Elektroninė batų prekyba turi vieną esminį skirtumą nuo daugelio kitų e. komercijos sričių: klientui neužtenka pamatyti patinkančią prekę. Reikia pasirinkti tinkamą dydį, įvertinti modelio plotį, medžiagą, paskirtį, sezoniškumą ir kartais net konkretaus gamintojo dydžių specifiką. Fizinėje parduotuvėje šiuos klausimus padeda išspręsti konsultantas, o internetu klientas dažnai lieka vienas su prekių filtrais, dydžių lentele ir keliomis nuotraukomis. Būtent šioje vietoje atsiranda praktinė niša, kurią gali užpildyti AI asistentas.
Lietuvos batų e. parduotuvėms tai aktualu ir dėl didelės konkurencijos. Vietos prekybininkai konkuruoja ne tik tarpusavyje, bet ir su stambiomis tarptautinėmis e. prekybos platformomis, galinčiomis pasiūlyti didelį asortimentą, patogų prekių grąžinimą ir personalizuotas rekomendacijas. Todėl dirbtinio intelekto sprendimai turėtų būti vertinami ne kaip madingas svetainės priedas, o kaip priemonė, galinti pagerinti kliento patirtį, padidinti konversiją ir sumažinti dalį rankinio klientų aptarnavimo darbo.
AI asistentas gali tapti virtualiu batų pardavėju
Paprasčiausias AI asistento panaudojimo scenarijus – klientų konsultavimas. Tačiau čia svarbu atskirti įprastą pokalbių robotą nuo asistento, kuris turi prieigą prie parduotuvės produktų informacijos ir gali padėti priimti pirkimo sprendimą.
Pavyzdžiui, pirkėjas gali parašyti: „Ieškau juodų vyriškų batų darbui, kuriuos galėčiau avėti ir rudenį, biudžetas iki 120 eurų.“ Vietoje to, kad žmogus pats pasirinktų kategoriją, spalvą, dydį, sezoną ir kainos intervalą, AI asistentas gali išanalizuoti poreikį ir pasiūlyti kelis tinkamus modelius.
Dar vertingesnis sprendimas būtų asistentą susieti su faktiniais prekių duomenimis: likučiais, dydžiais, kainomis, akcijomis, medžiagomis ir kitais atributais. Tuomet sistema galėtų rekomenduoti ne teoriškai tinkamą, bet realiai sandėlyje esančią prekę.
Tai svarbi detalė. E. prekyboje AI vertę kuria ne vien gebėjimas sklandžiai bendrauti. Didžiausia nauda atsiranda tada, kai pokalbis sujungiamas su įmonės duomenimis ir konkrečiais verslo procesais.
Viena didžiausių problemų – tinkamo dydžio pasirinkimas
Batų prekyboje grąžinimai yra ypač aktuali problema, nes net ir žinodamas savo įprastą dydį klientas nebūtinai pasirinks tinkamai. Skirtingų gamintojų modeliai gali skirtis, o pirkėjui svarbus ne tik ilgis, bet ir bato plotis, forma bei individualios pėdos savybės.
AI sprendimas gali padėti išnaudoti parduotuvės jau sukauptą informaciją. Jeigu sistema turi pakankamai kokybiškų istorinių duomenų, galima analizuoti, kurie modeliai dažniau grąžinami dėl per mažo ar per didelio dydžio, kaip skiriasi gamintojų dydžiai ir kokius modelius klientai po grąžinimo pasirenka vietoje pirmojo varianto.
Pirkėjui nebūtina rodyti visos šios analizės. Jam galima pateikti paprastą rekomendaciją, pavyzdžiui: konkretaus modelio atveju verta rinktis vienu dydžiu didesnį variantą arba šis modelis labiau tinka siauresnei pėdai.
Tokia funkcija gali turėti tiesioginę finansinę reikšmę. Kiekvienas nereikalingas grąžinimas reiškia logistikos, administravimo, pakartotinio prekės paruošimo ir kartais jos nuvertėjimo sąnaudas. Todėl AI investicijos grąžą verta skaičiuoti ne tik pagal papildomus pardavimus, bet ir pagal potencialiai sumažėjusius grąžinimų kaštus.
AI asistentai gali perimti pasikartojančias klientų užklausas
Didėjant užsakymų skaičiui, auga ir klientų aptarnavimo apkrova. Klausimai dažnai kartojasi: kur yra siunta, kada bus pristatytas užsakymas, kaip pakeisti dydį, kaip grąžinti prekę, ar galima pristatyti į paštomatą, kada bus grąžinti pinigai.
Tokiose situacijose AI asistentai gali veikti kaip pirmasis klientų aptarnavimo lygis. Paprastesniais atvejais klientas atsakymą gauna iš karto, o sudėtingesnė užklausa perduodama darbuotojui.
Tačiau geras sprendimas neturėtų apsiriboti bendro pobūdžio DUK informacija. Integravus asistentą su užsakymų valdymo sistema, klientui galima pateikti informaciją apie konkretų užsakymą, jo būseną ar tolimesnius veiksmus. Žinoma, tokiai integracijai būtina tinkamai valdyti vartotojo autentifikavimą, prieigos teises ir asmens duomenų apsaugą.
Verslui tai leidžia keisti klientų aptarnavimo ekonomiką. Augant užsakymų skaičiui, darbuotojų skaičius nebūtinai turi didėti tokiu pačiu tempu, nes dalis standartinių užklausų automatizuojama.
AI gali padidinti vidutinę užsakymo vertę
Batų e. parduotuvėje svarbus ne tik konversijos rodiklis, bet ir vidutinė krepšelio vertė. Čia AI gali atlikti papildomo pardavimo funkciją.
Jeigu klientas renkasi žieminius batus, sistema gali pasiūlyti tinkamas priežiūros priemones, impregnantą ar vidpadžius. Perkant sportinius batelius galima rekomenduoti kojines ar kitus susijusius produktus, jeigu parduotuvė jais prekiauja.
Skirtumas tarp tradicinio rekomendacijų modulio ir AI asistento yra dialogas. Įprastas algoritmas parodo „kartu perkamas“ prekes, o asistentas gali atsižvelgti į kliento poreikį. Pavyzdžiui, paklausus, ar konkreti avalynė tiks vaikščiojimui lietingu oru, galima ne tik pateikti informaciją apie produkto savybes, bet ir pasiūlyti tinkamą priežiūros priemonę.
Taip papildomas pardavimas tampa konsultacijos dalimi, o ne agresyviu bandymu padidinti krepšelį.
AI planavimo asistentas naudingas ir už e. parduotuvės ribų
Dirbtinio intelekto nauda nebūtinai turi būti matoma klientui. AI planavimo asistentas gali būti naudojamas vidiniams prekybos procesams: akcijų planavimui, asortimento analizei, atsargų stebėjimui ar rinkodaros kalendoriaus sudarymui.
Avalynės prekyboje sezoniškumas turi didelę reikšmę. Žieminių batų, basučių, sportinės ar vaikiškos avalynės paklausa keičiasi priklausomai nuo metų laiko, oro sąlygų, akcijų laikotarpių ir kitų veiksnių. Per didelės atsargos sezono pabaigoje verčia mažinti kainas, o per mažos atsargos reiškia prarastus pardavimus.
Jeigu AI planavimo asistentas gauna pardavimų, likučių ir ankstesnių laikotarpių duomenis, jis gali padėti vadovui greičiau pastebėti tendencijas. Pavyzdžiui, nustatyti sparčiai mažėjantį konkrečių dydžių likutį, išskirti lėčiau parduodamus modelius arba parengti produktų grupių, kurioms verta taikyti akciją, sąrašą.
Svarbu suprasti, kad AI neturėtų savarankiškai priimti visų komercinių sprendimų. Jo vertė – sutrumpinti kelią nuo duomenų iki sprendimo. Galutinę atsakomybę dėl kainodaros, pirkimų ir akcijų išlaiko verslo vadovas ar kategorijos vadybininkas.
Turinio kūrimas – greičiausiai įgyvendinama AI funkcija
Batų e. parduotuvėje gali būti šimtai ar tūkstančiai produktų, todėl kokybiškų aprašymų kūrimas reikalauja nemažai laiko. AI gali parengti pirminius prekių aprašymus pagal struktūrizuotus duomenis: medžiagą, spalvą, kulno aukštį, pado tipą, paskirtį, sezoną ir kitus atributus.
Tas pats principas pritaikomas kategorijų tekstams, reklaminių kampanijų variantams, naujienlaiškiams ir socialinių tinklų turiniui.
Vis dėlto visiškai automatizuoti šio proceso nereikėtų. Jei AI pateikiama per mažai patikimų produkto duomenų, jis gali sukurti sklandžiai skambantį, bet faktiškai netikslų aprašymą. Avalynės prekyboje tai ypač pavojinga kalbant apie medžiagas, atsparumą vandeniui, priežiūrą ar kitas produkto savybes.
Todėl praktiškas modelis yra „AI parengia – žmogus patvirtina“, ypač diegimo pradžioje.
Personalizacija gali tęstis ir po pirmojo pirkimo
Didelę e. prekybos verslo vertę lemia pakartotiniai pirkimai. AI gali padėti segmentuoti klientus ne tik pagal amžių ar miestą, bet ir pagal jų faktinę pirkimo elgseną.
Jeigu klientas reguliariai perka konkretaus prekės ženklo sportinius batelius, jam galima tikslingiau pranešti apie naują kolekciją. Jeigu šeima periodiškai perka vaikišką avalynę, sistema gali padėti parinkti tinkamesnį laiką komunikacijai ir aktualius pasiūlymus.
Tačiau personalizacija turi būti valdoma atsakingai. Lietuvos e. prekybininkai veikia pagal ES Bendrąjį duomenų apsaugos reglamentą, todėl diegiant AI būtina aiškiai apsibrėžti, kokie klientų duomenys naudojami, kokiu teisiniu pagrindu jie tvarkomi ir kam perduodami. Technologinis patogumas nepanaikina įmonės atsakomybės už duomenų apsaugą.
Nuo ko batų e. parduotuvei pradėti?
Didžiausia klaida būtų pradėti nuo abstraktaus tikslo „įsidiegti AI“. Verslui reikėtų pradėti nuo konkrečios problemos ir jos ekonominio masto.
Jeigu klientų aptarnavimo komanda didelę dienos dalį skiria pasikartojantiems klausimams, pirmasis projektas gali būti klientų aptarnavimo asistentas. Jeigu daugiausia nuostolių sukelia netinkamai pasirinkti dydžiai ir grąžinimai, verta pirmiausia nagrinėti dydžio rekomendavimo galimybes. Jei problema – didelės sezoninių prekių atsargos, daugiau vertės gali sukurti vidinis analitinis ar AI planavimo asistentas.
Prieš investuojant į sudėtingą individualią sistemą verta atlikti ribotos apimties bandomąjį projektą. Jam turėtų būti nustatyti konkretūs rodikliai: konversijos pokytis, vidutinė krepšelio vertė, klientų aptarnavimo užklausų skaičius, darbuotojų sutaupytas laikas, grąžinimų dalis ar pajamos vienam svetainės lankytojui.
Po kelių mėnesių galima vertinti ne tai, ar klientams „patinka AI“, bet ar pasikeitė verslo rezultatai.
Technologija turi būti prijungta prie verslo duomenų
Šiuo metu generatyvinio AI sprendimą techniškai įdiegti yra gerokai paprasčiau nei prieš kelerius metus. Tačiau pats kalbos modelis dar nėra konkurencinis pranašumas. Tą pačią ar panašią technologiją gali naudoti ir konkurentai.
Pranašumą sukuria tai, prie ko AI asistentas prijungiamas: produktų katalogo, likučių, užsakymų istorijos, grąžinimų priežasčių, klientų aptarnavimo informacijos, kainodaros bei kitų įmonės duomenų.
Batų e. parduotuvei tai reiškia, kad prieš pradedant ambicingą AI projektą verta sutvarkyti produktų atributus ir duomenų kokybę. Jeigu kataloge nėra nuosekliai nurodytos medžiagos, modelio pločio, paskirties, sezono ar kitų savybių, net ir pažangus asistentas turės ribotas galimybes pateikti tikslias rekomendacijas.
Todėl AI diegimas dažnai tampa ne vien technologiniu, bet ir vadybiniu projektu. Jis priverčia įmonę įvertinti, kokius duomenis ji turi, kur jie saugomi ir ar jais galima patikimai naudotis.
Batų e. prekyboje AI asistentai turi didžiausią potencialą tuomet, kai jiems suteikiama konkreti funkcija: padėti išsirinkti prekę ir dydį, sumažinti klientų aptarnavimo apkrovą, didinti krepšelio vertę, analizuoti atsargas arba padėti planuoti komercinius veiksmus. Tokiu atveju AI tampa ne atskiru „inovacijų projektu“, o dar vienu įrankiu pardavimų ir veiklos efektyvumui didinti.
Verslininkui svarbiausias klausimas todėl turėtų būti ne „ar mums reikia AI?“, bet „kurioje mūsų e. prekybos proceso vietoje AI gali sukurti didžiausią išmatuojamą finansinę vertę?“ Atsakius į šį klausimą, tampa gerokai paprasčiau pasirinkti ir technologiją, ir projekto apimtį, ir investicijų dydį.
