ИИ нашёл закономерность, а выводы делают люди
MarTech: ИИ ускорил поиск связей в данных клиентов, но трактовку оставил маркетологу. Пример с повторными покупками и порядок проверки гипотез.
AI-маркетинг · Новости
Все новости
Двадцать лет назад аналитик Target Эндрю Поул разобрал историю покупок посетителей и нашёл около 25 товаров, которые вместе выдавали беременность клиентки и примерную дату родов. Тогда для этого нужны были статистики, выгрузки и месяцы работы. Сегодня похожий разбор маркетолог может заказать чат-боту между встречами.
Автор MarTech, преподававший персонализацию и анализ поведения клиентов, напоминает историю не ради эффекта. Она показывает, где именно проходит граница: машина находит связь, человек решает, что она значит и стоит ли на ней что-то строить.
Где сейчас основной поток применения ИИ
Большая часть разговоров об ИИ в маркетинге крутится вокруг производства контента: тексты в рассылку, темы писем, картинки, варианты баннеров. Эти задачи экономят часы. Проблема в другом: они ускоряют исполнение решений, которые компания уже приняла. Быстрее выпускать то же самое не значит получать больше денег.
У компаний накоплены годы данных: история продаж, частота визитов, средний чек, использование скидок, глубина просмотров. Отчёты при этом отвечают на описательные вопросы: какие кампании сработали, какие сегменты дали выручку, сколько клиентов вернулось. Почему покупают повторно и какие связи между привычками упущены, отчёт не покажет.
Пример, который легко трактовать неверно
В открытом разборе датасета розничной сети Университета Калифорнии в Ирвайне, где 540 тысяч транзакций британского магазина за 2010 и 2011 годы, нашли цифру: постоянные клиенты составляют 65,6% покупателей и приносят 92,9% выручки. Вывод про инвестиции в удержание напрашивается сразу.
Дальше автор разбирает, что эта цифра доказывает. Постоянные клиенты делают больше покупок, поэтому их вклад в выручку выше по определению. Отчёт описывает распределение денег между группами, но не говорит, почему люди возвращаются и какая программа удержания стала причиной. Разница между «постоянные клиенты важны» и «отправьте больше писем, и выручка вырастет» огромна.
«Найти закономерность - это начало исследования. Не вывод. Здесь и помогает наука о поведении».
Автор MarTech, колонка о применении ИИ в анализе данных
Что дописывает наука о поведении
Возьмём клиентов, которые подолгу смотрят товары и не покупают. ИИ покажет, в каких категориях, на каких устройствах и из каких источников это происходит. Причину он не назовёт: человек не может выбрать между вариантами, сравнивает с конкурентами, боится ошибки, собирает информацию и покупает в другом месте или ещё не готов.
Каждое объяснение тянет за собой своё действие. Для сомневающегося подойдут отзывы и понятные характеристики. Для сравнивающего - разбор отличий между моделями. Для не готового - полезный материал вместо напоминания о скидке.
Порядок работы, который предложил автор
- Машина ищет связи, которые стоит проверить: например, что клиенты, купившие товары из двух категорий, чаще возвращаются.
- Специалист строит объяснения через поведение: у этих людей шире запрос или они увереннее в магазине.
- Тест показывает, меняет ли вмешательство поведение. Допустим, подсказки с сопутствующими товарами для покупателей из одной категории: потом смотрят на долю повторных покупок, а не на переходы по рекомендации.
Разница между этими шагами и привычной работой с дашбордом в том, куда идёт аналитика. Обычно красивый график становится обоснованием решения, которое уже приняли. Полезнее превращать находку в гипотезу и проверять её тестом.
Что это значит для бизнеса
Практическое правило: у каждой находки ИИ должен быть владелец и один вопрос. Что проверим, на какой группе, по какой метрике и что будем считать успехом. Без метрики связь из данных превращается в новый сегмент в рассылке, а через квартал никто не вспомнит, откуда он взялся.
Второе правило: не превращать каждую связь в кампанию. Если анализ намекает, что клиенты из двух категорий возвращаются чаще, сначала проверьте, не свойство ли это уже вовлечённых покупателей. ИИ расширяет набор мест, куда смотреть, а решение о деньгах остаётся за людьми.
Для компаний Владивостока и Дальнего Востока, у которых клиенты разбросаны по городам и половина общения идёт в мессенджерах, выигрыш от такого подхода двойной: агенты собирают и размечают данные, а внедрение искусственного интеллекта упирается в качество объяснений, которые даёт команда.