By Raghavan Kirthivasan, Giám đốc Khoa học Dữ liệu tại Epsilon Ấn Độ.

nguồn

Các doanh nghiệp thường chạy các chiến dịch kéo dài 8-10 tuần với các email hàng tuần được gửi đến cơ sở khách hàng có thể tiếp cận. Vì mô hình mua hàng của khách hàng phụ thuộc vào bản chất của sản phẩm trong danh mục sản phẩm, thời gian để mua lần tiếp theo thường là một tháng hoặc hơn, tùy thuộc vào danh mục. Do đó, đối với hầu hết khách hàng, nội dung được gửi qua các chiến dịch hàng tuần thường giống nhau vì các đề xuất mô hình không thay đổi hàng tuần dựa trên dữ liệu lịch sử. Do đó, các đề xuất bị trì hoãn trong khoảng thời gian từ 3 đến 4 tuần có thể dẫn đến trải nghiệm khách hàng không tốt.

Mặt khác, dựa trên tần suất mua hàng, việc gửi e-mail có nội dung tương tự cũng có thể đóng vai trò như một lời nhắc nhở trong trường hợp khách hàng bỏ lỡ bất kỳ e-mail nào trước đó. Do đó, chiến lược gửi e-mail lặp lại với cùng một đề xuất cũng có thể dẫn đến tăng doanh thu.

Bài viết này xem xét việc cá nhân hóa nội dung được gửi qua e-mail cho các chiến dịch tiếp thị, chẳng hạn như ưu đãi tại SKU, Sản phẩm, Danh mục, v.v. và phác thảo cách sử dụng khái niệm đa dạng cho mục đích tương tự.

Trạng thái mong muốn và giới hạn

Tình huống lý tưởng sẽ là một kịch bản trong đó chúng tôi có thể hiển thị cho khách hàng nhiều tùy chọn hơn ở cấp độ hàng tuần thay vì ở cấp độ hàng tháng, với các đề xuất từ ​​mô hình ML để cải thiện trải nghiệm tổng thể của khách hàng mà không làm giảm ROI. Chúng tôi cũng sẽ nói về các giai đoạn khác nhau trong chiến dịch lý tưởng để giới thiệu một chiến lược như vậy.

Ý tưởng là đưa ra một chiến lược giới thiệu sự đa dạng trong các đề xuất nếu có thể sao cho các đề xuất mô hình không thay đổi và mức tăng chiến dịch không bị hy sinh.

Như đã đề cập trước đó, vì các đề xuất từ ​​mô hình ML thường không thay đổi thường xuyên, nên ý tưởng là xác định các danh mục nằm ngoài 3 hoặc 4 danh mục được đề xuất hàng đầu theo mô hình ML, mà khách hàng có nhiều khả năng mua nhất mà không phải hy sinh ROI.

Giải pháp đề xuất

Giả sử rằng có 50 danh mục đã được dành cho một chiến dịch. Đây là những danh mục mà khách hàng muốn gửi e-mail cho khách hàng của họ và thông báo cho họ về các khoản giảm giá có sẵn trên các danh mục phù hợp nhất với khách hàng của họ. Chúng tôi gọi nhóm danh mục này là “Nhóm lựa chọn".

Kỳ vọng của Nhóm Khoa học Dữ liệu là xác định 3 hoặc 4 danh mục hàng đầu mà khách hàng có nhiều khả năng mua nhất trong “Nhóm lựa chọn.” Trong khi xây dựng mô hình, mô hình sẽ xếp hạng tất cả các danh mục trong nhóm lựa chọn mà từ đó chúng tôi chọn 3 hoặc 4 danh mục hàng đầu mà chúng tôi sẽ gửi trong e-mail.

Sự đa dạng không được tối ưu hóa cho những gì khách hàng sẽ mua mà gợi ý về các sản phẩm bổ sung mà khách hàng có thể mua.

giới thiệu đa dạng

Có thể thực hiện nhiều hành động khác nhau đối với việc giới thiệu giống tùy thuộc vào vị trí của chúng ta trong giai đoạn giải quyết vấn đề. Sẽ hợp lý hơn nếu chia vấn đề sâu hơn thành các câu hỏi sau:

• Giới thiệu giống ở đâu?
• Khi nào nên giới thiệu giống?
• Làm thế nào để giới thiệu sự đa dạng?

Chúng tôi sẽ cố gắng thảo luận riêng và tìm ra câu trả lời tiềm năng cho những câu hỏi này.

Giới thiệu giống ở đâu?

Điều này sẽ giúp chúng tôi xác định đúng nhóm khách hàng mà việc cung cấp các đề xuất đa dạng có thể hợp lý đối với họ. Tùy thuộc vào giai đoạn chúng ta đang ở trong vòng đời mô hình, chiến lược để trả lời câu hỏi này có thể thay đổi.

triển khai trước

Trước khi mô hình được đưa vào sản xuất, có một tập hợp các tham số có thể giúp chúng tôi xác định một chiến lược tốt để kết hợp nhiều loại trong các đề xuất.

1. Sức mạnh mô hình cho các khuyến nghị lựa chọn: Điều này có thể được hiểu bằng cách phân tích xác suất của mô hình đối với các lựa chọn khác nhau của nhóm cách nhau bao xa. Càng đi xa, càng tự tin là mô hình xác định tập hợp các lựa chọn phù hợp cho khách hàng
2. Nhóm lựa chọn lịch sử của khách hàng: Tập hợp các lựa chọn mà khách hàng đã mua hoặc lịch sử có sẵn cho khách hàng

Bảng sau đây kết hợp cả hai khía cạnh và cố gắng xác định tập hợp các hành động dựa trên các kết hợp khác nhau:

Chiến lược trên có thể được khám phá trước khi mô hình đi vào sản xuất. Nhưng sau đó, chúng ta phải xem xét cách chúng ta đưa ra quyết định sau khi mô hình đi vào hoạt động.

Hậu triển khai

Sau khi mô hình được đưa vào sản xuất, chúng tôi có thêm một thông tin quan trọng, tức là các lựa chọn thực tế của khách hàng sẽ như thế nào so với đề xuất mô hình. Thông tin mới này có thể tỏ ra rất cần thiết trong việc hoàn thiện hơn nữa quyết định về khách hàng nào có nhiều khả năng bị tác động tích cực hơn thông qua nhiều đề xuất khác nhau.

Có thể có nhiều cách khác nhau để sử dụng thông tin này và đưa ra quyết định. Dưới đây là một cách để sử dụng hành vi mua hàng thực tế của khách hàng để xác định nhóm khách hàng có thể được hưởng lợi thông qua nhiều đề xuất khác nhau.

Khi nào nên giới thiệu giống?

Vì việc kết hợp tính đa dạng vào các đề xuất có thể không hiệu quả trong mọi trường hợp nên chúng tôi cố gắng tìm kiếm các tiêu chí chiến dịch mà việc giới thiệu tính đa dạng có vẻ hợp lý.

1. Độ dài của chiến dịch: Có vẻ như thích hợp để giới thiệu nhiều đề xuất khác nhau khi chúng tôi xử lý các chiến dịch có thời lượng dài, nơi khách hàng tiếp xúc với chiến dịch nhiều lần và do đó có cơ hội để khách hàng xem các đề xuất giống nhau qua nhiều e-mail.
2. Thời gian chạy chiến dịch trước khi giới thiệu đa dạng: Cần dành một khoảng thời gian để chiến dịch hoàn thiện trước khi đưa ra nhiều đề xuất khác nhau vì kết quả ban đầu có thể không cung cấp thông tin chính xác. Khoảng 2 đến 3 tuần dường như là thời điểm tốt cho phép chiến dịch chín muồi trước khi giới thiệu giống và cho phép chúng tôi đưa ra quyết định sáng suốt hơn.
3. Lựa chọn Kích thước hồ bơi: Số lượng các lựa chọn trong nhóm là một yếu tố đóng vai trò quan trọng trong các quyết định liên quan đến giống. Quyết định xung quanh sự đa dạng trở nên không quan trọng trong các trường hợp có nhóm lựa chọn rất nhỏ vì nó để lại rất ít lựa chọn để thử. Một nhóm lựa chọn với 20 tùy chọn có vẻ như là một nơi tốt để bắt đầu. Chúng tôi cũng có thể nghĩ về nó theo tỷ lệ phần trăm các tùy chọn còn lại sau một lần chạy, ví dụ: chúng tôi phải đề xuất 4 lựa chọn trong nhóm 20 lựa chọn, khiến chúng tôi có 80% lựa chọn trong nhóm sau chu kỳ đề xuất đầu tiên cho khách hàng.

Làm thế nào để giới thiệu sự đa dạng?

Có thể có nhiều cách để kết hợp sự đa dạng vào các khuyến nghị trong trường hợp các khuyến nghị của mô hình không thay đổi theo thời gian vì một số lý do nhất định. Chúng ta sẽ khám phá một số cách dựa trên kỹ thuật và kinh nghiệm ở đây.

Phân tích giỏ thị trường

Đây là một trong những cách kỹ thuật để mang lại sự đa dạng và dựa trên Khai thác quy tắc kết hợp. Khai thác quy tắc kết hợp là một kỹ thuật xác định mức độ liên kết giữa các cặp sản phẩm được mua cùng nhau và xác định các kiểu xảy ra đồng thời. Sự đồng xảy ra là khi hai hoặc nhiều sự việc xảy ra cùng nhau. Các quy tắc kết hợp không trích xuất sở thích của một cá nhân mà tìm ra mối quan hệ giữa các tập hợp phần tử của mỗi giao dịch riêng biệt.

Theo thuật ngữ thông thường, Phân tích giỏ thị trường (MBA) xác định các bộ sản phẩm thường được mua cùng nhau.

Một cách là tận dụng mô hình để tìm ra lựa chọn có xác suất mua hàng cao nhất, tiếp theo sử dụng MBA để xác định bộ sản phẩm tương ứng có mối liên hệ cao nhất với lựa chọn được đề xuất của mô hình và sử dụng những lựa chọn này làm lựa chọn được đề xuất.

Bây giờ chúng ta sẽ xem xét một số cách dựa trên kinh nghiệm để thêm sự đa dạng cho các đề xuất của chúng ta.

Đa dạng dựa trên giá

Một cách tiếp cận dựa trên quy tắc để bao gồm sự đa dạng có thể là coi giá là cơ sở để phân loại các lựa chọn thành các nhóm. Kiểu phân loại này cho phép chúng tôi đưa ra các đề xuất cho khách hàng trong phạm vi giá.

Chúng tôi có thể tiếp tục chọn các lựa chọn có xác suất mô hình được mua cao nhất từ ​​mỗi nhóm dựa trên giá này và cung cấp sự đa dạng dưới dạng các tùy chọn chưa được trình bày cho khách hàng tương ứng. Cách này cũng cung cấp một cách để hiểu liệu việc cung cấp sự đa dạng dưới dạng các tùy chọn có giá khác nhau có phù hợp với cơ sở khách hàng hay không.

Đa dạng dựa trên danh mục sản phẩm

Một cách tiếp cận dựa trên quy tắc khác có thể được tuân theo là sử dụng các danh mục lựa chọn do doanh nghiệp xác định làm cơ sở để lựa chọn các lựa chọn và cung cấp sự đa dạng giữa các danh mục khác nhau. Tương tự như chiến lược cuối cùng, chúng tôi có thể trình bày các tùy chọn có khả năng mô hình cao nhất từ ​​mỗi danh mục lựa chọn chưa được trình bày cho các khách hàng tương ứng.

Kết luận và phạm vi tương lai

Thông qua bài viết này, chúng tôi đã cố gắng khám phá một vấn đề rất thực tế được nhìn thấy với các mô hình khuyến nghị đang được sử dụng ngày nay.

Sự đa dạng có thể được giới thiệu trong trường hợp các đề xuất được cá nhân hóa do nhiều lý do không thay đổi trong mỗi lần gửi. Chúng tôi đã thảo luận về các cách mang lại sự đa dạng mà không làm giảm hiệu quả của chiến dịch.

Chiến lược được thảo luận ở trên là sự kết hợp giữa các phương pháp tiếp cận dựa trên phân tích và kinh nghiệm và sẽ đóng vai trò là nền tảng khởi đầu cho bất kỳ vấn đề tương tự nào mà các doanh nghiệp gặp phải trong việc cá nhân hóa các đề xuất. Các bước tiếp theo có thể thay đổi từ dự án này sang dự án khác tùy thuộc vào kết quả sơ bộ nào đã được nhìn thấy sau khi tận dụng phương pháp này.

Tài liệu tham khảo

https://webfocusinfocenter.informationbuilders.com/wfappent/TLs/TL_rstat/source/marketbasket49.htm

Tiểu sử: Raghavan Kirthivasan có 18 năm kinh nghiệm về Khoa học dữ liệu/Phân tích với chuyên môn chức năng về Tiếp thị/Quản lý rủi ro và Phân tích gian lận trên các khu vực địa lý (Hoa Kỳ, Vương quốc Anh, APAC). Trong các vai trò trước đây của mình tại WNS, AIG và Epsilon Agency, Raghavan đã ươm tạo các nhóm Khoa học Dữ liệu.

Liên quan:

• Phân tích kết quả cá nhân hóa
• Cách tiếp cận không thỏa hiệp đối với các dịch vụ được cá nhân hóa bảo vệ quyền riêng tư
• Hệ thống giới thiệu trong một Nutshell