Персонализация и автоматизация персональных рекомендаций в чат-боте

Заказчик:: Skillbox
Руководитель проекта со стороны заказчика: Вероника Мишакова

Руководитель CRM-направления
Поставщик: Retail Rocket
Год завершения проекта: 2022
Сроки выполнения проекта: Октябрь, 2022 - Октябрь, 2022
Масштаб проекта: 154 человеко-часа
Цели: Увеличение продаж за счет отправки пользователям сообщений с персональными предложениями в новом канале

Уникальность проекта

Это первый кейс внедрения персональных автоматизированных рекомендаций в чат-бот. До этого на российском рынке не было подтвержденных кейсов подобного внедрения.

Популярность использования чат-ботов для продажи товаров и услуг растет: Insider Intelligence ожидает, что к 2024 году этот канал будет приносить компаниям $142 млрд против $2,8 млрд в 2019 году. Такой формат коммуникации с клиентами не только разгружает отдел продаж. Согласно опросам, он наиболее удобен для 40% пользователей.

На данный момент компании внедряют рекомендации преимущественно в email-канал и не рассматривают чат-боты как инструмент доставки подобного рекламного контента, в то время как открытия и реакции в мессенджерах выше, чем в email. Усиление этого инструмента с помощью персональных рекомендаций – логичный следующий шаг. По нашим расчетам, через год эта технология станет must have инструментом для всех интернет-магазинов и сервисов услуг.

Использованное ПО

1. Retail Rocket – платформа по удержанию пользователей, в режиме реального времени формирует персональные товарные рекомендации с учетом интересов и предыдущих покупок пользователя

2. FASTTRACK - конструкотр ботов – через него осуществляются все отправки сообщений, в его БД существует фид с продуктами и написаны процедуры взаимодействия с Retail Rocket

3. S2 CRM - CRM система, которая обогащает конструктор данными клиентов после того, как Fasttrack создал сделку. Также Fasttrack обращается к S2, чтобы получить актуальный статус сделки конкретного клиента

Сложность реализации

Основной сложностью было продумать саму механику. Других трудностей на проекте не возникало.

Описание проекта

Попадая в чат-бот, пользователи первично сегментируются по направлению обучения или конкретному курсу. Для этого система принимает и обрабатывает url страницы, связывает ее с направлением или конкретным курсом, обращаясь к продуктовому фиду, с дальнейшей возможностью подтянуть из него данные для динамического сообщения: название курса, цена, скидка, ссылка на сайт.

Изначально команда мессенджер-маркетинга под руководством Кореловой Валерии собирала рассылки вручную: группировала их по продукту или направлению, запрашивала конкретные рекомендации в Retail Rocket и затем на основе этого формировала сообщение. Процесс решили полностью автоматизировать по следующей схеме:

Используются 3 типа рекомендаций:

Рекомендация для курса
Рекомендация по направлению
Курсы-хиты

После закрытия лида (сделка не была успешной, не было продажи) запускается цепочка рекомендаций.

Если не знаем курс и направление – отправляем только хиты
Если знаем направление – отправляем рекомендации по направлению и курсы хиты.
Если знаем конкретный курс – пользователь получит все рекомендации

Перед тем, как отправить каждый индивидуальный пуш пользователю, система проверяет наличие и статус сделки в CRM-системе. Если сделка есть и она не является неуспешной или закрытой, то цепочка не отправляется.

Чтобы оценить качество самих рекомендаций, мы добавили небольшой опрос для пользователей. Чат-бот просит оценить, насколько нравится подборка и насколько курсы из нее релевантны. Все оценки пользователей сохраняются и могут быть проанализированы в дальнейшем.