미래의 수정 구슬: 전례 없는 구매자 행동 예측

소비자 구매자 행동을 이해하는 것은 쇼핑 경험을 향상시키는 데 중요합니다. 우리는 온라인 쇼핑과 일반 소매 모두에 대해 이야기하고 있습니다. 더 나은 것은 무엇입니까? 예측합니다.

자신의 눈을 믿을 수 없을 정도로 관련성이 높은 광고 및 제품 추천을 얻는 방법을 알고 있습니까? 소매점의 개인 쇼핑 도우미와 마찬가지로 고급 AI 기반 기술은 고객을 놀라게 하고 기쁘게 할 수 있습니다. 그것은 미래의 작은 수정 구슬을 갖고 현재, 내일 그리고 그 이후에 쇼핑객이 무엇을 원하는지 정확히 아는 것과 거의 같습니다.

어떻게 가능한가요? 그리고 정확히 무엇이 가능합니까? 알아 보려면 계속 읽으십시오.

• 구매자 이해하기
• 소비자 요구 예측
• 올바른 데이터 선택
  • 구매 행동 데이터
  • 재활용 제품 데이터
  • 제품 사용 데이터
• 구매 행동 예측

구매자 이해하기

구매자 행동을 이해하기 전에 구매자가 누구인지에 대한 기본적인 이해가 필요합니다. 누가 물건을 사는지는 분명하지만 때로 어떤 유형의 소비자를 상대하는지 정확히 파악하는 것이 혼란스러울 수 있습니다. 각기 다른 전문적인 요구 사항을 가진 여러 유형의 구매자가 있습니다. 여기서 구매자를 아는 것이 매우 중요합니다. 인공 지능(AI)을 사용하면 학습할 수 있는 알고리즘을 만들고 학습한 내용을 기반으로 결정을 내릴 수 있습니다. 특정 그룹의 사람들이 참조 그룹이 되고 이러한 결정은 학습자에게 피드백이 됩니다. 그런 다음 주기가 반복됩니다.

이러한 심층 분석이 없으면 제한된 의사 결정 능력에만 의존하게 됩니다.

Amazon 및 Apple과 같은 브랜드는 AI로 유명하지만 인공 지능을 실험하고 투자하는 수백 개의 회사가 있습니다. 의료 회사에서 소매 대기업에 이르기까지 모든 사람들은 고객이 구매한 제품을 구매하게 만드는 요인과 더 나은 서비스를 제공하는 방법을 이해하려고 노력하고 있습니다.

소비자 요구 예측

보안, 개인화 및 예측은 AI 시장의 3대 트렌드 요구 사항이며 AI에 대한 미국 지출의 절반 이상을 차지합니다. 이로 인해 브랜드는 패키지 상품, 일일 거래 및 쿠폰과 같은 수십 년 된 비즈니스 모델과 함께 무료 데모 데이 및 사용한 만큼 지불하는 옵션을 고려해야 합니다.

이러한 요구를 해결하기 위해 판매자는 구매자 행동보다 앞서기 위해 모든 종류의 무료 및 유료 서비스를 제공하고 있습니다. 목표는 고객이 최상의 구매 결정을 내릴 수 있도록 돕는 것입니다.

올바른 데이터 선택

브랜드와 소비자 사이에는 매일 엄청난 양의 데이터가 흐릅니다. 일부는 재판매되고 일부는 마케팅 목적으로 공유되며 일부는 향후 사용을 위해 단순히 수집됩니다. 브랜드가 이 데이터를 자체적으로 수집하는 것은 매우 쉽지만 어디서부터 시작해야 할까요? 어떤 유형의 데이터를 수집해야 합니까?

최고의 게임을 유지하는 데 필요한 데이터 종류는 비즈니스마다 다르지만 모든 브랜드에서 수집을 고려해야 하는 몇 가지 핵심 요소는 다음과 같습니다.

1. 구매 행동 데이터

첫째, 구매 행동 데이터는 소비자가 귀하의 제품을 구매할 가능성이 있는지 여부를 보여줍니다. 이 데이터는 고객 경험 피드백 프로세스 중에 수집되어야 합니다. "이 제품이 표시된 가격으로 제공된다면 구매할 의향이 있습니까?"와 같은 질문을 고려하십시오. 및 "1에서 10까지의 척도에서 제품 품질이 얼마나 중요합니까?" 소셜 미디어에서도 질문할 수 있습니다. LinkedIn에서 설문조사를 만들고 습관적인 구매 행동에 대한 즉각적인 피드백을 수집하세요! 이렇게 하면 마케팅 믹스를 향상하고 메시지를 훨씬 더 효과적으로 타겟팅하는 데 도움이 됩니다. 결국, 처리되는 모든 의사 결정은 다릅니다.

2. 재활용 제품 데이터

소비자는 세일할 때 더 많은 제품이나 서비스를 구매할 가능성이 있습니다. 더 많은 충동 구매도 이때 발생합니다. 사회적 요인도 구매 행동에 영향을 미칩니다. 휴일과 다양한 개인적 이정표를 생각해 보십시오.

이 기회를 포착하려면 임시 프로모션(지금 구매, 나중에 지불) 및/또는 상향 판매(일부 품목에 대한 프로모션, $X 이상 주문 시 무료 배송)를 고려하십시오.

3. 제품 사용 데이터

고객이 제품을 어떻게 사용할지 생각해 보세요. 제품에 대한 대체 용도를 제안할 수도 있습니다. 창의력을 발휘할 시간입니다! 베이킹 소다가 어떻게 모든 냉장고의 주요 방향제가 되었는지 기억하십니까? 아니면 치약이 어떻게 세척 솔루션이 되었습니까? 그런 예가 많이 있으므로 제품의 대체 용도도 생각해 보세요.

구매 행동 예측

집계된(개인화되지 않은) 높은 수준의 예측 측면에서 우리는 몇 가지 좋은 예측을 보고 있습니다. NRF는 Prosper Insights의 데이터를 사용하여 카테고리 지출(예: 꽃은 y% 증가할 것으로 예상되고 사탕은 z% 감소할 것으로 예상됨)과 함께 총 지출(예: 올해 어머니날 지출이 x% 증가할 것으로 예상됨)에 대한 전망을 자주 발표합니다. . 많은 소매업체는 카테고리/부서를 예측할 수 있으며 때로는 체인 전체의 선택 수준 판매를 정확하게 예측할 수 있습니다. 그러나 이것이 종합적으로는 도움이 되지만 소매업체가 범주별로, 궁극적으로 속성/선택별로 특정 고객의 계획된 지출을 예측하는 성배를 향해 나아가는 데 도움이 되지는 않습니다.

개인화되지 않은 높은 수준의 예측이 몇 가지 유망한 결과를 보여주고 있습니다. NRF는 카테고리 지출(예: 시계는 Y% 증가하고 면도 키트는 Z% 감소 예상)뿐만 아니라 총 지출(예: 아버지의 날 지출이 올해 x% 증가할 것으로 예상됨)에 대한 예측을 자주 발표합니다. 소매업체는 종종 카테고리/부서 및 체인 전체의 선택 수준 판매를 정확하게 예측합니다.

그러나 수동으로 수행하여 확률을 계산하거나 정리된 의사 결정 트리를 구축하는 것은 알려지지 않은 것이 너무 많은 큰 도전 중 하나입니다. 결국 대부분의 고객 데이터베이스에는 성별과 우편번호만 표시됩니다. 그러나 적절한 타겟팅에는 그 이상의 것이 필요하다는 것을 우리 모두 알고 있습니다. 특정 타겟 시장에 어필하기 위해서는 이 두 가지 요소에만 의존할 수 없습니다.

이것이 바로 고급 예측 분석이 미래인 이유입니다. 이 기사를 읽는 동안 이러한 기능에 대해 작업하게 되어 기쁩니다! 머지 않아 이전과는 다른 구매자 행동을 예측할 수 있게 될 것입니다. 또한 수동 계산을 수행할 필요도 없습니다. 또한 결과가 더 정확하고 신뢰할 수 있습니다. 따라서 Maropost Marketing Cloud의 새로운 고급 분석 기능을 계속 지켜봐 주십시오!