Çevrimiçi Yılbaşı Alışverişlerinde Nakit Kazancı İçin Tahmini Katılımı Kullanın

Yoğun yılbaşı tatili sezonu başlıyor. Tüketiciler, COVID-19 önlemleri nedeniyle normal mağazalar yerine interneti yerine tercih ettiğinden, büyük çevrimiçi satışlara hazırız. Aslında, ABD Ticaret Bakanlığı, yılın ilk yarısına ilişkin yeni çevrimiçi perakende satış verilerinin, ilk çeyrekte %11,8’den ikinci çeyrekte %16,1’e yükseldiğini bildirdi. Genesys entegrasyon ortağı Adobe, yılbaşı harcamalarının bu yıl %39 artmasını bekliyor.

Bu trafiğe hazırlanmak için dijital destek hizmetinizi geliştirmek, daha fazla mağaza içi personel istihdam etmekten zor görünebilir, ancak böyle olmak zorunda değil. Forrester, “Predictions 2021: It’s All About Empathy, Digital and Virtualizing Customer Care (2021 Tahminleri: Her Şey Empati, Dijital ve Müşteri Hizmetlerini Sanallaştırmayla İlgili)” raporunda, perakendecilerin ve bankaların 2021’de hibrit mağaza/iletişim merkezi rollerine sahip olacağını tahmin ediyor. Yeni normal, geleneksel mağazaların çalışanlarının becerilerini ve bilgilerini müşterilere dijital destek sağlamak için kullanması olacak.

Bu değişim, web sitenize çok sınırlı bir süre boyunca trafik akışı getirecektir. Yılbaşındaki bu artış için bot ve internet üzerinden sohbet sunacak temsilcilerin bir kombinasyonunu kullanmadan tüm bu müşterilere en iyi bire bir sohbet deneyimi sağlamak imkansızdır ve uygulanamaz.

Bu nedenle, yılbaşı alışverişi yapanların sayısı arttıkça (bazıları ilk kez yapıyor olacak) e-ticaret sitelerine yöneldikçe, satış oranlarını en üst düzeye çıkarmanız gerekir. Online satış stratejinizi optimize etmek için tahmine dayalı etkileşimin beş yolunu sunuyoruz.

1. Hedeflemeyi otomatikleştirmek manuel çalışmayı ortadan kaldırır

Web sohbeti, ya sohbet girişiminin sayfada sürmesi (reaktif) ya da sohbetin statik kurallara göre tetiklenmesi (proaktif) eğiliminde ortaya çıkıyor. Ancak sitenizde potansiyel müşterilerle etkileşime geçmenin daha etkili bir yolu var. Yeni nesil sohbet öngörücüdür; hızlı dijital ortamda kural oluşturma ve sürdürme çabalarını ortadan kaldırmak için yapay zekayı (AI) kullanır. Ayrıca, AI web sitenizdeki ziyaretçilerin davranışını sürekli olarak öğrenir ve uyum sağlar. Predictive Engagement (tahmine dayalı etkileşim) yönteminde, bir bota yönlendirilebilen ve ardından doğrudan veya soruya cevap verilemediğinde bir web müşteri temsilcisine götürülebilen bir akış rotası devreye alınabilir ve bu da şirketin acil ihtiyaçlara sahip müşterilere öncelik vermesine olanak tanır.

2. AI, doğru müşteri tipini tanımlar

Tahmine dayalı etkileşimde kullanılan sonuç tahmin modelleri, büyük miktarlarda web trafiğinden eyleme geçirilebilir bilgiler kazanmak için tasarlanmıştır. Yapay zeka modellerimiz, anlamlı web davranışı kalıplarını analiz ederek, web sitenizden ayrılma eğilimi en yüksek olan müşterileri belirleyebilir veya yardım için iletişim merkezini arayabilir. Ayrıca, yüksek değere sahip potansiyel müşterilere öncelik verilmesini sağlamak için bu bilgileri bağlamsal segmentlerle geliştirebilirsiniz. Bu sayede, temsilciler en yüksek etki için doğru zamanda müşterilerinizle iletişim kurabilir.

3. Müşteri temsilcileri web oturumuna ilişkin içeriği alır

Gerçek zamanlı izleme sayesinde müşteri temsilcileri, bir müşterinin web sitesi yolculuğuna ilişkin gerçek zamanlı oturum bilgilerini görür. Bu bilgileri, yanlış bir indirim kodunun kullanılması veya teslimat adresi sorunları gibi hataları tespit etmek için müşterinin ödeme işlemleri sırasında kullanabilirler.

4. Müşteri temsilcilerini çok kanallı yeteneklerle donatın

Genesys Predictive Engagement, tüm müşteri yolculuğu bağlamını göstermek için müşteri temsilcilerinin masaüstünde ekstra bir sekme barındırır. Bununla birlikte, genel müşteri temsilcisi deneyimi, kanallar arasında sorunsuz bir şekilde geçiş yapılabilmesi için aynı düzene sahiptir. Genesys Predictive Engagement, iki ila üç sohbeti yönetir. Müşteri yolculuğunu görebilmek, müşteri temsilcilerinin sorunları hızla gidermesine veya müşterilerin çevrimiçi yolculuklarında self servis hizmetten yararlanmaya devam edebilmesi için hızlı tavsiyeler sunmalarına olanak tanır.

5. Dönüşüm oranlarını ölçün ve raporlayın

Tahmine dayalı etkileşim, satın alma niyetini terk etme ihtimali gösteren müşterileri yakalar. Bir sohbet veya bot etkileşimine ihtiyaç duymadan kendi kendine hizmet veren ve çevrimiçi alış veriş yapacak olan müşterilere dokunmaz. Tahmine Dayalı Etkileşim dizisi öğrenme algoritması, bir satışı tamamlama eğilimleri sergileyen, ancak bir sayfada veya soruda duraksamak veya satın alma ile ilgisi olmayan bir sayfaya göz atmak gibi olaylar nedeniyle satışı tamamlama olasılıkları düşen müşterileri hedefler. Makine öğrenimi modeli, yılbaşı sezonu gibi sezonluk etkinlikler için ideal olan 30 günlük bir eğitim döngüsünde çalışır.

Genesys Predictive Engagement SDK, yolculuk sırasında web sohbetinin nerede tetiklendiğini göstermek için Google Analytics ve Adobe Analytics’teki mevcut raporlarla kolayca senkronize olur. Daha sonra satışa dönüştürme modellerini analiz edebilirsiniz. Bu, şunları yapmanızı sağlar:

• Satış hunileri oluşturun
• Sayfa raporları oluşturun
• Web sohbeti etkileşimlerini segmentlere ayırın
• İlişkilendirme modellemesi oluşturun

Genesys Predictive Engagement, çevrimiçi müşterilerinize kişiselleştirilmiş deneyim sunmak için ideal bir dijital konsiyerj hizmetidir. Online yılbaşı alışveriş trafiğindeki artışla birlikte, proaktiften tahmine dayalı bir yönteme geçmek fayda sağlayacaktır. Önemli olduğunda tam olarak ne sunacağınızı (bot veya sohbet) bileceksiniz. Ve hepsini ölçebilirsiniz.

Genesys Predictive Engagement ile artan yılbaşı etkinliğine hazır olun.