Нейросети определят, кому и когда предлагать скидки. Поможет ли это бизнесу?

Интернет-магазины начинают передавать искусственному интеллекту (ИИ) принятие решений о том, кому и на какие товары предоставлять скидки. Алгоритмы анализируют поведение покупателей и распределяют скидки так, чтобы получить максимальный эффект для бизнеса.

Так, интернет-магазины смогут поручить распределение скидочного бюджета алгоритму, чтобы тратить те же деньги на скидки, но получать больше продаж. Такой инструмент в закрытом тестировании запустил "Яндекс", сообщили "РГ" в пресс-службе компании. В его основе лежит ИИ-модель, которая анализирует данные о покупательском поведении и распределяет скидочный бюджет.

Сегодня такую логику маркетологи выстраивают вручную. Они анализируют, где скидка сработает лучше, а где не принесет ощутимого эффекта. Модель берет эту часть работы на себя и учитывает множество факторов одновременно: например, может определить, что скидку стоит дать новому покупателю, который еще не совершал заказ у бренда, или тому, кто давно не покупал у бренда.

Сейчас скидки, рассчитанные моделью, показываются в объявлениях на поиске. В будущем механизм планируют распространить на органическую поисковую выдачу и на предложения, которые Алиса AI делает пользователю в диалоге.

При этом многие покупатели и сегодня перед покупкой специально ищут акции, промокоды и спецпредложения. Спрос на такие механики остается стабильно высоким, а персонализация скидок с помощью искусственного интеллекта становится маркетинговым инструментом.

Принципиальное изменение новой механики заключается в том, что скидка перестает быть запертой внутри одной площадки или клиентской базы одного ретейлера - она появляется прямо в объявлениях, которые формирует и показывает ИИ-агент, объясняет глава Ассоциации цифровых платформ (АЦП) Ораз Дурдыев. По его словам, в результате выигрывают обе стороны: покупатель получает наиболее релевантное предложение в момент принятия решения, а магазин получает доступ к своей целевой аудитории, до которой раньше было значительно сложнее дотянуться.

"Снижение цены для конкретного покупателя и массовые скидки - это два разных инструмента, каждый из которых решает свою задачу. Когда нужно распродать остатки старой коллекции, логично объявить масштабную акцию на весь ассортимент. Но если цель - привлечь новых клиентов или вернуть "спящих", возникает задача точечной работы с маркетинговым бюджетом. Автоматизация этих процессов позволяет бизнесу заметно оптимизировать и бюджет, и усилия", - говорит Дурдыев.

По словам эксперта, маркетинговые акции и персональные предложения не являются ценовой дискриминацией. Скидка новичку, возвращающемуся клиенту или покупателю, который давно не совершал заказ, - это стандартный инструмент привлечения, существовавший задолго до появления алгоритмов.

Искусственный интеллект будет предлагать персональные скидки, чтобы привлечь новых клиентов

Для оценки того, насколько скидка действительно может повлиять на решение о покупке, используются разные сигналы покупательского поведения: какие товары человек смотрит, как долго изучает характеристики, сравнивает ли модели между собой, добавляет ли товар в корзину, возвращается ли к нему повторно, какие категории покупал раньше и как реагировал на предыдущие предложения.

"Важно понимать, что сама по себе скидка не всегда является главным фактором выбора - часто покупателю важнее получить уверенность в правильности решения, удобные условия доставки, дополнительный сервис или понятную рекомендацию. Персональные предложения потенциально могут быть эффективнее массовых акций за счет более точного распределения маркетингового бюджета", - рассказал Директор по маркетингу "М.Видео" Андрей Скачек.

В пресс-службе Ozon отмечают, что сегодня рынок движется к более персонализированному покупательскому опыту. На платформе искусственный интеллект уже активно используется в поиске и рекомендательных системах: алгоритмы анализируют сотни миллионов событий на площадке и помогают пользователям быстрее находить нужные товары с учетом цены, рейтинга, скидок и других параметров. За последний год количество заказов из рекомендаций на главной странице выросло в 5,5 раза, а доля оборота, которую приносят рекомендации, увеличилась почти на 60% - с 7% до 11% от всего оборота платформы.

"При этом такие технологии должны работать именно как управляемый инструмент для бизнеса. Продавцу важно сохранять контроль над бюджетом, маржинальностью и условиями акции, а покупателю - видеть понятную финальную цену и прозрачные условия предложения", - указывают в компании.

Также в "Золотом Яблоке" положительно отозвались о перспективах персонализации и подчеркнули, что компания активно работает в этом направлении. В частности, во многом на персонификации и геймификации построена программа лояльности ретейлера. Она предлагает клиентам систему двойных персональных выгод за каждую покупку, а также свободный выбор бенефитов из онлайн-раздела.

В целом о поведении покупателя позволяет понять прошлое и текущее транзакционное поведение клиентов. Директор департамента CVM и персонализации MAGNIT OMNI Евгений Семин говорит, что такие данные позволяют предсказать, какие предложения покупателю будут релевантны, на что он скорее всего откликнется, а на что - нет. Но также важны история взаимодействия с приложением и история откликов на предложения выгоды в прошлом. По данным компании, конверсия персональных выгод в разы превышает показатели массовых предложений, особенно в ретейле и других бизнесах с большой линейкой продуктов.