Dauguma prekybininkų vis dar mano, kad problema yra tinkamo pokalbių roboto pasirinkimas. Taip nėra. Problema ta, kad DI apsipirkimo sistemos gali rekomenduoti tik tai, ką jos gali patikimai perskaityti. Tai svarbu dabar, nes pokalbinis DI nebėra šalutinė funkcija. Vienas rinkos vertinimas pokalbinę prekybą įvertina $11.26 mlrd. 2025 m. ir prognozuoja $22.56 mlrd. iki 2031 m. esant 12.28% CAGR, o kitas – ties $7.6 mlrd. 2024 m. ir $34.4 mlrd. iki 2034 m. esant 16.3% CAGR. Prognozės skiriasi, tačiau abi nurodo tą pačią kryptį: pokalbinės sąsajos tampa rimtu prekybos sluoksniu, o ne naujove (Bloomreach apie pokalbinę prekybą).
Šis pokytis jau matomas pirkimo elgsenoje. 2024 m. pramonės ataskaita įvertino, kad pokalbinis DI skatins $142.0 mlrd. el. prekybos pardavimų 2024 m., palyginti su $2.8 mlrd. 2019 m., o tai sudaro 119% CAGR per tą laikotarpį (ComCap ataskaita apie pokalbinį DI el. prekyboje). Prekybininkai, kurie vis dar laiko DI pagalbos valdikliu, praleidžia svarbesnį pokytį. Produktų atradimas persikelia į pokalbį. Rekomendacijos persikelia į pokalbį. Pirkimo ketinimas vis dažniau išreiškiamas kaip klausimas, o ne raktažodis.
Tai sukuria naują gedimo scenarijų. Jūsų parduotuvė gali būti aukštai reitinguojama, greitai krautis ir vis tiek būti nematoma, kai pirkėjas klausia DI asistento, ką pirkti.
Turinys
- Paieškos, kokią ją žinome, pabaiga
- Ką pokalbinis DI iš tiesų reiškia jūsų parduotuvei
- Verslo privalumai ir realūs naudojimo atvejai
- Slėpta priežastis, kodėl DI negali rasti jūsų produktų
- Praktinis veiksmų planas, kaip paruošti parduotuvę DI
- Kaip išmatuoti pokalbinio DI investicijų grąžą
- Išvada: jūsų ateitis priklauso nuo DI matomumo
Paieškos, kokią ją žinome, pabaiga
Paieška nebėra pagrindiniai vartai į produktų atradimą. DI asistentai pradeda sudaryti trumpąjį sąrašą dar prieš pirkėjui patenkant į jūsų svetainę.
Daugelį metų el. prekybos komandos galėdavo laimėti gerinant reitingus, tikslinant kategorijų struktūras ir efektyviai perkant srautą. Šie įgūdžiai vis dar svarbūs. Tačiau jie nebeapima viso pirkimo kelio. Pirkėjai dabar užduoda išsamius klausimus: ką pirkti jautriai odai, koks rankinis bagažas atitinka griežtus oro linijų reikalavimus, kokia dovana tinka bėgikui pagal tam tikrą biudžetą.
Tai keičia konkurencijos vienetą. Jūsų parduotuvė ne tik bando atsirasti rezultatų puslapyje. Ji bando tapti variantu, kurį DI asistentas gali drąsiai rekomenduoti, paaiškinti ir palyginti.
Paieška keičiasi iš informacijos paieškos į sprendimų palaikymą
Pirkėjas, kuris klausia apie „geriausią lengvą lietpalčio striukę miesto kelionėms", neprašo dešimties mėlynų nuorodų. Jis nori filtruoto atsakymo su pagrindžiančiais argumentais.
Tai lūžis nuo tradicinės paieškos. Klasikinė paieška padėdavo žmonėms rasti puslapius. Pokalbinės sistemos padeda žmonėms priimti sprendimus. Kartu keičiasi ir prekybininkų problema. Stiprus turinys ir tvirta SEO optimizacija vis dar padeda pritraukti dėmesį, tačiau DI atranka daug labiau priklauso nuo to, ar jūsų katalogas gali būti aiškiai interpretuojamas mašinų. Štai kodėl kaip optimizuoti DI paieškai tapo praktiniu prekybos uždaviniu, o ne nišiniu SEO eksperimentu.
Šis pokytis taip pat keičia tai, kur vyksta produktų atradimas. Pirkėjas gali paprašyti asistento „vandeniui atsparaus savaitgalio krepšio iki $150 su nešiojamojo kompiuterio skyriumi" ir gauti siaurintą variantų rinkinį net neapsilankęs kategorijų puslapyje. Jei jūsų produkto duomenys aiškiai nenurodo medžiagos, naudojimo atvejo, dydžio, kainos ir funkcijų suderinamumo, jūsų parduotuvė gali niekada nepatekti į tą pokalbį.
DI nematomumas yra naujasis sugadintas kategorijų puslapis. Klientai to nepraneš. Jūsų produktai tiesiog nustoja atsirasti rekomendacijų rinkinyje.
Naudingas el. prekybos pokalbių DI vadovas gerai aprėpia klientams skirtą pusę. Didesnė problema prekybininkams slypi už sąsajos ribų. Parduotuvės, kurios dažniausiai rekomenduojamos, paprastai yra tos, kurių produktų duomenys, politikos ir katalogo logika yra pakankamai struktūrizuoti, kad DI sistema galėtų jomis pasitikėti.
Kodėl daugelis parduotuvių yra nematomos to nesuvokdamos
Žmogus pirkėjas gali susidoroti su netvarkingu katalogu. DI asistentas dažniausiai to nedarys.
Žmonės geba skaityti tarp eilučių. Jie gali peržvelgti penkis produktų puslapius, nuspėti, kad „atsparus vandeniui" tikriausiai pakaks, ir susidaryti vaizdą, ar kuprinė tinka oro linijų taisyklėms. DI sistemoms reikia aiškesnių duomenų. Jos veikia geriau, kai atributai yra aiškiai išreikšti, pavadinimai yra nuoseklūs, o politikos detalės lengvai nuskaitomos.
Dažnai daugelis prekybininkų atsilieka to nepastebėdami. Parduotuvės išvaizda atrodo tobula. PDP puslapiai veikia. Organinis srautas gali net būti stabilus. Tačiau jei spalvų pavadinimai skiriasi panašiuose produktuose, matmenys paslėpti aprašymuose, suderinamumo detalės trūksta arba grąžinimo sąlygos pateiktos neaiškiomis formuluotėmis, DI sistemos mažiau pasitiki tų produktų pateikimu į didelio ketinimo užklausas.
Senoji prielaida buvo paprasta: jei jūsų svetainė yra indeksuota, esate matomi. El. prekybos pokalbių DI srityje matomumas priklauso nuo to, ar mašinos gali skaityti jūsų parduotuvę taip pat aiškiai, kaip ir klientai. Tai yra esminis poslinkis. Sąsajos pokalbiai sulaukia dėmesio. Duomenų parengtumas fone nusprendžia, kas bus rastas.
Ką pokalbių DI iš tikrųjų reiškia jūsų parduotuvei
Daugelis prekybininkų, išgirdę „pokalbių DI", įsivaizduoja pokalbių burbulą apatiniame dešiniajame svetainės kampe. Tai yra dalis to, tačiau tai yra mažiausias apibrėžimas.
Geresnis mentalinis modelis yra toks: pokalbių DI yra skaitmeninis parduotuvės konsultantas, sujungtas su jūsų prekybos sistema. Paprastas pokalbių robotas elgiasi kaip katalogas. Jis gali nukreipti žmogų į grąžinimų puslapį. Galingesnė sistema elgiasi labiau kaip apmokytas pardavėjas. Ji atsako į tolesnius klausimus, siaurina galimybes, paaiškina kompromisus ir išlaiko kontekstą per visą sesiją.
Nuo DUK roboto iki skaitmeninio pardavimų konsultanto
Lengviausia klaida — traktuoti pokalbių DI tik kaip palaikymo išlaidų įrankį. Palaikymas yra vienas naudojimo atvejis. Tai nėra visa kategorija.
Naudingas el. prekybos pokalbių DI vadovas tai gerai išskiria, nes parodo, kaip šios sistemos apima klientų palaikymą, atradimą ir pirkimo gaires. Tai tinkamas požiūris. Prekybininkai turi nustoti mąstyti valdiklių terminais ir pradėti mąstyti komercinių sąveikų terminais.
Štai praktinis skirtumas:
| Sistema | Kuo ji gerai pasirodo | Kur ji stringa |
|---|---|---|
| Taisyklėmis pagrįstas pokalbių robotas | Tvarko fiksuotus DUK ir paprastą nukreipimą | Lūžta susidūrus su niuansais, kontekstu ir tolesniais klausimais |
| Pokalbinis apsipirkimo asistentas | Padeda pirkėjams palyginti, atrasti ir pasirinkti | Veikia prastai, jei produktų duomenys silpni |
| Pokalbinė paieškos sąsaja | Interpretuoja ketinimą ir grąžina kuruotas galimybes | Negali išlikti patikima be aktualių katalogo ir politikos duomenų |
Trys sistemos, kurias prekybininkai dažnai sumaišo
Palaikymo robotai sprendžia problemas po pirkimo arba jo metu. Jie atsako į klausimus apie užsakymus, grąžinimo prašymus, pristatymo rūpesčius ir paskyros klausimus.
Valdomi apsipirkimo asistentai veikia aukščiau pardavimo piltuvėlyje. Jie padeda klientams, kurie žino, kokią problemą reikia išspręsti, bet nežino tikslaus SKU. Būtent čia pokalbių DI el. prekyboje pradeda elgtis kaip pajamų infrastruktūra, o ne pagalbinio stalo automatizavimas.
Pokalbinės paieškos sistemos yra dar arčiau atradimo. Jos ne tik atsako į klausimus apie jūsų svetainę. Jos daro įtaką tam, ar jūsų prekės ženklas iš viso patenka į svarstymo aibę.
Praktinė taisyklė: Jei jūsų sistema gali atsakyti į klausimą „Kur yra mano užsakymas?", bet negali atsakyti į „Kuri galimybė geriau tinka drėgnam orui ir paprastam grąžinimui?", jūs neturite pokalbinės prekybos. Jūs turite palaikymo nuorodą.
Jei kuriate Shopify platformai, tai turi dar didesnę reikšmę. Žinių sluoksnis turi būti susietas su produktais, politikomis ir parduotuvės operacijomis, o ne tik su rinkodaros turiniu. Šiame kontekste struktūrizuota DI žinių bazė Shopify tampa naudingesnė nei dar vienas scenarijais pagrįstas palaikymo srautas.
Verslo nauda ir realaus pasaulio naudojimo atvejai
Pokalbių DI keičia pajamų matematiką, kai padeda pirkėjui apsispręsti, o ne tik atsakoma į palaikymo užklausą.
Veiklos skirtumas gali būti didelis. Kaip minėta anksčiau šiame straipsnyje, pirkėjai, kurie dalyvauja DI palaikomose patirtyse, konvertuoja žymiai didesniu greičiu nei tie, kurie to nedaro. Įgyvendinimo kokybė yra svarbiausia. Pokalbių laukelis, pritvirtintas prie silpnų katalogo duomenų, retai ką pagerina. Sistema, susieta su realiais produktų atributais, atsargomis, politikomis ir rekomendacijų logika, gali susigrąžinti pirkimo ketinimą, kurį standartinė paieška praleidžia.
Aiškiausi naudojimo atvejai išryškėja momentais, kai pirkėjas turi ketinimą, bet nepakankamą tikrumą, kad imtųsi veiksmų.
Dovanų pirkimas yra vienas iš jų. Klientas žino biudžetą, gavėją ir galbūt progą. Jis nežino SKU. Pokalbinis srautas gali užduoti keletą naudingų klausimų, pašalinti netinkamus variantus ir pateikti trumpą sąrašą, kuris atrodo apgalvotas, o ne atsitiktinis.
Palyginimas yra kitas atvejis. Daugelis parduotuvių praranda pardavimą, kai klientas sprendžia tarp dviejų panašių produktų ir negali greitai pamatyti skirtumo. Geros pokalbiminės sistemos paaiškina skirtumą paprasta kalba. Geresnės susieja tą paaiškinimą su tikrais produkto atributais, atsiliepimų temomis, pristatymo terminais ir grąžinimo sąlygomis. Tai kur kas artimiau tam, ką daro stiprus parduotuvės konsultantas.
Vėlyvojo vakaro ir mobilus apsipirkimas svarbūs dėl tos pačios priežasties. Šie seansai dažnai pasižymi dideliu ketinimu ir maža kantrybe. Jei pirkėjui reikia atidaryti tris skirtukus, kad patvirtintų tinkamumą, pristatymo laiką ir grąžinimo sąlygas, seanso kokybė greitai krenta. Jei asistentas gali atsakyti viename pokalbyje ir išlikti tikslus, parduotuvė išlaiko pagreitį.
Stipriausi įgyvendinimai paprastai sutelkia dėmesį į keturias užduotis:
- Atradimas: neaiškų poreikį paversti aktualiu trumpu sąrašu
- Prieš pirkimą teikiamas patikrinimas: atsakyti į klausimus, kurie blokuoja atsiskaitymą, pavyzdžiui, apie dydžius, medžiagas, suderinamumą, pristatymą ar grąžinimą
- Rekomendacija: siūlyti papildomus produktus remiantis tuo, ką pirkėjas svarsto, o ne bendriniais reklamavimais. Tinkamai atliktas šis darbas veikia kaip vadovaujamos AI produktų rekomendacijos elektroninės prekybos parduotuvėms
- Aptarnavimo nukreipimas: išspręsti įprastus klausimus po pirkimo, neperstumdant kiekvieno kontakto agentui
Yra ir operacinis atlygis. Kaip minėta anksčiau, vartotojų pirmenybė greičiai automatizuotai pagalbai yra viena iš priežasčių, kodėl pokalbinė AI išplito ne tik palaikymo komandose, bet ir prekyboje bei augime. Kai kuriose įmonėse sutaupytos lėšos yra realios, tačiau didesnis strateginis laimėjimas yra aprėptis. Parduotuvės gali atsakyti į pardavimo ir politikos klausimus ketinimo momentu, įskaitant valandas, kai komanda yra neprisijungusi.
Tai vis tiek praleidžia pagrindinį poslinkį, jei pirkliai tai apibūdina tik kaip pokalbinio roboto investicijų grąžą.
Didesnė nauda yra produkto matomumas į AI valdomuose apsipirkimo srautuose. Jei asistentai padeda klientams palyginti variantus, susiaurinti pasirinkimus ir užduoti papildomus klausimus, prekės ženklai, kurie sklandžiai pasirodo tuose pokalbiuose, pirmiausia sulaukia dėmesio. Prekės ženklai su netvarkingais duomenimis yra praleidžiami, net jei pats produktas yra geresnis. Štai kodėl stipriausiose pokalbinės AI programose tai nėra vien priekinės dalies projektai. Jie priklauso nuo galinės dalies produkto duomenų, kuriuos mašinos gali skaityti, jais pasitikėti ir naudoti realiuoju laiku.
Konkurencinis spaudimas jau yra čia. Daugelis mažmeninės prekybos komandų didina investicijas į AI, kaip minėta anksčiau. Praktinis klausimas nebėra tas, ar pokalbinės sąsajos svarbios. Tai — ar jūsų parduotuvė gali pateikti produkto ir politikos duomenis, kurių toms sąsajoms reikia tiksliam pardavimui.
Paslėpta priežastis, kodėl AI negali rasti jūsų produktų
Aktyvi produkto puslapis nepadaro jūsų katalogo matomu AI. Matomumas priklauso nuo to, ar mašinos gali perskaityti jūsų produkto faktus, politikos taisykles ir prieinamumo duomenis nespėliodamos.
Kodėl geros parduotuvės fasado nepakanka
Daugelis elektroninės prekybos komandų vis dar mano, kad AI interpretuos parduotuvės fasadą taip, kaip pirkėjas. Taip nebus. Klientas gali užpildyti spragas iš nuotraukų, išsibarsčiusio teksto, atsiliepimų ir kategorijų konteksto. Asistentui reikia tvarkingesnių įvesties duomenų. Jei dydžių informacija yra pastraipose, medžiagos yra nenuoseklios tarp variantų arba pristatymo sąlygos yra trijuose atskiruose puslapiuose, modelis nuo pat pradžių turi silpną pagrindą.
Tai paslėptas apribojimas daugelio pokalbinės AI projektų. Problema dažnai yra ne asistento sąsaja. Problema yra duomenų parengtumas.
Išpuoselėtas parduotuvės fasadas vis tiek gali būti neskaitomas mašinoms. Tai nuolat matau kataloguose, kurie paviršiuje atrodo gerai, tačiau žlunga ties realiais pirkimo klausimais. Paklauskite asistento, kuris variantas geriausiai tinka konkrečiam naudojimo atvejui, ar jis gali atvykti iki tam tikros datos, ar galutinio išpardavimo prekė gali būti grąžinta. Bloga struktūra paverčia tuos klausimus blogais atsakymais.
Ką iš tikrųjų apima duomenų parengtumas
AI apsipirkimo matomumui pirkliai turi keturis dalykus, veikiančius kartu:
- Produkto faktai: nuoseklūs pavadinimai, kategorijos, atributai, variantai, prieinamumas, kainos ir aiškūs skirtumai
- Komercinės taisyklės: pristatymo zonos, pristatymo laikas, grąžinimo sąlygos, mokėjimo metodai ir bet kokie išimtys
- Kontekstas: numatyta paskirtis, tinkamumas klientui, suderinamumas ir kolekcijų ryšiai
- Atnaujinimo disciplina: patikimas procesas sinchronizuoti katalogo, inventoriaus, kainos ir politikos pakeitimus, kai jie vyksta
Techninis reikalavimas yra paprastas. Asistentas turėtų gauti dabartinę informaciją iš jūsų produkto, inventoriaus, kainų ir užsakymų sistemų, o ne improvizuoti iš pasenusio puslapio turinio. „Appinventiv" AI pokalbio robotų elektroninei prekybai analizė tą patį teigia iš įgyvendinimo perspektyvos. Pagrindas yra svarbus, nes nepagrįsti atsakymai kuria prekybos riziką, palaikymo riziką ir grąžinimų riziką.
Jei asistentas negali patikrinti atsargų, grąžinimo sąlygų ar pristatymo logikos iš esamų sistemų, jis neturėtų atsakyti užtikrintai.
Štai kodėl galinės dalies pasirengimas yra svarbiau nei priekinės dalies naujovės. Prekybininkai nepraranda matomumo dėl silpno pokalbių roboto teksto. Jie praranda matomumą todėl, kad jų katalogas yra sunkiai interpretuojamas ir patikimas mašinoms. Tai yra problema, kurią spręsti sukurtos tokios platformos kaip Shoptank.
Jei tuo pat metu gerinsite aptikimą ir prekių valdymą, struktūrizuoti įvesties duomenys taip pat stiprina dirbtinio intelekto produktų rekomendacijas el. prekybos parduotuvėms. Komandoms, siejančioms DI matomumą su platesniu išlaikymo ir prekybos planavimu, šios el. prekybos augimo strategijos Shopify padeda susieti duomenų darbą su pajamų prioritetais.
Praktinis kelių žemėlapis, kaip paruošti parduotuvę dirbtiniam intelektui
DI pasirengimas pirmiausia žlunga duomenų sluoksnyje.
Prekybininkai dažnai pradeda nuo matomos dalies. Jie paleidžia pokalbių robotą, testuoja užklausas ir tikslina tekstą. Tuomet iškyla pagrindinė problema. Produktų atributai yra nenuoseklūs, grąžinimo taisyklės paslėptos tekste, o kainų ar atsargų atnaujinimai nepasiekia sistemų, kuriomis remiasi DI įrankiai.
Tinkama seka yra operacinė. Pirmiausia padarykite parduotuvę įskaitomą mašinoms. Tada pridėkite klientams skirtas funkcijas.
Pradėkite nuo DI matomumo audito
Pradėkite nuo paprasto testo. Užduokite DI asistentams tuos pačius klausimus, kuriuos pirkėjas užduotų prieš perkant iš jūsų parduotuvės. Naudokite plačias aptikimo užklausas, produktų palyginimo užklausas, pristatymo klausimus ir grąžinimo politikos scenarijus. Tikslas – patikrinti, ar jūsų katalogas gali būti rastas, interpretuotas ir teisingai paaiškintas.
Peržiūrėkite atsakymus dėl keturių nesėkmės taškų:
- Aptikimas: Ar asistentas gali pateikti tinkamus produktus pagal ketinimais pagrįstas užklausas, o ne tik tikslias produktų pavadinimų paieškas?
- Palyginimas: Ar jis gali paaiškinti skirtumą tarp variantų, rinkinių ar gretimų produktų nespėliodamas?
- Politikos: Ar jis gali tiksliai aprašyti pristatymo, grąžinimo ir tinkamumo taisykles?
- Prieinamumas: Ar jis gali vengti rekomenduoti nebeparduodamas, nesuderinamas ar ribojamas prekes?
Šis auditas taip pat padeda komandoms susieti DI matomumą su likusia verslo dalimi. Jei deriniate aptikimo darbą su išlaikymo, prekybos ir įsigijimo planavimu, šios el. prekybos augimo strategijos Shopify vertos dėmesio.
Paverskite parduotuvės žinias mašinų įskaitomais ištekliais
Po audito ištaisykite įvesties duomenis.
Sutvarkykite pavadinimus, normalizuokite atributus, sugriežtinkite kategorijų susiejimą ir padarykite variantų logiką aiškią. Politikos turiniui reikia to paties. Pristatymo ribiniai dydžiai, pristatymo apribojimai, grąžinimo laikotarpiai ir išimčių taisyklės turėtų egzistuoti struktūrizuotais formatais, o ne tik puslapio tekste, parašytame žmonėms.
Tai yra pokytis, kurį daugelis komandų neįvertina. DI apsipirkimo matomumas mažiau susijęs su pokalbio dizainu ir labiau su duomenų pakuote. Jei jūsų parduotuvės žinios nėra struktūrizuotos, asistentai negali jų patikimai gauti, užtikrintai palyginti ar rekomenduoti tinkamu momentu.
Shoptank yra vienas pavyzdys, kaip prekybininkai tai tvarko. Jis generuoja llms.txt failą, prideda schemos žymėjimą produktams ir parduotuvės politikoms bei seka, kaip prekės ženklai pasirodo DI platformose. Svarbu ne įrankio pavadinimas. Svarbu paskelbti produkto, kainodarios, pristatymo ir grąžinimo informaciją formatais, kuriuos DI ieškikliniai robotai ir asistentai gali analizuoti be spėliojimo.
Švarūs duomenys lenkia išmaniąsias užklausas.
Palaikykite duomenis naujausius
Struktūrizuotų duomenų paskelbimas vieną kartą yra lengva dalis. Jų palaikymas naujausiais yra tikrasis operacinis darbas.
Katalogas nuolat keičiasi. Kainos juda. Atsargos keičiasi. Variantai pervadinami. Pristatymo zonos keičiasi. Akcijos prasideda ir baigiasi. Jei tie atnaujinimai neteka iš jūsų prekybos sistemų į mašinų įskaitomus išvesties duomenis, DI asistentai atsakys pasenusia informacija arba visiškai nustos pasitikėti parduotuve.
Tai sukuria dvi problemas. Klientai gauna blogus atsakymus, o jūsų produktai praranda matomumą svarbiais momentais.
Trumpas apžvalginis vaizdo įrašas padaro diegimo kelią konkretesnį:
Daugumai prekybininkų kelių žemėlapis yra aiškus. Patikrinkite, ką DI šiuo metu gali rasti ir paaiškinti. Struktūrizuokite produktų ir politikos duomenis, kad mašinos galėtų juos skaityti. Tada nustatykite patikimą atnaujinimo procesą, susietą su katalogo, atsargų, kainų ir politikos pokyčiais. Taip parduotuvė tampa matoma DI sistemoms, užuot dingusi už geriau struktūrizuotų konkurentų.
Kaip matuoti pokalbių DI investicijų grąžą
Investicijų grąža iškraipoma, kai prekybininkai traktuoja pokalbių DI kaip priekinės dalies funkciją ir vertina jį pagal pokalbių apimtį. Didelis pokalbių skaičius vis tiek gali reikšti švaistomą palaikymo laiką, silpną produktų aptikimą ir prastas konversijas. Vertinimo sistema turi atitikti užduotį.
El. prekyboje tai paprastai reiškia tris matavimo kategorijas: aptarnavimo efektyvumas, pajamų įtaka ir DI matomumas.
Pirmiausia matuokite veiklos rezultatus
Pradėkite nuo palaikymo rezultatų, nes juos lengviau apibrėžti ir lengviau pagerinti. Nomtek pokalbių dirbtinio intelekto lyginamieji rodikliai nurodo 60%+ sprendimo lygį brandžiam automatizuotam palaikymui, o DUK robotai dažnai pasiekia 70%+, ir CSAT tikslą – 80%+.
Šie skaičiai naudingi kaip atskaitos taškas, tačiau tai nėra visas vaizdas. Aš verčiau matyčiau šiek tiek žemesnį automatizavimo lygį su tiksliais atsakymais nei aukštesnį lygį, grindžiamą blogais atsakymais, kurie sukuria grąžinimus, pakartotinius kontaktus ar prarastą pasitikėjimą.
Pirmiausia stebėkite šiuos rodiklius:
- Automatizuotas sprendimo lygis: užklausų, visiškai išspręstų be eskalavimo, dalis
- CSAT po DI sąveikų: ar pirkėjai rado atsakymą naudingą
- Perdavimo agentui kokybė: ar kontekstas, užsakymo detalės ir ankstesni pranešimai perduodami tvarkingai
- Pakartotinių kontaktų lygis: ar klientams tenka sugrįžti, nes pirmasis atsakymas nepavyko
Tada siekite DI susieti su pajamomis
Kai paslaugų rodikliai stabilizuojasi, susiekite pokalbius su pirkimo elgsena.
Matuokite DI palaikomas sesijas lyginant su nepalaikomomis sesijomis. Stebėkite, kurie pokalbiai lemia produktų peržiūras, įdėjimo į krepšelį įvykius, atsiskaitymo pradžią ir užbaigtus užsakymus. Laikykite palaikymo pokalbius atskirai nuo apsipirkimo pokalbių, kad analizė išliktų aiški.
Čia taip pat greitai išryškėja silpni galiniai duomenys. Jei asistentas gali atsakyti į grąžinimo politikos klausimus, bet negali patikimai pateikti tinkamo produkto, varianto, kainos ar prieinamumo, pajamų poveikis sustings. Prekybininkai dažnai kaltina sąsają. Paprastai pagrindinė problema yra ta, kad sistemai trūksta patikimų produktų duomenų.
Matomumas yra ROI dalis
Yra trečias lygmuo, kurį daugelis komandų praleidžia. Jei pirkėjai klausia DI asistentų, ką pirkti, matomumas tuose atsakymuose yra veiklos efektyvumo matavimo dalis.
Stebėkite, ar jūsų prekės ženklas minimas pagal didelės ketinimo raiškos užklausas. Stebėkite, ar pagrindiniai produktai rodomi su tikslia kainodara, prieinamumu ir politikos kontekstu. Stebėkite, kur konkurentai pasirodo dažniau. Jei jūsų katalogą sunku skaityti mašinoms, galite prarasti paklausą dar prieš pirkėjui pasiekiant jūsų svetainę.
Naudingas klausimas yra tai, ar sistema padėjo pirkėjui rinktis, pirkti ar pakankamai pasitikėti prekės ženklu, kad sugrįžtų.
Nomtek taip pat praneša, kad brandžios implementacijos, derinančios elgsenos duomenis, produktų metaduomenis ir sandorių istoriją, pasiekė greitesnius agento atsako laikus ir iki 50% klientų įsigijimo sąnaudų sumažinimą. Tai standartas, kurį reikia naudoti vertinimui. Pokalbių DI el. prekybai turėtų būti matuojamas kaip veiklos ir pajamų sistema. Jis taip pat turėtų būti matuojamas kaip matomumo sistema, nes jei DI asistentai negali patikimai rasti ir paaiškinti jūsų produktų, potencialas niekada nepasiekia parduotuvės.
Išvada: jūsų ateitis priklauso nuo DI matomumo
Pokalbių DI el. prekybai nėra tik dar viena programinės įrangos kategorija, kurią reikia įvertinti. Tai pokytis, kaip produktai yra atrandami, lyginami ir pasirenkami.
Matoma dalis yra pokalbis. Lemiama dalis yra po juo esantys duomenys.
Prekybininkai, kurie sutelkia dėmesį tik į priekinę dalį, paprastai gauna asistentą, kuris skamba pajėgiai, bet atsako nenuosekliai. Tai sukuria pasitikėjimo problemą. O pasitikėjimas yra pagrindinė valiuta DI tarpininkaujamoje prekyboje. Jei asistentas negali patvirtinti kainos, prieinamumo, pristatymo, grąžinimo ar produkto tinkamumo iš dabartinių parduotuvės duomenų, jis ilgai neišliks patikimas. Privatumas, atitiktis ir politikos aiškumas taip pat svarbūs, nes platformos greičiau rekomenduoja prekės ženklus, kurie pateikia nuoseklią ir patikimą informaciją.
Praktinė išvada yra aiški. Jūsų parduotuvė turi tapti įskaitoma mašinoms, o ne tik patogi klientams. Tai reiškia struktūrizuotus produktų duomenis, aiškius politikos duomenis ir sistemą, kuri laikytų šiuos faktus naujausius, kol verslas keičiasi.
Prekybininkai, kurie prisitaiko anksti, ne tik automatizuos palaikymą. Jie taps lengviau rekomenduojami DI sistemų tuo tiksliu momentu, kai pirkėjas klausia, ką pirkti.
Prekybininkai, kurie lauks, galbūt vis dar turės gerą svetainę. Tik jų nebus pokalbiuose, kurie dabar formuoja paklausą.
Jei norite įvertinti, koks jūsų parduotuvės matomumas DI apsipirkimo asistentams, Shoptank suteikia Shopify prekybininkams praktinę pradžią su DI matomumo stebėjimu, struktūrizuotomis parduotuvės išvestimis ir be kodo sąranka mašinai skaitomiems produktų ir politikos duomenims.