Sztuczna inteligencja a optymalizacja procesów w e-commerce

Sprzedawcy stoją przed coraz to trudniejszymi wyzwaniami. Niewątpliwie z pomocą może przyjść sztuczna inteligencja, która da możliwość optymalizacji wielu procesów. Artykuł na ma celu nakreślenie istoty sztucznej inteligencji oraz jej roli i możliwości w handlu elektronicznym.

Spis treści:

1. Personalizacja w marketingu. Czy jest istotna?
2. Personalizowane kampanie e-mailowe
3. Sztuczna inteligencja. Uczenie maszynowe
4. Sztuczna inteligencja w dobie omnichannel
5. Price Intelligence a sztuczna inteligencja
6. Wyszukiwanie głosowe a handel elektroniczny
7. Streszczenie
8. Podsumowanie
9. Bibliografia

Personalizacja w marketingu. Czy jest istotna?

Raport przeprowadzony przez firmę Accenture Interactive w 2017 roku potwierdza powyższe słowa. Badanie obejmowało analizę oczekiwań i preferencji w kontekście relacji z markami, usługodawcami oraz sprzedawcami. W skład próby badawczej wchodziło 8 tysięcy konsumentów z Ameryki Północnej oraz z kilku krajów Europy – m.in. z Niemiec, Hiszpanii i Wielkiej Brytanii. Analizy ukazały, że konsumenci chętniej kupują produkty od sprzedawców, którzy przesyłają dopasowane i personalizowane promocje (65%), znają historię zakupów klienta (65%), posługują się ich imieniem w przesyłanych ofertach (56%) oraz rekomendują produkty na podstawie poprzednich zakupów (57%).

Powyższe analizy zdaje się potwierdzać także raport 2018 Consumer Trends Report opublikowany przez amerykańską agencję e-commerce KIBO. Dane wskazują, że personalizacja w handlu elektronicznym odgrywa coraz większą rolę. Badani wówczas respondenci wskazali, że rekomendacje personalizowane są dla nich ważne, gdy pojawiają się na stronie głównej (ponad 60% ankietowanych), w koszyku zakupowym (50% badanych), podczas przeglądania produktów (prawie 65% respondentów).

W związku z powyższym, by sprostać tym wymaganiom, specjaliści od marketingu zmuszeni są wykorzystać personalizację wiadomości e-mail. Takie działania pozwalają na doświadczenia 1:1, które spełniają gusta i wymagania klientów, ale także pozwalają na wyróżnienie się na tle konkurencji. Mało zaskakującym jest fakt, że na pytanie o nadanie priorytetu jednej funkcji, która będzie w najbliższym czasie bardzo istotna w marketingu, 33% badanych marketerów odpowiedziało „personalizacja”. Godnym uwagi jest również fakt, że 74% marketerów twierdzi, że ukierunkowana personalizacja zwiększa zaangażowanie klientów.

Personalizowane kampanie e-mailowe

Informacje te mogą być ogólne – przykładowo imię, ostatni kupiony produkt czy też bardziej zaawansowane, takie jak miejsce zamieszkania lub to, ile razy logują się do aplikacji tudzież sklepu internetowego. Eksperci wskazują, że personalizacja to szerokie pojęcie i może różnić się stopniem zaawansowania. Podstawowa personalizacja w komunikacji e-mailowej polega na wykorzystaniu imienia i nazwiska subskrybenta w temacie wiadomości, natomiast bardziej zaawansowane techniki mogą obejmować zmianę treści wiadomości e-mail w oparciu o płeć subskrybenta, lokalizację lub inne elementy.

Można wskazać, że personalizacja kampanii e-mailowych to sprawdzony sposób na zwiększenie współczynników otwarć i klikalności, który może mieć wymierny wpływ na ROI – return on investment, czyli zwrot z inwestycji. Analizy dotyczące roli personalizacji w handlu elektronicznym wskazały, że wiadomości e-mailowe ze spersonalizowanymi tematami są otwierane o 26% częściej niż ogólne komunikaty, a firma Rich Relevance wskazała, że przychody z wiadomości e-mail z personalizacją są 5,7 razy wyższe.

Sztuczna inteligencja. Uczenie maszynowe

Pojęcie uczenia się w kontekście sztucznej inteligencji oraz automatyki jest pojmowane nieco inaczej niż tradycyjnie uczenie się, które ma na celu przyswajanie wiedzy. Proces uczenia się systemu ma za zadanie osiągnięcie rezultatów opartych na danych fragmentarycznych, umożliwiać doskonalenie się oraz wnioskować indukcyjne (typ rozumowania logicznego, określany jako wnioskowanie „od szczegółu do ogółu”).

Herbert Simon wskazuje, że uczenie się oznacza zmiany w systemie, które mają charakter adaptacyjny w tym sensie, że pozwalają systemowi wykonać za następnym razem takie samo zadanie lub zadania podobne bardziej efektywnie. Ryszard Michalski pisze, że uczenie się to konstruowanie i zmiana reprezentacji doświadczanych faktów. W ocenie konstruowania reprezentacji bierze się pod uwagę wiarygodność, która określa stopień, w jakim reprezentacja odpowiada rzeczywistości, efektywność, która charakteryzuje przydatność reprezentacji do osiągania danego celu, a także poziom abstrakcji, który odpowiada zakresowi szczegółowości i precyzji pojęć używanych w reprezentacji, określa tzw. moc opisową reprezentacji.

Donald Michie proponuje ujęcie, w którym uczenie maszynowe to system uczący się, który wykorzystuje zewnętrzne dane empiryczne w celu tworzenia i aktualizacji podstaw dla udoskonalonego działania na podobnych danych w przyszłości oraz wyrażania tych podstaw w zrozumiałej i symbolicznej postaci. Bez wątpienia uczenie maszynowe cechuje się emergentnością. Ilość możliwych zastosowań jest niezwykle ogromna i pozwala przewidzieć, że w przyszłości każdy aspekt techniki będzie zawierać pewną implementację algorytmów maszynowego uczenia się.

Przykładem mogą być oprogramowania do rozpoznawania mowy, automatyczne tłumaczenie, rozwój robotów. Takie rozwiązanie może być wykorzystywane także w automatycznej nawigacji i sterowaniu – przykładowo kierowanie pojazdem czy odnajdowanie drogi w nieznanym środowisku. W związku z powyższym można wnioskować, że uczenie się może być rozpatrywane jako konkretyzacja algorytmu, czyli dobór parametrów, nazywanych wiedzą lub umiejętnością, w konsekwencji ma to zapewnić zwiększenie efektywności, wydajności, bezawaryjności czy redukcję kosztów.

Sztuczna inteligencja w dobie omnichannel

Przedsiębiorstwa, które realizują strategię opartą na modelu omnichannel muszą wdrażać najnowsze rozwiązania w celu przyciągania klientów.

Warto pochylić się nad badaniami przeprowadzonymi przez Tune.com w 2017 i 2018 roku. Dane ukazują, że kluczem do sukcesu w nadchodzących latach będą sztuczna inteligencja, uczenie maszynowe, big data, a co za tym idzie możliwość personalizacji procesów. Dodatkowo umożliwia to optymalizację kosztów i działań marketingowych.

Z raportu Aspect Software wynika, że firmy, które wdrożyły omnichannel, uzyskały o 91% lepsze wyniki w zakresie utrzymania klientów w porównaniu ze swoją konkurencją. Strategia ta opiera się na dostosowaniu komunikacji do odbiorców, przy użyciu wielu kanałów komunikacyjnych. Najprościej ujmując tę strategię – można wskazać, że to rozwiązania, które działają dzięki łączeniu sfery zakupów w świecie rzeczywistym i cyfrowym. Strefę online rozumie się jako treści publikowane na stronie, artykuły blogowe, kampanie e-mailowe, media społecznościowe czy aplikacje mobilne.

Świat rzeczywisty tudzież offline zawiera w sobie tradycyjne katalogi czy sprzedawców w sklepach stacjonarnych. Poza spójną i wielokanałową komunikacją, strategia omnichannel zakłada jeszcze inne elementy. Takie rozwiązania dają klientom możliwość korzystania – przykładowo z różnych urządzeń podczas zakupów.

Eksperci wskazują, że kluczowe jest wówczas zadbanie o responsywną stronę internetową czy przygotowanie aplikacji mobilnej, która jest źródłem wiedzy o produktach, promocjach, a przede wszystkim miejscem dokonywania transakcji zakupowych. Wszystkie te elementy składają się na coraz bardziej spersonalizowaną obsługę klienta.

Price Intelligence a sztuczna inteligencja

Price Intelligence bardzo często obejmuje eksplorację danych w celu określenia, w jaki sposób konkurenci ustalają ceny bazowe swoich produktów. Technika ta może być stosowana przez firmy dążące do optymalizacji własnej strategii cenowej w stosunku do konkurencji lub przez nabywców dążących do optymalizacji swoich strategii zakupowych.

Katalizatorem do upowszechnienia Price Intelligence niewątpliwie była zwiększona wrażliwość cenowa konsumentów (zwłaszcza w dobie pandemii COVID-19 i wywołanego nią kryzysu ekonomicznego). Kolejnym powodem może być zwiększona agresywność konkurencji.

Giganci w świecie e-commerce zmieniają ceny nawet 50 000 razy w miesiącu. Przykładowo Amazon zmienia ceny co 10 minut, a czasami nawet i częściej. Istnieje wiele firm technologicznych, które specjalizują się w wykorzystywaniu nowoczesnych technik eksploracji danych do odkrywania, dopasowywania, wydobywania i raportowania danych dotyczących cen konkurencji. Według badania RSR Research dotyczącego benchmarkingu cenowego, w którym ankietowani są przedsiębiorcy – 13% z nich wskazało, że w pełni wdrożyło system rozpoznania cenowego. Kolejne 54% ankietowanych prowadzi pilotaż, ocenia lub rozważa wdrożenie takiego systemu. Strategia ta jest wykorzystywana w handlu do dostosowywania cen w taki sposób, aby sprzedawcy byli konkurencyjni.

Price Intelligence wykorzystuje się do kształtowania strategii cenowej, a przykładowo w dziale marketingu do optymalizacji kampanii płatnego wyszukiwania. Monitorowanie cen konkurencyjnych obejmuje zazwyczaj kilka etapów.

1. Pierwszym z nich jest odkrywanie, które zakłada wyszukiwanie stron produktów na różnych stronach internetowych konkurencji.
2. Kolejnym etapem jest dopasowanie, przez które rozumie się określenie za pomocą algorytmów lub ludzkiej inteligencji dopasowania produktu do swojej oferty.
3. Trzecim etapem jest proces zbierania cen, informacji o wysyłce i danych o dostępności z witryny konkurencji. Mierzalna jakość danych to dodawanie informacji do bazy danych i regularne sprawdzanie ich dokładności.

Dzięki rozwiązaniom sztucznej inteligencji możliwy jest ostatni krok, który dokonuje analizy i raportowania zgromadzonych danych i formułowanie wniosków na ich podstawie.

Wyszukiwanie głosowe a handel elektroniczny

Wyszukiwanie głosowe (ang. voice search) to powszechny sposób wyszukiwania treści na smartfonach i urządzeniach przenośnych. Wraz z upływem czasu, coraz popularniejsi stają się asystenci głosowi – przykładowo Siri (Apple), Cortana (Microsoft), Amazon Echo czy rozwiązanie Google Home. Rozwój technologii, a co za tym idzie nieustane udoskonalanie wyszukiwań głosowych, dał możliwość rozwoju voice-commerce.

Według badań OC&C Strategy Consultants jeszcze w tym roku rynek wyszukiwań głosowych ma być warty 40 miliardów USA. W związku z powyższym pochylając się nad zagadnieniem sztucznej inteligencji w handlu elektronicznym, zasadnym jest pochylenie się nad tym zjawiskiem. Eksperci wskazują, że użytkownik, który wyszukuje informacje za pomocą wyszukiwań głosowych, świadomie decyduje, z jakiego źródła korzysta. Rozwój algorytmów, na których oparte są aplikacje do wyszukiwań głosowych, są coraz lepiej dostosowane do odpowiedzi na zadawane pytanie.

Wyszukiwanie głosowe można podzielić na dwa obszary. 

Pierwszym z nich jest wyszukiwanie danych w wyszukiwarkach, natomiast drugi to wyszukiwanie przy pomocy asystenta głosowego, który został aktywowany przez użytkownika za pomocą głosu. Dane pozyskane w 2016 roku wskazują, że już wtedy 20% wyszukiwań w Google pochodziło z wyszukiwań głosowych. Sprzedaż cyfrowych asystentów w 2018 roku osiągnęła poziom ok. 20 milionów urządzeń i cały czas rośnie. Liderem rynku pozostaje Amazon Echo, bowiem jego partycypacja wynosi około 75%, natomiast asystent Google Home posiada 24% udziału.

Warto podkreślić, że wyszukiwania głosowe nie tylko odnoszą się do wyszukiwania w przeglądarkach czy produktów na platformach handlowych. Asystenci głosowi oferują także szereg innych możliwości – przykładowo umożliwiają słuchanie muzyki czy zarządzanie urządzeniami w inteligentnym domu. Badacze technologii podkreślają rolę asystentów głosowych w handlu elektronicznym.

Użytkownicy korzystający z Amazon Echo i asystentów od Google coraz chętniej wykorzystują je do zakupów w Internecie, bowiem w 2017 roku aż 57% z nich korzystało z tej możliwości. OC&C Strategy Consultants wskazuje, że wartość zakupów dokonywanych głosowo w sklepach internetowych w 2018 roku wynosiła 2 miliardy USD a w tym roku ma wzrosnąć o kolejne 20 miliardów USD Eksperci wskazują, że poważnym wyzwaniem, które będzie towarzyszyło branży e-commerce jest kwestia zaufania. OC&C Strategy Consultants podaje, że zaledwie 39% użytkowników ufa spersonalizowanej selekcji produktów dokonywanych przez cyfrowych asystentów (dane pochodzą z 2018 roku).

Według badań Google 62% osób, które korzystają z wyszukiwań głosowych deklaruje, że w kolejnym miesiącu również będą chcieli dokonać zakupu w ten sam sposób. Optymizmem napawają dane, które wskazują, że 44% użytkowników regularnie korzystających z tego rodzaju wyszukiwania, twierdzi, że zamawiają produkty, których potrzebują (produkty spożywcze, artykuły gospodarstwa domowego) co najmniej raz w tygodniu, a 58% tworzy listy zakupów i zarządza nimi przynajmniej raz w tygodniu. Z wyżej wymienionych danych wynika, że dynamika wykorzystania voice search jest wzrostowa. Urządzenia w rodzaju Amazon Echo czy Google Home stają się coraz bardziej popularne i bezsprzecznie dają spore możliwości rozwoju handlu elektronicznego.

Podsumowanie

Podsumowując można wskazać, że rolą sztucznej inteligencji w handlu jest zwiększenie sprzedaży, optymalizacja marży, optymalizacja wydatków marketingowych, a każe budowanie lojalności i zadowolenia klientów. Można byłoby powiedzieć, że rozwiązania sztucznej inteligencji są ogromną szansą dla handlu elektronicznego – faktycznie mają w sobie ogromny potencjał, lecz pojawiać się mogą liczne bariery w tym zakresie – przykładowo małe zaufanie wśród odbiorców.

Bibliografia 

1. https://www.affdu.com/pl/enhance-personalization-with-artificial-intelligence.html dostęp: 6.03.2022
2. https://www.campaignmonitor.com/resources/guides/personalized-email/ dostęp: 6.03.2022
3. https://www.best.net.pl/blog/rekomendacje-personalizowane/ dostęp: 6.03.2022
4. https://www.iab.org.pl/aktualnosci/perspektywy-rozwojowe-reklamy-online-sprzedaz-w-dobie-sztucznej-inteligencji/ dostęp: 6.03.2022
5. https://www.the-future-of-commerce.com/2015/02/27/big-datas-big-impact-personalized-shopping-experiences/ dostęp: 6.03.2022
6. https://www.affdu.com/pl/enhance-personalization-with-artificial-intelligence.html dostęp: 6.03.2022 
7. https://www.iab.org.pl/wp-content/uploads/2019/01/Raport-IAB_Perspektywy-Rozwojowe-Reklamy-Online-w-Polsce_2018-2019-1.pdf dostęp: 6.03.2022