رفتار مشتریان در طول سفر مشتری و شخصی سازی ترسیم نقشه این سفر صحبت کنم.
بازاریابی قدرت گرفته از هوش مصنوعی = بازاریابی هوشمند در سال ۲۰۱۹
در واقع تمام داستان مربوط به سفر مستری میشه . مشتریان سریع ترین و شهودی ترین مسیر رو برای رسیدن به چیزی که نیاز دارن، می خوان. به عنوان یک بازاریاب، شما می خواهید که راهی بهتر برای خرید و رضایت مشتری فراهم کنین. به نظر سادس؟ اما همانطور که همه ما می دونیم ، اینطور نیست. هوش مصنوعی می تونه به شما در تجزیه و تحلیل کل سفر مشتری با بررسی دقیق رفتار مشتری در نقاط ارتباطی مختلف و پیدا کردن نقاط ضعفی که شما در ارتباط و جلب مشتری از طریق کانال های مختلف داشتید , کمکتون کنه و با اخطار های به موقع مانع از کاهش حاشیه سود و درآمد شما بشه .
شما می دونید که در کسب و کارتون دنبال چی هستید , اما برای اتخاذ تصمیم درست فقط زمان نیاز دارین. با هوش مصنوعی ، شما می تونید هوشمند تر کار کنید و با داشتن تصویر جامع و بروز تری از مشتریان تون (به واسطه تحلیل های زمانبندی شده مستمر آنلاین و آفلاین داده ها) و نیز رفتار ها و عکس العمل های اونها در طول سفر , تصمیم های عاقلانه ای اتخاذ کنین . AI به شما اجازه می ده تا به سرعت بر روی داده های خود کار کنید و که نهایتا موجب میشه تا روی ارزش های کلیدی کسب و کارتون متمرکز بشید. داشتن سرعت عمل و واکنش پذیری بالا،باعث میشه تیم شما زمان کافی برای تمرکز بر روی استراتژی و به جلو بردن نتایج کسب و کار داشته باشند.
کانال های ارتباط مشتری چندگانه در طول سفر مشتریان
آمار ها نشون میدن که در حال حاضر بطور متوسط مصرف کننده ها, دارای سه تا چهار دستگاه دیجیتالی هستند و از چندین کانال آنلاین و آفلاین در طول سفرهای خرید خود استفاده می کنند.مهمترین جنبه ی تحلیل کانال های چند گانه اینه که آیا هر کدام از این کانال ها میتونند بهم متصل بشوند تا یک تجربه بدون وقفه و خرید صفر تا صد رو رقم بزنند؟ این فرآیند باعث شده که بازاریابان به هوش مصنوعی، آژانس های تحلیل کسب و کار و داده کاوی متمایل بشند. ورود به دنیای هوش مصنوعی کمک می کنه تا به رفتارهای جدید مصرف کننده پی ببرند. امروزه هر بازاریاب باید برای این چالش ها بدنبال راه حلی باشه و الا از رقابت کنار زده میشه .
به عنوان مثال، مصرف کنندگان به طور فزاینده ای در طول سفر خود از دستگاه های تلفن همراه برای جمع آوری کوپن های تخفیف، مقایسه قیمت ها و مطلع شدن درباره ویژگی های محصولات استفاده میکنن. تقریبا ۶۰ درصد از خریداران حضوری در فروشگاه ها, بررسی محصولات و قیمت ها رو از طریق تلفن همراه انجام میدن و ۸۷ درصد خریداران معتقدند که برندها باید یک تجربه خرید یکپارچه و بدون وقفه رو طراحی و اجرا کنند. یا مثال دیگر , شیوه خرید BOPIS (ثبت خرید انلاین و تحویل حضوری در فروشگاه) هست که بنظر میرسه این نوع تصمیم گیری خرید در امریکا به مرز ۶۷% داره میرسه که پیش بینی میشه ۹۱% صاحبان کسب و کار تا سال ۲۰۲۱ برای این سبک برنامه ریزی کنند .
براساس بررسی مدرسه کسب و کار هاروارد، ۷۳ درصد از مشتریان مورد مطالعه در طول سفر خود از کانال های متعدد همزمان (omnichannel) استفاده می کردند.
در همین راستا این آمارهای جالب کشور امریکا رو در نظر بگیرین:
- ۵۰٪ خریداران انتظار دارند که آنلاین خرید کنند و فروشگاهشون را انتخاب کنند.
- برای ۷۱٪ خریداران مهمه یا بسیار مهمه که بتوانند اطلاعات موجودی انبار فروشگاه رو بصورت آنلاین ببینند. (Forrester)
- ۴۵٪ از خریداران فروشگاهی انتظار دارند که فروشندگان همکاری و اطلاعات لازم رو در مورد محصولات آنلاین داشته باشند. (Forrester)
- ۸۷ درصد از مشتریان یک تجربه خرید یکپارچه و بدون وقفه رو انتظار دارن و فکر می کنند برندها نیاز به تلاش بیشتر برای ارائه محصولشون دارند. (Zendesk)
- نزدیک به ۶۰ درصد از خریداران از تلفن های همراه خود در خونشون استفاده می کنند تا اطلاعات موجودی محصول و قیمت های فروشگاه ها رو جستجو کنند.این درصد برای کسانی که در مسیر , اطلاعات موجودی رو چک میکنند ۳۸% و کسانی که در داخل فروشگاه این کارو انجام میدن ۳۴% هست. (Forrester)
- ۶۴% از مشتریان انتظار دارند که از راهنمایی آنلاین استفاده کنند تا اینکه مجبور باشند با میز خدمت خدمات مشتریان تماس بگیرند (Zendesk) .این در حالیه که ۸۹% مشتریان از اینکه با نمایندگی های مختلف در ارتباط باشند خسته شدند (Accenture) .
- ۵۵% شرکت ها هنوز استراتژی سوئیچ میان پلتفرمی بین کانال های ارتباطی شون رو طراحی نکردند (The CMO Club) .
از این آمار ها متوجه میشیم که کانال های ارتباطی چندگانه و استفاده از دستگاه های مختلف بصورت انلاین یا آفلاین میتونه مسیر حرکت مشتری رو ناگهان تغییر بده و موضوع رو برای شما سخت و پیچیده کنه . با تغییر روش تحقیق و خرید محصولات، مصرف کنندگان در حال خارج شدن از مراحل خطی بازاریابی قیف فروش هستند. اینجاست که بازاریابان باید بدونن چطوربه تغییر روش های مشتریان واکنش نشان بدن. به عبارتی , دیگه خبری از رفتار خطی مستقیم در مسیر سفر تصمیم گیری مشتری نیست و ساختاری شبیه شکل میان ستاره ای رو داریم که دیگه نمیشه یک نفر رو گذاشت تا برای هر گروه از خدمات یا محصولات تحلیل اش کنه .
به عنوان مثال، این یک گراف واقعی از یک مجموعه داده از کلمات کلیدی جستجوهای اخیر در Bing مربوط به موضوع “نرم افزار ابر تجاری” هست. براحتی قابل مشاهده اس که نقاط کلیدی ای که باید مورد توجه قرار بگیره ستاره ای و چندگانه هستند که هر کدام از این ناحیه ها و ارتباطشون با رنگ مجزا نشان داده شدند .
داده های یکپارچه در همه کانال ها
تا اینجا متوجه شدیم بازاریاب ها به نمایندگی از صاحبان کسب و کار با سیل انبوهی از داده ها شامل داده های آماری ناشی از رفتار مشتریان در مراحل مختلف سفر و کانال ها و ابزار های ارتباطی مختلف خصوصا بصورت همزمان و آنلاین مواجه هستند .چالش بزرگ ما تبدیل این داده ها به اطلاعات یکپارچه , قابل برنامه ریزی ( و واکنش پذیر) و موثر آنهم پس از عبور از چهارچوب ها و ابزار های مورد استفاده در بخش های مختلف کسب و کار , خواهد بود.
شما زمان زیادی صرف می کنین که همه چیز رو ردیابی کنید اما حتی قادر نیستید به موقع حتی هشداری از الگو های تغییر رویه و یا الگو های کلیدی در گرایش های جدید رو کشف کنید . نگران نباشین , همه این چالش ها با وارد کردن ابزار های هوش مصنوعی و تکنیک های یادگیری ماشین براحتی حل میشن ! کمپانی های مختلفی مانند HSN (با همکاری گروه بازاریابی واتسون ) و America’s Store و Airlines Reporting Corp , توانستند سیستم هاشون رو با چهارچوب های مبتنی بر هوش مصنوعی یکپارچه سازی کنند و در شخصی سازی کانال های مشتریانشون گام های زیر ساختی بزرگی بردارند .به این ترتیب چرخه فروش خودشون رو دقیق تر مانیتورینگ کنند.
حوزه های جذاب داده کاوی در تحلیل کسب و کار ها
تکنیک های داده کاوی مورد استفاده در یادگیری ماشین در حوزه های مختلفی بکار گرفته شدند که میتونند به شما در کشف دانش پنهان در میان انبوده داده های انبار شده در انبار داده های شرکت تون کمک کنند . ارائه تحلیل های مهمی چون , تحلیل رویگردانی , تحلیل کشف کلاهبرداری در تبلیغات کلیکی , تحلیل مدیریت ریسک , تحلیل قطعه بندی مشتریان و شخصی سازی کانال های ارتباطی با اونها و نیز طراحی تبلیغات هدف دار برای این دسته ها , پیش بینی بینش مشتریان و نیز فهم احساسات و دیدگاه های اونها و …. همه و همه نمونه ای بی نظیر از کارکرد های داده کاوی در هوش مصنوعی هستند .
البته باید توجه کرد که در ایجاد بخش داده کاوی در کنار سایر دپارتمان های بازاریابی و فروش شرکت ها گرفتار ابزار ها و تکنیک های رایج نشده و در حقیقت به دنبال اجرای مدل تعالی داده کاوی در شرکت شد . فراموش نکنیم که هدف اصلی ما از بکار گیری هوش مصنوعی , هوشمند کردن کسب و کار جهت رسیدن به تولید ارزش هست ! در حقیقت ما با داده کاوی میخواهیم از گذشته درس های درست یاد بگیریم تا بتونیم برای آینده تصمیم بهتری بگیریم . این یادگیری شامل اشتباهات ما و همچنین بکار گیری روش های درستی که بصورت نادرست اجرا شدند و نتایج مناسبی نداشتند , میشه .
جمع بندی و راه حل
با مرور آماری که ارائه شد , تغییر بوجود آمده در نیازها , نگرش ها و دغدغه‌های مشتریان قابل مشاهده هست. نکته مهم اینه که جلوی سرگردانی و سرخوردگی مشتری رو با شناخت دقیق نیازهاش بگیرید و اینجاست که هوش مصنوعی در تحلیل این حجم عظیم از داده های کانال های مختلف به کمک ما میاد .
آماری که Statista منتشر کرده بود نشون میداد که ۴۵% از خرده فروشان یا در حال برنامه ریزی برای بکارگیری هوش مصنوعی هستند یا هم اکنون صاحب این فناوری برای بهبود مشارکت مشتری وارد شده از کانال های چندگانه به عنوان بخشی اصلی از ساختار بازاریابی خود هستند. همینطور ۳۷ درصد از خرده فروشان امروز برای سرمایه گذاری در لجستیک زنجیره تامین، مدیریت زنجیره تامین و پیش بینی سرمایه گذاری سراغ هوش مصنوعی رفتند. سرعت رشد این فناوری در این امار قابل تامل هست!
بطور خلاصه باید گفت که AI دیگه یک گزینه نیست، بلکه امروزه یک نیاز حتمی برای موفقیت در تاثیر گذاری بر روی فرآیند تصمیم مشتری در طول سفرش خواهد بود. به نظر من , تغییر بوجود آمده در مدل تصمیم گیری مشتری در طول سفر فرصتی هست برای صاحبان کسب و کار که بتونند با استفاده از ابزار های هوشمند تصمیم بگیرند که با حضور در محل مناسب و زمان مناسب اطلاعات کافی و تاثیر گذاری خوبی رو بر روی مشتریان در کانال های ارتباطی مختلف داشته باشند .
در اینجا چند نکته برای ایجاد کانال های شخصی سازی شده در سفرهای مشتریان عصر مدرن رو ذکر میکنم :
- یکی از مهمترین توصیه ها برای ورود به این حوزه استفاده از سکو های ابری و به اشتراک گذاری اطلاعات در همه بخش ها برای بینش بیشتر مشتری و صاحبان کسب و کار هست.کاملا مشخص هست که باید بیشتر بر روی اتوماسیون بازاریابی تون خصوصا در حوزه های CRM و ابزار های پیشگوی بینش مشتری خصوصا داده های مبتنی بر شیوه های بازاریابی درونگرا و شخصی سازی بازاریابی محتوا , متمرکز بشید.
- ترکیب سیگنال های داده کانال اصلی (یا اولیه) و سیگنال های رسیده از سایر کانال های ثالث برای ایجاد دیدگاه های جامع از مشتریان.
- استفاده از اپلیکیشن های موبایلی برای کارکنان رو در اولویت قرار بدید تا کیفیت و سرعت تصمیم گیری و دریافت هشدار ها افزایش پیدا کنه .
- همکاری با ارائه دهندگان فناوری و چهارچوب های تبلیغاتی که می توانند تاثیر تبلیغات آنلاین را به نرخ تبدیل آفلاین , تحلیل کنند.
- تمرکز کمتر بر مسیر منتهی به خرید و تمرکز بیشتر بر مسیر منتهی به هویت یابی مشتریان .
- از آنجایی که ما با سفر های غیر خطی مشتری مواجه هستیم , در همه کانال های تماس مشتریان امکان خرید رو مهیا کنید (مثلا اینستاگرام, بات های گفتگو , تبلیغات محلی).
- سعی کنید کانال ارتباط با مشتری و نیز نوع محتوایی که ارائه می‌کنید، در هر قسمت از سفر مشتری، متفاوت باشه ونیاز های جدید حاکم بر اون مرحله از سفر رو در نظر بگیرین.
امیر حسین اکبری – تحلیل گر داده
