10 технологий, которые повлияли на то, как мы совершаем покупки
Как онлайн-магазины трансформируют электронные витрины, используя искусственный интеллект.
Сегмент fashion & lifestyle — мощный драйвер индустрии интернет-продаж: категория одежды и обуви находится на втором месте (после бытовой техники и электроники). На нее приходится практически треть международного рынка е-commerce. Согласно прогнозу Forrester, к 2022 году его объем достигнет $765 млрд. В общей структуре интернет-продаж одежда и обувь займут 36% (в 2018 — только 27%). Иными словами, в ближайшие годы трафик покупателей в этой категории перераспределится в пользу онлайна.
Растущая популярность электронной коммерции в модном сегменте обусловлена удобством и мобильностью. Сегодня пользователя отделяет всего лишь полтора часа от клика до получения заказа. Бесшовность опыта обеспечивает ведущий десяток технологий: AI и ML, Big data, VR и AR, компьютерное зрение, 3D сканирование, блокчейн, различные функции определения локации и автономные системы. Часть задействована на разных этапах взаимодействия с покупателем — в вовлечении, при выборе и доставке. Нередко конкретные инструменты, которые применяют ритейлеры, представляют собой технологический микс, где невозможно отделить, допустим, AI от Big data.
Персонализация, сбор и анализ данных
Искусственный интеллект. Индивидуализация — must-have любого электронного магазина, который претендует занять место на рынке. Об этом говорят факты: персонализированные уведомления, предложения и мероприятия нравятся большинству (75%) потребителей. По статистике, 43% покупок в интернете были совершены в результате индивидуальных рекомендаций или акций. Например, онлайн-маркетплейсы Amazon, Alibaba, Zalando кастомизируют электронные витрины в зависимости от предпочтений конкретного пользователя, используя искусственный интеллект.
Big data. Продолжая тему исследования потребительских предпочтений и поведения, стоит упомянуть технологию big data, которая является основой обработки информации о клиентах. Онлайн-магазины собирают и анализируют данные о предыдущих покупках и наиболее часто просматриваемых продуктах, сведения из социальных сетей и геолокацию пользователей. На основе полученной информации строится взаимодействие с покупателем.