Uczenie maszynowe. Customer journey. Etap IV : engage.
Zaktualizowano: 29 paź 2020
Po etapie: convert (-> Uczenie maszynowe. Customer journey. Etap III: convert.) podczas customer journey (-> Uczenie maszynowe w komunikacji marketingowej. Wprowadzenie.) następuje etap czwarty: engage. Polega on na ponownym zaangażowaniu klientów.
3 przykłady:
1. Predictive customer service
Łatwiej jest powtórzyć sprzedaż w obrębie istniejącej bazy klientów niż przyciągnąć nowych. Dlatego drogą do sukcesu jest utrzymanie istniejących klientów. Jest to szczególnie ważne w przypadku abonamentów, gdzie wysoki współczynnik churn może być bardzo kosztowny. Analityka predykcyjna może służyć do sprawdzania, którzy klienci najbardziej chcą zrezygnować z usługi, oceniając, jakie funkcje są najbardziej popularne wśród klientów, którzy już zrezygnowali. Następnym krokiem jest dotarcie do klientów z ofertami, wskazówkami lub pomocami, aby przeciwdziałać negatywnym czynnikom.
Przykład zastosowania: Amazon
2. Marketing automation
Techniki automatyzacji marketingu obejmują zazwyczaj szereg reguł , które w przypadku zaimplementowania wspomagają interakcję z klientem. Dzięki uczeniu maszynowemu możliwe jest przeanalizowanie miliardów punktów styczności klienta z systemem jak i ustalenie najefektywniejszego czasu na kontakt, najskuteczniejszego kontentu i jego struktury. Te spostrzeżenia można następnie zastosować w celu optymalizacji i zwiększenia skuteczności działań związanych z automatyzacją marketingu.
Przykład zastosowania: Shopkick’s shopBeacons
3. 1:1 Dynamic content emails
W podobny sposób jak odbywa się proces automatyzacji marketingu, zastosowanie wniosków bazujących na nauce maszynowej, mogą być wygenerowane niezwykle skuteczne 1:1 dynamiczne e-maile. Analityka predykcyjna przy użyciu modelu potencjału może ustalić podatność do zakupu przez danych subskrybentów w obrębie określonych kategorii, rozmiarów czy kolorów bazując na ich historycznym zachowaniu zakupowym. Dzięki takiemu podejściu możliwe jest wyświetlenie w newsletterze najbardziej adekwatnych produktów dla danego klienta. Wszystkie dane dotyczące produktu zarówno w magazynie jak i w ofertach.
Przykład zastosowania: Selligent
Źródło:
15 Applications of Artificial Intelligence in Marketing. Robert Allen.