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

19 сентября / Комментарии

Что продают и покупают в социальных сетях

Повторное потребление – тренд, который активно растет на протяжении последних трех лет. Группы, посвященные продажам, сохраняют тренд роста даже несмотря на замерший рост соцмедиа в среднем, говорится в исследовании аналитического центра Brand Analytics

далее →

19 сентября / Комментарии

Обсуждение с экспертами августовских новостей в e-commerce

Обсуждаем с экспертами новости и события прошедшего месяца в электронной торговле. Мнения экспертов о технологиях, логистике, налогах и маркетинге в e-commerce

далее →

13 сентября / Комментарии

Российский рынок интернет-торговли: Desktop vs Mobile

Ассоциация компаний Интернет-торговли (АКИТ) совместно с Почтой России и партнерской сетью admitad представили результаты аналитического исследования российского рынка Интернет-торговли за первое полугодие 2017 года. Партнерская сеть admitad представила уникальные данные, полученные в ходе данного исследования.

далее →

29 августа / Комментарии

Траты к школе: исследование Яндекс.Денег и Яндекс.Маркета

Яндекс.Деньги и Яндекс.Маркет изучили расходы россиян на подготовку детей к школе. Выяснилось, что в конце августа традиционно вырос спрос на детскую одежду и обувь, канцелярские товары, электронику, товары в детских магазинах и магазинах игрушек. В исследовании учитывались платежи через Яндекс.Кассу и с пластиковых карт Яндекс.Денег за этот август и такой же период годом ранее, а также покупки на Яндекс.Маркете в июле – августе 2017 года и августе 2016-го.

далее →

21 августа / Комментарии

Анализ пользовательской активности партнерской программы AliExpress

Популярность сервисов, позволяющих пользователям получать кэшбэк за покупки в интернете, стремительно растет.
Количество пользователей, совершающих покупки на AliExpress с помощью сервиса ePN Cashback, с июля 2016 года выросло более чем в 13 раз (11 241 уникальный покупатель в июле 2016 года, 149 671 уникальный покупатель в июле 2017 года).

далее →

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