第二種情形是會員優惠券設計。優惠券包括電子形態的、手機APP里的優惠券。這些優惠券是根據顧客的購買數據動態、自動生成的。比如顧客結賬的時候,優惠券和購物小票一起就打印出來了。優惠券種類很復雜,結構很精巧,可以根據顧客分品種購買額設計,通常都有時間和品種限定。比如要在一周內用完,或只能購買某些特定的品種(這和推薦商品有點類似)。
優惠券還有一些超出我們想象的應用。比如,發現一位顧客從來沒有買過牛奶,但也給他牛奶優惠券,用于測試他是不是在其他的商店購買。如果他用了優惠券,那就證明這位顧客原先很可能在其他商店購買牛奶。這個結果出來之后,就可以給他更多的牛奶優惠券,這樣就可以對競爭對手形成一定的影響。
基于會員制、積分制以及購買記錄的優惠券系統,是目前商業智能的主要形態。優惠券越來越豐富,也越來越有意思。優惠券系統在歐美發達國家是很成熟的系統,可惜我國大部分零售企業用得比較粗放和簡單。
第三種情形是商品的推薦和交又銷售。如果某顧客購買某種(或某幾種)商品的時侯,通常還會買其他某種(或某幾種)商品,這就構成了一個事實關聯。根據這種關聯,可以將相關的商品一并向這位顧客推薦。還有一種關聯稱作邏輯關聯,它是根據某些事實作出的延伸性的合平邏輯的判斷。例如一位男顧客買了紙尿布,他很可能是孩子的爸爸,于是向他推薦奶粉。
以往將商品整合起來的推薦,其邏輯都比較僵化和直接一比如位朋友跟我說,他為家里的老人看過墓地,結果連續一個月都有商家向他推薦骨灰盒。隨著人工智能技術的發展,未來商品推薦將會更加多維和準確。例如,根據顧客的購買行為推斷他可能對哪些商品感興趣,進行橫向的相關產品推薦和縱向的上下游產品推薦。顧客買了電吹風,解決了頭發的問題,再推薦一個剃須刀解決胡子的煩惱,這是橫向的推薦;顧客買了榨汁機,同時推薦用于榨汁的水果,這是縱向的推薦。未來可能還有更加智能的跳躍式的、非單一線性邏輯的推薦。比如,某人經常買些高檔次的古典交響樂唱片,人工智能系統推斷出這個人可能屬于文化層次、收入水平比較高,行為做派比較西化的,那是不是可以給他推薦一款暗花懷舊型領帶?這個行動跨度比較大,但真正具有智能推薦的意味。
第四種情形是根據現在的購買行為推測未來的購買行為。這在技術上比較困難,但卻是未來人工智能的重點。其模型之一是顧客的消費生命周期;方法是基于顧客消費生命周期現階段的行為特征推測出下一階段的行為特征。例如,一對小夫妻剛剛結婚,現階段主要購買家庭生活用品;通常情況下他們下一階段的消費主題就是母嬰產品了(當然,先要判斷他們]有無懷孕計劃)。商家在顧客下一個消費主題出現之前或尚在萌芽狀態時,就可以未雨綢繆,提前與顧客互動、引導顧客消費
推測網站制作顧客未來行為的第二種模型,是根據顧客目前的行為刻畫顧客的生活態度、生活方式和消費心理;在此基礎上推斷出顧客將來可能出現的購買行為。例如,某一顧客的購買記錄證明他是年輕的、追求時尚的、喜歡運動的、有活力的,那么他將來可能喜愛及購買哪些風格、調性、功能的產品和服務,就會有一個較為清晰的輪廓、指向和范圍。這是零售商店與顧客一對一地精準、高效交互以及進行前瞻性的愿景營銷的依據。
本文地址:http://m.murenxiang.com.cn//article/2989.html