بازیابی سبد خرید رهاشده با هوش مصنوعی قرار نیست فقط یک پیام خودکار برای مشتری بفرستد. هدف این است که سیستم تشخیص دهد هر کاربر چرا خرید را نیمه‌کاره گذاشته و چه نوع یادآوری، در چه زمانی و از چه کانالی احتمال بازگشت او را بیشتر میکند.
برای یک فروشگاه اینترنتی، خروج از صفحهٔ پرداخت همیشه به معنای بی‌علاقگی نیست. مشکل در درگاه، هزینهٔ ارسال، نیاز به مقایسهٔ بیشتر، ابهام دربارهٔ مشخصات کالا یا حواس‌پرتی ساده میتواند باعث رهاشدن سبد شود. هوش مصنوعی با تحلیل همین نشانه‌ها کمک میکند به‌جای ارسال پیام یکسان برای همه، واکنش متناسب‌تری طراحی کنید.
بازیابی سبد خرید رهاشده با هوش مصنوعی چگونه انجام می‌شود؟
فرایند از ثبت یک رویداد ساده شروع می‌شود: کاربر کالا را به سبد اضافه کرده، اما تا یک بازهٔ مشخص خرید را نهایی نکرده است. پس از آن، سیستم دادههای مربوط به سبد، رفتار کاربر و وضعیت فروشگاه را کنار هم می‌گذارد و برای هر مورد، اقدام مناسب را پیشنهاد میکند.
- تشخیص سبد رهاشده: سیستم بین خروج موقت، تکمیل خرید در دستگاه دیگر و رهاکردن واقعی سبد تفاوت می‌گذارد.
- تحلیل احتمال بازگشت: سابقهٔ خرید، ارزش سبد، دفعات بازدید و واکنش به پیام‌های قبلی برای اولویتبندی استفاده می‌شود.
- انتخاب پیام و کانال: ایمیل، پیامک، اعلان داخل سایت یا پیام در حساب کاربری میتواند بر اساس رضایت و رفتار مشتری انتخاب شود.
- اندازه‌گیری نتیجه: سیستم بررسی میکند چند نفر پس از پیام به سبد برگشته‌اند و چه تعداد خرید را کامل کرده‌اند.
این فرایند زمانی ارزشمند است که به سیستم فروشگاه، مدیریت موجودی و ابزار ارتباط با مشتری متصل باشد. اگر داده‌ها ناقص یا رویدادها اشتباه ثبت شوند، حتی متن بسیار خوب هم نتیجهٔ قابل اعتمادی ایجاد نمیکند.
هوش مصنوعی از روی چه نشانه‌هایی علت رهاشدن سبد را حدس می‌زند؟
هوش مصنوعی معمولاً علت قطعی را نمی‌داند؛ بلکه از الگوهای رفتاری برای ساختن یک احتمال استفاده میکند. مثلاً خروج تعداد زیادی از کاربران در مرحلهٔ انتخاب روش ارسال میتواند نشانهٔ هزینه یا زمان نامناسب ارسال باشد، نه بی‌علاقگی به محصول.
نشانه‌های قابل بررسی شامل زمان ماندن در صفحهٔ پرداخت، خطاهای درگاه، تغییر تعداد کالا، استفاده از کد تخفیف نامعتبر، مشاهدهٔ مکرر صفحهٔ محصول و تفاوت رفتار مشتری جدید با مشتری قبلی است. کنار هم گذاشتن این اطلاعات از تکیه بر یک علامت منفرد دقیق‌تر است.
چند گروه کاربردی برای شروع
- مشکل احتمالی در پرداخت: پیام باید مسیر پرداخت یا روش جایگزین را روشن کند، نه اینکه بلافاصله تخفیف پیشنهاد دهد.
- تردید دربارهٔ محصول: نمایش خلاصهٔ مشخصات، راهنمای انتخاب، موجودی یا پاسخ به پرسش‌های رایج میتواند مفیدتر باشد.
- سبد با ارزش بالا: مشتری ممکن است به زمان، مقایسه یا اطلاعات بیشتری نیاز داشته باشد؛ پیام‌های پیاپی در این گروه نتیجهٔ معکوس دارد.
- مشتری بازگشتی: سابقهٔ خرید و ترجیح‌های قبلی میتواند برای شخصی‌سازی متن، در صورت وجود رضایت و دادهٔ کافی، به کار رود.
چه پیام‌هایی برای بازگرداندن مشتری مؤثرترند؟
پیام خوب باید به مشتری یادآوری کند چه چیزی در سبد او باقی مانده و ادامهٔ مسیر را آسان کند. متن‌های مبهم مانند «فرصت را از دست ندهید» معمولاً اطلاعاتی دربارهٔ مشکل احتمالی کاربر ارائه نمی‌کنند.
برای مثال، اگر سیستم تشخیص دهد کاربر در صفحهٔ پرداخت با خطا مواجه شده است، پیام میتواند به بررسی دوبارهٔ روش پرداخت یا تماس با پشتیبانی اشاره کند. اگر مسئله کمبود اطلاعات باشد، لینک بازگشت به صفحهٔ محصول و پاسخ کوتاه به ابهام‌های رایج مناسب‌تر از تخفیف فوری است.
هوش مصنوعی میتواند چند نسخه از متن را تولید کند، اما تأیید نهایی باید با تیم فروشگاه باشد. قیمت، درصد تخفیف، زمان اعتبار پیشنهاد، موجودی و شرایط ارسال نباید بدون اتصال به دادههای واقعی یا کنترل انسانی در پیام درج شوند.
زمانبندی و تعداد پیامها را چگونه تنظیم کنیم؟
ارسال پیام بلافاصله پس از خروج کاربر همیشه بهترین تصمیم نیست. ابتدا باید فرصت داد مشخص شود کاربر واقعاً خرید را رها کرده است؛ سپس یک یادآوری کوتاه و مرتبط ارسال شود. فاصلهٔ مناسب به نوع محصول، چرخهٔ تصمیم‌گیری و کانالی که کاربر برای دریافت پیام انتخاب کرده بستگی دارد.
به‌جای یک برنامهٔ ثابت برای همه، چند سناریو تعریف کنید: مشتری جدید، مشتری قدیمی، سبد کم‌ارزش، سبد گران‌قیمت و کاربری که با خطای پرداخت روبه‌رو شده است. در هر سناریو سقف تعداد پیام و زمان توقف ارتباط را مشخص کنید تا یادآوری به مزاحمت تبدیل نشود.
مقایسهٔ دو زمان یا دو متن با گروههای مشابه، اطلاعات قابل‌اعتماد‌تری از حدس‌زدن ایجاد میکند. معیار فقط کلیک روی پیام نیست؛ خرید نهایی، سود واقعی، لغو سفارش و شکایت از پیام هم باید در ارزیابی دیده شود.
چه شاخص‌هایی نشان می‌دهند کمپین موفق بوده است؟
نرخ بازگشت به سبد نقطهٔ شروع است، اما به‌تنهایی کافی نیست. ممکن است کاربر روی پیام کلیک کند و بدون خرید خارج شود یا با تخفیفی بیش از ارزش سفارش بازگردد.
- نرخ تکمیل خرید: چه سهمی از سبدهای هدف‌گذاری‌شده به سفارش نهایی تبدیل شده‌اند؟
- درآمد و سود افزایشی: آیا فروش ایجادشده واقعاً بیشتر از گروهی است که پیام دریافت نکرده‌اند؟
- هزینهٔ هر بازیابی: هزینهٔ پیام، تخفیف، پشتیبانی و ابزارهای فنی را در کنار درآمد بسنجید.
- نرخ لغو و شکایت: افزایش پیامها نباید به تجربهٔ بد یا نارضایتی مشتری منجر شود.
بهترین مقایسه، استفاده از یک گروه کنترل است؛ یعنی بخشی از کاربران مشابه برای مدتی پیام دریافت نکنند تا مشخص شود چه مقدار از خریدها بدون مداخله هم انجام می‌شده است.
اشتباه‌هایی که نتیجهٔ بازیابی سبد را ضعیف می‌کنند
ارسال پیام به کاربری که خریدش را در دستگاه دیگری کامل کرده، یکی از خطاهای رایج است. هماهنگ‌نبودن وضعیت سفارش و سبد باعث می‌شود مشتری پیام نامرتبط دریافت کند و اعتمادش کاهش یابد.
اشتباه دیگر، تبدیل هر سبد رهاشده به فرصت تخفیف است. این کار هم سود را کم میکند و هم ممکن است به مشتری یاد بدهد خرید را عمداً عقب بیندازد. استفاده از اطلاعات نادرست دربارهٔ موجودی، فوریت ساختگی و پیام‌های مکرر نیز باید کنار گذاشته شود.
در جمع‌آوری و استفاده از داده‌ها، رضایت کاربر و امکان لغو دریافت پیام را جدی بگیرید. اطلاعات رفتاری باید فقط برای هدفی استفاده شود که به کاربر اعلام شده و دسترسی به آن نیز محدود و قابل‌کنترل باشد.
یک نقشهٔ شروع کم‌ریسک برای فروشگاه‌های اینترنتی
لازم نیست از ابتدا یک سامانهٔ پیچیده بسازید. ابتدا رویدادهای افزودن به سبد، شروع پرداخت، خطای پرداخت و تکمیل سفارش را درست ثبت کنید و مطمئن شوید سبد تکمیل‌شده دوباره وارد کمپین نمی‌شود.
- یک گروه محدود از محصولات و مشتریان را انتخاب کنید.
- یک پیام بدون تخفیف برای یادآوری و رفع ابهام طراحی کنید.
- زمان ارسال و سقف پیامها را مشخص کنید.
- گروه کنترل و شاخص‌های موفقیت را قبل از اجرا تعیین کنید.
- پس از جمع‌آوری داده، متن، زمانبندی و گروه‌بندی را اصلاح کنید.
جمع‌بندی: بازیابی سبد خرید رهاشده با هوش مصنوعی زمانی نتیجه می‌دهد که دادهٔ درست، پیام مرتبط و تجربهٔ پرداخت مناسب کنار هم قرار بگیرند. هوش مصنوعی جایگزین اعتمادسازی، قیمت‌گذاری و پشتیبانی خوب نیست؛ اما میتواند به فروشگاه کمک کند هر مشتری را با زمانبندی و پیشنهاد متناسب‌تری پیگیری کند.
