Strategia retargetingu – wykorzystanie AI.

0
179
Strategia retargetingu – wykorzystanie AI.
Strategia retargetingu – wykorzystanie AI.

Spis treści

Wprowadzenie

Indywidualna ścieżka zakupowa klienta metodą na zwiększenie sprzedaży

Transformacja drogi klienta w kierunku personalizacji

Stworzenie cyfrowego obrazu klienta

Retargeting narzędziem umożliwiającym wzrost sprzedaży

Case study

Zakupowa Droga Klienta a Retargeting AI

   Etap 1 Odwiedziny potencjalnego klienta w sklepie online

   Etap 2 Opracowanie profilu użytkownika

Etap 3 Rozpoczęcie działań retargetingowych

Korzyści płynące z usług retargetingu

Wnioski

 

 

Wprowadzenie

Zagadnienia związane z szybko rozwijająca się sztuczną inteligencją oraz jej zastosowania w biznesie są w tej, chwili jednymi z najbardziej eksploatowanych obszarów studiów. Tak więc tematem mojego artykułu jest aspekt wykorzystania AI w wybranym fragmencie architektury biznesowej opisującym tzw. retargeting. Na wstępie przyjrzyjmy się definicji pojęcia.

Retargeting, zwany również remarketingiem, jest to metoda reklamy online polegająca na docieraniu do osób, które wcześniej odwiedziły już witrynę sklepu internetowego ale nic tam nie kupiły. Poprzez wyświetlanie spersonalizowanych reklam lub/i wysyłanie wiadomości e-mail taktyka ta ma jednak przekonać potencjalnego klienta do dokonania pożądanego zakupu.

 

Indywidualna ścieżka zakupowa klienta metodą na zwiększenie sprzedaży

Współczesny klient oczekuje indywidualnego doświadczenia w kontakcie ze sklepem internetowym i uważa to za coś oczywistego. Jak pokazują badania firmy McKinsey

„71 % badanych konsumentów spodziewa się otrzymać od firm spersonalizowanych interakcji. I na tym historia się nie kończy: 76 procent spośród nich jest sfrustrowanych, gdy tak się nie dzieje”. [I]

„Spersonalizowane interakcje” prowadzą do stworzenia oferty dopasowanej do osobistych potrzeb klienta. W kontakcie z przedsiębiorstwem czy marką oferowaną przez sklep, taka personalizacja jest odbierana przez klienta bardzo pozytywnie. Czuje się on wtedy doceniony, ponieważ otrzymuje „propozycję wartości” uszytą na miarę, gwarantującą w danym momencie spełnienie jego oczekiwań.

 

Transformacja drogi klienta w kierunku personalizacji

W celu zwiększenia udziału w rynku przedsiębiorstwo musi lepiej poznać wszystkie najważniejsze potrzeby klienta oraz przewidzieć jego zachowania konsumenckie w nadchodzącej przyszłości.  W tym celu organizacje budują w ramach architektury biznesowej nowe możliwości biznesowe. Polega to na utworzeniu w firmie nowych:

  • stanowisk pracy,
  • procesów,
  • dodatkowych przepływów informacji (dostępnych w czasie rzeczywistym),
  • zasobów w postaci zoptymalizowanych platform technologicznych.

Platformy te muszą być wyposażone w zintegrowane z sobą, wspomagane uczeniem maszynowym (ML), narzędzia takie jak: „data lakehouse” i „analityka w czasie rzeczywistym” (Real-time analytics).

Wszystko to, co potocznie nazywane jest sztuczną inteligencją (AI) jest w rzeczywistości jej podzbiorem, zwanym uczeniem maszynowym (ML). ML to nauka o wykorzystywaniu danych do szkolenia maszyn w celu tworzenia modeli naśladujących ludzką inteligencję. ML opiera się na algorytmach – algorytmy „uczą się” na dużych zbiorach danych i poprawiają automatycznie swoją skuteczność dzięki nieustannej analizie nabywanej wiedzy i doświadczenia.

Analityka w czasie rzeczywistym (Real-time analytics) stosuje logikę i matematykę do przeglądu i wykorzystania danych w celu szybkiego podejmowania optymalnych decyzji. Czas rzeczywisty oznacza jej zakończenie w ciągu kilku sekund lub minut od momentu pojawieniu się nowych danych i jest to proces permanentny. Analityka w czasie rzeczywistym prowadzi do lepszego zrozumienia potrzeb klienta, personalizacji ofert a tym samym do zwiększenia efektywności kampanii marketingowych.  

„Data Lakehouse” jest to nowa, otwarta architektura zarządzania danymi. Łączy w sobie elastyczność, efektywność kosztową i skalę zarządzania danymi oraz transakcjami ACID hurtowni danych. Umożliwia prowadzenie analityki biznesowej (BI) a także uczenie maszynowe (ML) przy wykorzystaniu  wszystkich zebranych danych.

„Generatywna” sztuczna inteligencja to jedna z subdyscyplin sztucznej inteligencji, która dodatkowo może wytwarzać oddzielne treści np. teksty i obrazy.

Towarzyszące budowie nowych zdolności przedsiębiorstwa zmiany organizacyjne powinny nakierowane być na tworzenie interdyscyplinarnych zespołów, stosujących metodykę zarządzania tzw. „agile” i działających w poprzek istniejących w firmie silosów. Zadaniem tych nowo powołanych struktur będzie wsparcie procesów marketingowych i sprzedażowych.

Współcześnie, w biznesie rośnie rola specjalistów wykorzystujących w swojej pracy elementy socjologii i psychologii, a także informatyków odpowiedzialnych za rozwój algorytmów i uczenia maszynowego oraz obsługę sztucznej inteligencji (prompt engineers). W celu lepszego rozumienia przyszłych potrzeb klientów i tworzenia zindywidualizowanych ofert handlowych, pracując w nowo stworzonych zespołach, personel ma za zadanie analizować wzorce ludzkich zachowań (są one zazwyczaj stałe), skłonności i przyzwyczajenia kupujących, w oparciu o zgromadzone w bazach dane historyczne.

 Prompting służy do tego, aby ludzie mogli swobodnie komunikować się ze sztuczną inteligencją a przede wszystkim przekazywać AI ich oczekiwania i potrzeby. Polega to na werbalnym dostarczeniu jej precyzyjnych poleceń dotyczących intersującego użytkownika tematu/obszaru.

 W książce „Value Proposition Design” autorzy ze Strategyzer [II], analizując postawy kupujących, trafnie zdefiniowali ich oczekiwania. Przyjęte podejście badawcze określa zobiektywizowaną perspektywę tego, czym będzie kierował się w przyszłości potencjalny kupujący dany produkt/usługę. Pozwala to na nowe, oryginalne spojrzeniem na tzw. „pracę do wykonania” (ang. job to be done) czyli na zespół podejmowanych przez nabywcę działań, który stara się albo wykonać określone zadanie (np. schudnąć, aby być zdrowym), albo próbuje rozwiązać konkretny problem (np. wymienić nieefektywną instalację elektryczną) albo też chce osiągnąć wynikającą z zakupu satysfakcję (np. być trendy – kupić modne buty).

Autorzy zwracają również uwagę na fakt, że posiadana przez pracowników marketingu wiedza bardzo często nie pokrywa się z realną skalą potrzeb klientów i z opisaną powyżej „pracą”, którą kupujący chce wykonać, a tym bardziej z jego motywacjami do działania.

Dlatego też jednym z najważniejszych zadań interdyscyplinarnych zespołów działających w przedsiębiorstwie jest przeprowadzenie szczegółowej analizy zachowań potencjalnych nabywców w celu doprecyzowania ich indywidulanej „drogi klienta”. Udoskonalenie „ścieżki zakupowej” powinno pozwolić na przygotowanie „szytych na miarę” ofert sprzedaży i skłonić klientów do dokonania zakupów. Stworzone oferty handlowe zostaną umieszczone na banerach reklamowych na stronach internetowych odwiedzanych przez użytkownika/ potencjalnego kupującego.

Droga Klienta (ang. customer journey) zwana także zakupową ścieżką klienta opisuje wszystkie etapy, przez które przechodzą klienci podczas interakcji z marką/sklepem przed i po zakupie produktu lub usługi. Pozwala to na wyciągnięcie w firmie wniosków na temat pełnej gamy doświadczeń klientów w całym procesie.

Firmy powinny podejmować konkretne działania już na etapie rozważania przez klienta możliwości zakupu produktu. W tym celu poszczególne marki tworzą „ekosystemy” służące optymalizacji omawianej personalizacji „drogi klienta”. Stworzenie systemu powiązań pomiędzy kanałami sprzedaży danej marki realizowanej we współpracy z partnerami handlowymi (np. centrum handlowe, sklep detaliczny, sklep online), przyczyni się zdecydowanie do ułatwienia i przyśpieszenia procesu decyzyjnego klienta dotyczącego konkretnego zakupu.

 

Stworzenie cyfrowego obrazu klienta

Sztuczna inteligencja dzięki swoim funkcjonalnościom pozwala stworzyć nowe możliwości biznesowe w danej organizacji. Dzięki wykorzystaniu rozbudowanych modeli, AI odgrywa olbrzymią rolę w odnajdywaniu bardzo złożonych korelacji w dużych zbiorach danych.

W procesie uczenia maszynowego wielkość baz ma ogromne znaczenie, ponieważ czym większy jest zasób zawartych w nich danych tym można spodziewać się dokładniejszych wyników ich badania. W przypadku analizy zachowań populacji, biorąc pod uwagę fakt, że użytkownicy od lat zostawiają w sieci tzw. „ślad cyfrowy”, liczba nagromadzonych przez lata danych jest imponująca. Tak więc modele sztucznej inteligencji można z sukcesem wykorzystać do budowy tzw. „mapy empatii” oraz do tworzenia scenariuszy prognozujących zachowania kupujących i do dopasowania do nich działań promocyjnych. Jest to krok w kierunku wsparcia procesu sprzedaży poprzez opracowanie wstępnego, cyfrowego obrazu przyszłego klienta już na etapie jego pierwszych odwiedzin w sklepie internetowym.

Mapa empatii jest wykorzystywana do budowy profilu użytkownika opisującego to, co potencjalny klient myśli, czuje, widzi, słyszy i mówi. Jest dobrym narzędziem służącym do zbierania maksimum informacji o użytkownikach, a także do zrozumienia ich potrzeb. Pozyskane dane ułatwiają podejmowanie właściwych decyzji dotyczących promocji produktów. Mapa empatii jest często pierwszym krokiem w kierunku stworzenia tzw. ”person”.  

Z czasem, zgromadzona w bazach danych ogromna liczba zmiennych pozwala AI na tworzenie nie tylko charakterystyki docelowych grup odbiorców ale także na określenie wzorców zachowań indywidualnych użytkowników sieci czyli „persony”.

„Persony” to „fikcyjne postacie stworzone po to, aby można było ustalić wzorce użytkowników, którzy mogliby skorzystać z oferowanych produktów lub usług. Owe persony są niezbędne dla właściwego,  pełnego opisu celów, potrzeb, problemów i ograniczeń, które mają przyszli konsumenci. Persony są także pomocne przy podejmowaniu decyzji o przyszłym kształcie produktów czy też usługi (np. o funkcjonalności produktu, o jego wyglądzie, kształcie, czy sposobie wizualizowania strony internetowej).

W marketingu powszechnym zjawiskiem jest wykorzystywanie pojęcia persony. Na przykład przedsiębiorstwa posiadają zazwyczaj kilkanaście zdefiniowanych profili klienta, a w przypadku banków ich liczba może być liczona nawet iść w setki.

 

Retargeting narzędziem umożliwiającym wzrost sprzedaży

Duże przedsiębiorstwa dysponujące znaczącymi budżetami przeznaczonymi na transformację cyfrową tworzą własne, kompleksowe rozwiązania technologiczne.  Mniejsze firmy, które z różnych powodów nie rozwijają tego typu możliwości biznesowych, mogą skorzystać z outsourcingu – z usług profesjonalnych podmiotów dysponujących wyspecjalizowanymi narzędziami AI służącymi do wsparcia spersonalizowanego marketingu.

Niektóre z nich oferują także usługi retargetingu, którego wykorzystanie ma na celu ponowne zachęcenie klienta do zakupów, po tym jak opuścił sklep bez ich dokonania.

Tak więc wykorzystanie retargetingu, dzięki zastosowaniu sztucznej inteligencji w tym: map empatii, cyfrowych wzorców zachowań indywidualnych użytkowników (person) oraz zindywidualizowanych ofert handlowych, pozwala generować przedsiębiorstwu dodatkową sprzedaż proponowanych klientom produktów.

Omawiana usługa pozwala także na zwiększenie sprzedaży w ramach przygotowanej równolegle oferty tzw. cross-sellingu.

Cross-selling dotyczy sprzedaży powiązanej. Klientowi, który dokonał już zakupu określonego towaru, oferuje się dodatkową, uzupełniającą opcję kupna kolejnego produktu.

 

Case study                                           

Omówmy studium przypadku na przykładzie modelowej firmy funkcjonującej na rynku handlu odzieżą.

W wizji spółki zapisano: „powinniśmy pozostać w pierwszej piątce największych sprzedawców odzieży męskiej w Polsce”. Tak zdefiniowana wizja określa następujące cele szczegółowe:

  • należy doprowadzić do wzrostu wolumenu rocznej sprzedaży do 15 % w kanale sprzedaży bezpośredniej za pośrednictwem sklepów internetowych na terenie Polski,
  • trzeba zwiększyć udział firmy w portfelu klienta o 5% do poziomu 10%,
  • retencja klienta powinna zostać zwiększona o 12% i osiągnąć poziom 75%,
  • należy uzyskać wzrost marży zysku netto o 8% do poziomu 10%,
  • sprzedaż cross selling powinna wzrosnąć o 15% do poziomu 20%,
  • trzeba dążyć do zwiększenia satysfakcji klienta oraz jego zaangażowania o 10% poziomu 30%.

 

Diagram1: „Cele strategiczne firmy ” został przygotowany przy wykorzystaniu aplikacji do tworzenia architektury biznesowej - IRIS Business Architecture.
Diagram1: „Cele strategiczne firmy ” został przygotowany przy wykorzystaniu aplikacji do tworzenia architektury biznesowej – IRIS Business Architecture.

 

Spółka określiła także swoja misję polegającą na „dostarczeniu na polski rynek dobrej jakości odzieży męskiej”, która będzie realizowana za pomocą następujących strategii i taktyk:

  • Strategia Rozwój kanałów sprzedaży bezpośredniej firmy;

1.3.1 Strategia: Rozwój działu obsługi klienta dla potencjalnych nowych klientów;

1.3.2 Strategia: Wzrost aktywności w mediach społecznościowych (Facebook, Instagram);

1.3.3. Strategia: Tworzenie spersonalizowanych kampanii marketingowych;

1.3.4 Strategia: Osiągnięcie wysokiej satysfakcji klienta bezpośredniego;

1.3.5 Strategia: Wdrożenie retargetingu – ponowienie zachęty dla klienta do zakupu;

1.3.5.1 Taktyka: Zawiązanie partnerstwa z dostawcą usług Retargetingu AI;

1.3.5.2 Taktyka: Tworzenie zindywidualziowanych ofert (emaile, banery reklamowe). Target – klient „bez zakupu”;

1.3.5.4 Taktyka: Zwiększenie sprzedaży typu cross selling.

 

Diagram 2: „Strategii firmy” ” został przygotowany przy wykorzystaniu aplikacji do tworzenia architektury biznesowej - IRIS Business Architecture.
Diagram 2: „Strategii firmy” ” został przygotowany przy wykorzystaniu aplikacji do tworzenia architektury biznesowej – IRIS Business Architecture.

 

Strategię wdrożenia retargetingu oraz taktyk go realizujących, kierownictwo przedsiębiorstwa uznało za bardzo istotne. Dlatego też producent odzieży męskiej w celu zwiększenia sprzedaży i poprawienia rentowności firmy zdecydował się nawiązać strategiczną współpracę z dostawcą usług retargetingowych – nowym, profesjonalnym partnerem biznesowym wykorzystującym w swoich działaniach narzędzia sztucznej inteligencji. Tak więc wzrost sprzedaży powinien nastąpić dzięki ponownemu dotarciu do klienta, który odwiedził już sklep internetowy ale z różnych powodów i na różnym etapie „serfowania” po sklepie zrezygnował z zakupów.

W efekcie zawiązanego partnerstwa firma odzieżowa stanęła przed koniecznością zaktualizowania strategii poprzez dodanie nowego celu. Tym nowym celem długoterminowym będzie więc: „wzrost sprzedaży w okresie trzech kolejnych lat dzięki zastosowanie retargetingu”.

 

 

Zakupowa Droga Klienta a Retargeting AI

Klasyczną drogę zakupu potencjalny klient rozpoczyna zazwyczaj od szukania online potrzebnego mu produktu. Następnie odwiedza kilka sklepów internetowych i przegląda ich asortyment. Jeżeli jest zdecydowany na dokonanie zakupu, przechodzi do płatności.  W przypadku gdy nie podjął jeszcze decyzji, może „porzucić” koszyk zakupowy z wybranymi już produktami albo w ogóle niczego nie wybiera i „wychodzi” ze sklepu. Takie zachowania użytkownika stają się sygnałem dla firmy, aby rozpocząć intensywne działań retartgetingowe.

Poniższy schemat przedstawia drogę klienta od momentu „wyszukiwania produktu online do momentu porzucenia koszyka zakupowego.

 

Diagram 3: „Drogi Klienta – rezygnacja z zakupu” został przygotowany przy wykorzystaniu aplikacji do tworzenia architektury biznesowej - IRIS Business Architecture.
Diagram 3: „Drogi Klienta – rezygnacja z zakupu” został przygotowany przy wykorzystaniu aplikacji do tworzenia architektury biznesowej – IRIS Business Architecture.

 

 

Etap 1 Odwiedziny potencjalnego klienta w sklepie online

Anonimowy użytkownik podczas wizyty w sklepie internetowym generuje cookie. Następnie utworzony w ten sposób przez AI plik zostaje oznaczony specjalnym kodem JavaScript 360e-com.

 

Pliki cookie są to niewielkie pliki tekstowe, zawierające zapamiętane informacje o użytkowniku, wysyłane do przeglądarki internetowej przez oglądaną przez niego witrynę.

Cookies są wykorzystywane do gromadzenia danych statystycznych, które są następnie analizowane przez algorytmy AI w celu wyciągnięcia wniosków na temat poruszania się użytkowników na stronie internetowej. Ponadto umożliwiają one tworzenie profili odwiedzających, dając firmie możliwość pozycjonowania i personalizowania reklam.

 

Następnie sztuczna inteligencja, korzystając z przypisanego kodu rozpoczyna badanie zachowania potencjalnego klienta w czasie, gdy porusza się on po sklepie. Pozostawia on wtedy „ślad cyfrowy” –  informacje, które służą AI do zbudowania profilu potencjalnego klienta.

Przykładowe informacje zostawione przez kupującego na stronie sklepu to wykazy:

  • odwiedzanych w sklepie stron,
  • oglądanych produktów,
  • towarów, które zostały „wrzucone” do koszyka,
  • dotyczące czasu poświęconego na oglądanie asortymentu sklepu,
  • numerów IP potencjalnego odwiedzającego,
  • opisujące aktywność użytkownika np. dzień tygodnia, pora dnia itp.

Opuszczenie przez użytkownika sklepu rozpoczyna działania retargetingu. Internauta, serfując po sieci, powinien natknąć się na banery reklamowe prezentujące specjalnie przygotowaną dla niego ofertę sklepu, w którym oglądał produkty ale nie dokonał zakupu. Może on również otrzymać tę ofertę za pośrednictwem poczty elektronicznej.

 

Etap 2 Opracowanie profilu użytkownika

Poprzez nadanie plikowi cookie użytkownika specjalnego kodu JavaScript 360e-com na stronie sklepu oraz w oparciu o informacje, które użytkownik pozostawił w sieci, sztuczna inteligencja buduje jego osobisty profil, dołączając zestaw rekomendacji określających zakres koniecznych, dalszych działań, które podejmie.

 

Etap 3 Rozpoczęcie działań retargetingowych

Przypisanie kodu JavaScript 360e-com do pliku cookie użytkownika pozwala na jego identyfikację w określonym miejscu w sieci. Dzięki temu można:

  1. wyświetlić mu spersonalizowany banner reklamowy, zakupiony poprzez Ad Exchange w modelu RTB i/lub
  2. wysłać mu na adres mailowy wiadomość z zindywidualizowaną ofertą.

 

Ad Exchange jest integralną częścią ekosystemu reklamy opartej na technologii określania stawek pieniężnych w czasie rzeczywistym (real-time bidding – RTB). Istotą modelu RTB jest w pełni zautomatyzowany proces zakupu powierzchni reklamowej, odbywający się na bieżąco. O tym, który komunikat zostanie wyświetlony w danym miejscu w sieci decyduje system aukcyjny, to znaczy zainteresowani reklamodawcy oferują konkretne stawki za dane miejsce reklamowe. Wygrywa ten podmiot proponujący najwyższą cenę. Podstawową zaletą omawianego modelu jest precyzja, dzięki której reklamodawca może skutecznie dotrzeć z przekazem do właściwego odbiorcy.

 

Spersonalizowany banner reklamowy

Wyświetlenie banneru reklamowego wymaga aby algorytmy AI wykonały następujące działania:

  1. obliczenie prawdopodobieństwa dokonania sprzedaży,
  2. określenie kontekstu czyli miejsca i momentu pojawienia się skierowanej do użytkownika reklamy. Na przykład wskazanie momentu, w którym internauta czyta wiadomości w serwisie informacyjnym, albo śledzi wpisy na jednym z blogów),
  3. ustalenie pory zamieszczenia banneru reklamowego ze spersonalizowaną ofertę produktową,
  4. określenie kwoty jaką można zapłacić za ukazanie się reklamy w modelu RTB.

Zawartość proponowanej oferty, wyświetlanej na bannerze reklamowym wynika z założeń planu kampanii promocyjnej prowadzonej przez sklep internetowy. Dodatkowe informacje dotyczące na przykład innego asortymentu oglądanego przez internautę w sklepie, czy też stare ceny towarów albo też propozycje cross-sellingowe są zwykle dołączane do podstawowej propozycji handlowej.

 

Reklama mailowa skierowana do konkretnego klienta

Jak już zostało powiedziane reklama mailowa stosuje do kontaktu z użytkowaniem plik cookie. Należy zaznaczyć, że platforma 360e-com zawiera około 80 zintegrowanych baz danych, dzięki czemu posiada około 70 milionów adresów mailowych internautów. Użytkownik, zapisując się do bazy danych, wyraża zgodę na wykorzystanie swojego adresu poczty elektronicznej do przekazywania mu informacji handlowych.

Tak jak już wspomniano, każdy odwiedzający sklep internetowy, dzięki algorytmom 360 e-com, otrzymuje unikatowy identyfikator, umożliwiający stały wgląd w jego aktywność w sieci. W przypadku, gdy użytkownik ujęty jest w jednej z baz danych a wchodzi na stronę sklepu, algorytmy AI integrują nadany kod z adresem mailowym. Następnie administrator obsługujący bazy dostarcza nabywcy we własnym imieniu wiadomość z załączoną, spersonalizowaną ofertą. Warto dodać, że wiadomość taka, wysłana na adres mailowy gwarantuje dłuższy kontakt z potencjalnym klientem (nawet dwa tygodnie) niż publikacja banneru reklamowego, która zazwyczaj ma „krótki żywot”.

 

Korzyści płynące z usług retargetingu

W wyniku przeprowadzonych przez firmę działań reatrgetingowych widoczne staje się zjawisko powrotu klienta do sklepu internetowego. Dokonuje on wtedy zakupu wcześniej oglądanych produktów. Oprócz tego skuteczny retargeting prowadzi do zainteresowania klientów innymi towarami z dodatkowej oferty cross-sellingowej.

Analizując tę nową drogę zakupową klienta, warto też zwrócić uwagę na korzyści płynące z rozbudowania i poprawy relacji z kupującym. Dzieje się tak ponieważ:

  1. powstały, znajdujące się pod kontrolą przedsiębiorstwa, dodatkowe dwa punkty styku na ścieżce zakupowej klienta,
  2. stworzone zostały nowe sposoby dotarcia do nabywcy dzięki wykorzystaniu kontaktu mailowego oraz za sprawą wyświetlenia bannerów reklamowych,
  3. nastąpiło zwiększenie kontroli firmy nad czasem kontaktu z użytkownikiem dzięki wykorzystaniu kontaktu mailowego.

 

Retargeting – nowa droga klienta pokazuje jego ścieżkę zakupową od momentu porzucenia koszyka do momentu zakupu i dostawy zakupionego produktu.

 

Diagram 4: „Drogi Klienta – Retargeting AI” został przygotowany przy wykorzystaniu aplikacji do tworzenia architektury biznesowej – IRIS Business Architecture.
Diagram 4: „Drogi Klienta – Retargeting AI” został przygotowany przy wykorzystaniu aplikacji do tworzenia architektury biznesowej – IRIS Business Architecture.

 

 

Wnioski

Podsumowując, stosowanie metody reklamy on-line polegającej na ponownym docieraniu do potencjalnych klientów sklepów internetowych, jak wykazały badania, okazało się skutecznym narzędziem umożliwiającym m.in. wzrost przychodów firm. Wykorzystania retargetingu przynosi trojakie korzyści ekonomiczne w postaci:

  1. zwiększenia wartości sprzedaży,
  2. wzrostu wolumenu sprzedaży,
  3. pozyskania nowych klientów.

W zależności od sklepu internetowego i oferowanego w nim asortymentu, wolumen użytkowników, którzy zdecydowali się aby do niego powrócić kształtuje się w przedziale od 5 do 25 tysięcy miesięcznie. Sytuacja dotyczy różnych krajów Unii Europejskiej. Prym w korzystaniu z retargetingu wiodą przede wszystkim sklepy z markami odzieżowymi i obuwniczymi. W omawianej usłudze widzą możliwość poszerzenia rynku oraz zdobycia przewagi konkurencyjnej. Osiągną ja dzięki sztucznej inteligencji oraz innych narzędziom takim jak ”data lakehouse” i „analityka w czasie rzeczywistym”.

Jeżeli jesteś zainteresowany usługą retargetingu proszę o kontakt.

 

 

Grzegorz Tryc

Financial Expert /CFO (ACCA)

Certified TOGAF® Business Architect

13 września 2023r.

 

 

[I] What is personalization? May 30, 2023 | Article, McKinsey

[II] „Value Proposition Design”, A Osterwalder.. 2014, p.12