BIG DATA в e-commerce: собираем данные из общения с клиентом

Смотрите в каталоге
Он-лайн консультанты

Для понимания, что такое большие данные, возьмем книгу «Война и мир» и посчитаем в ней количество слов. Можно сделать это силами одного человека, который потратит несколько суток на данную затею. А можно разобрать тома Толстого по частям, раздать их нескольким людям, которые также посчитают количество слов, а затем сложить полученные данные. Такое решение, к примеру, займет 1 день. В итоге, заметим, что big data – это второе решение нашей задачи по подсчету слов. Если измерять big data в числах, то должно быть не меньше 1 терабайта динамически изменяющихся данных в день.

Мы в RedHelper каждый день обрабатываем порядка 5 терабайт – информацию с 20 тысяч сайтов, на которых есть хотя бы несколько посетителей, т.е. с около 6 млн пользователей коммерческих сайтов. Что это за данные? Страницы сайтов, которые пользуются популярностью среди пользователей, паттерны их поведения, диалоги с операторами виджетов и т.п.

Как использовать big data от ваших виджетов? – 5 кейсов

1.Применение в определении клиента на сайте и прогнозирование его поведения

Благодаря решениям big data можно очень точно понять, кто является вашим клиентом, а кто нет. В принципе все сайты ограничиваются определенным меню, по которому можно вывести паттерны поведения, паттерны устройства сайтов. Кроме того, на основе данных в достаточной степени доступно определение, в какой зоне взаимодействия с клиентом есть рост, а в какой нет.

BIG DATA в e-commerce: собираем данные из общения с клиентом

2. Применение сравнения облака сайтов

Создание рейтинга на основе big data позволяет сделать сайт более эффективным. Так, например, у нас 60 000 клиентов, мы можем проанализировать нужные нам параметры и предоставить информацию в сравнении одного клиента с другим в определенной отрасли, выдать рейтинг по сайтам, активности пользователей. Так как данные — это всегда цифры, с ними сложно спорить и следовательно, их можно активно использовать для успешного бизнес-процесса. 

BIG DATA в e-commerce: собираем данные из общения с клиентом

3. Применение в A/B-тестировании

Благодаря анализу больших данных, можно отследить, как изменения на сайте повлияли на его коммерческую успешность. К примеру, до изменения сайта было состояние А, после – Б. Если учитывать все элементы сайта и поведения на них во всем облаке, можно с достаточной степенью точности сказать, что как только поменялся заголовок, прибавилось покупателей.

Использование виджетов с функциями big data избавляют клиентов от необходимости ставить дополнительные инструменты анализа. Вместе с отчетом о работе системы, они получают информацию по изменению определенной страницы и положительном или отрицательном значении для бизнес-процесса.

BIG DATA в e-commerce: собираем данные из общения с клиентом

4. Применение в выдаче чата

Многие говорят, что их чат или предложение перезвонить в течение 30 секунд бесит пользователей. Чтобы этого избежать достаточно использовать пласт больших данных о выдаче виджета. Так, мы, к примеру, проанализировали поведение людей и определили точку, когда нужно выдавать им чат, чтобы он был максимально эффективным.

Но надо понимать одну тонкость. Как только вы выявляете точку наибольшего согласия для перехода в чат, вы определяете момент, когда человек на чем-то сконцентрирован. Но в этот момент его надо не разозлить своей настойчивостью. Задача состоит в том, чтобы поймать пользователя в точках наименьшей активности, но при этом заинтересованности в продукте.

5. Применение в отчетах по работе виджетов и операторов контактных центров

Самый распространенный способ применения big data – отчеты о работе виджетов и операторов контактных центров. Так можно получить информацию о том, что ваш отдел онлайн-консультирования работает лучше или хуже остальных и почему. Это дает понимание, является ли ваш отдел консультирования конкурентным преимуществом или он не имеет никакого значения и следует отказаться от данных решения.

Можно использовать рейтингование на основе big data для операторов контактных центров. К примеру, посмотреть информацию об эффективности работы того или иного оператора. Так, мы выявили нетривиальный вывод, что летом общий рейтинг операторов падает. Видимо руководители уезжают в отпуска, и сотрудники начинают филонить.

Тоже самое касается звонков, благодаря собранным и проанализированным данным, по оценке операторов колл-центров, мы поняли, что оптимальное время для ответа – это 12 секунд. И уже на этот показатель ориентируются специалисты.

BIG DATA в e-commerce: собираем данные из общения с клиентом

Благодаря решению big data в e-commerce мы ожидаем, что сайты будут гибче подстраиваться под пользователя – контент, цены будут меняться в зависимости от юзера. Анализ будет более доскональным и всеобъемлющим. Мы только в начале пути. Желание знать своего покупателя и предугадывать его желания будут усиливаться. И, конечно, благодаря анализу данных, работа многих сотрудников контактных и сервисных служб в e-commerce претерпит изменения, анализ их эффективности позволит отказаться и оптимизировать рабочую деятельность.

Компании и сервисы: RedHelper
Автор: RedHelper

Подписаться на новости

Читайте также

30 декабря 2020 / Комментарии

Обсуждение с экспертами ноябрьских новостей в e-commerce

Каждый день в мире происходит что то новое и интересное, то, что волнует миллионы людей. Мир электронной коммерции не отстает. Самые значимые за прошедший месяц новости мы обсудим с нашими экспертами: Николай Хорт, основатель и СЕО сервиса быстрой курьерской доставки Take'N'Go; Валерия Саляхетдинова, пресс-служба Почты России; Денис Романовский, компания Roden Media;Оксана Любивая, основатель и генеральный директор ProStore by Lubivaya; Ольга Древаль, служба доставки Dalli, и другими. 

далее →

23 декабря 2020 / Комментарии

Эффективность email-рассылок в 2020 году: исследование Mindbox

Рассылки — один из самых часто используемых и результативных инструментов в маркетинге. Однако на эффективность рассылок влияет множество факторов: от частоты писем до особенностей индустрии. Компания Mindbox проанализировала более 100 тысяч email-рассылок от 260 российских компаний из разных отраслей и выяснила, какие факторы влияют на открытие, кликабельность и отписку.

далее →

22 декабря 2020 / Комментарии

Аналитики Price.ru представили календарь сезонного спроса на 2021 год

Уходящий год значительно поменял потребительские привычки и задал новые тренды для игроков розничного рынка. С учетом этих изменений команда Price.ru, онлайн-агрегатора цен и товаров, подготовила календарь сезонного спроса на 2021 год. Рассказываем, почему эта аналитика важна для ритейлеров и маркетплейсов.

далее →

17 декабря 2020 / Комментарии

Исследование российской аудитории интернет-магазинов

Яндекс.Маркет и компания GfK Rus провели ежегодное исследование аудитории интернет-магазинов. Вот основные наблюдения, касающиеся процесса покупки, оплаты и доставки товаров.

далее →

14 декабря 2020 / Комментарии

Исследование Criteo: 2020 год стал прорывным для онлайн-ритейла в России

Технологическая компания Criteo проанализировала изменение покупательского спроса в 2020 году и сформулировала тренды в российском e-commerce, появившиеся в результате пандемии.

далее →

X
Нажмите «Нравится»,
чтобы читать Shopolog.ru в Facebook