Продавать нужно нежно, а не грубо
Суть проекта
Made With Intent помогает интернет-магазинам лучше конвертировать посетителей своего сайта в покупателей. Но не за счёт того, что магазины смогут больше «давить» на посетителей, вынуждая их что-то прямо сейчас купить — а за счёт того, что магазины станут лучше понимать, что за люди и зачем к ним на сайт пришли.
Фишка в том, что покупка чего-то более дорогого, чем копеечная жвачка на кассе супермаркета — это многоэтапный процесс. Не зря же появились термины «воронка продаж» или «прогрев покупателей». Люди сначала присматриваются в общем, потом сужают варианты выбора и изучают их глубже, потом колеблются, потом кладут товар в корзину, но уходят подумать, и так далее — пока наконец не совершат покупку или от неё не откажутся. И на каждом из этих этапов на человека нужно воздействовать по-разному, чтобы протолкнуть его дальше по этой самой воронке продаж.
Несмотря на это, большинство прикручиваемых к интернет-магазинам инструментов для стимулирования покупок полагает, что на сайт приходят люди, уже готовые прямо сейчас что-то купить. Поэтому они пытаются воздействовать на всех одним и тем же способом, который может довести до покупки только тех, кто реально для этого уже созрел. А положительным результатом считается только конверсия в покупку при текущем посещении.
А вот ИИ-машинка Made With Intent старается в реальном времени понять, зачем человек зашёл на сайт магазина. Для этого она анализирует более 200 сигналов, относящихся к тому, что человек смотрит на сайте и куда кликает. При этом она анализирует не только текущее поведение, но и то, что человек делал на этом сайте в прошлые посещения.
Всё это делается для того, чтобы отнести посетителя к одному из сегментов по его положению в воронке продаж. Сегмент этот может меняться в режиме реального времени — в зависимости от того, куда посетитель сейчас кликнул или какой другой поведенческий сигнал подал.
Имея на руках эту информацию, владелец интернет-сайта может настроить показ разных реклам и специальных предложений для посетителей, относящихся к разным сегментам. А это более эффективно продвигает посетителя к покупке.
Хотя, возможно, и не при этом посещении! Стартап утверждает, что использование платформы позволяет увеличить выручку магазина на 9.4% в течение 6 месяцев.
«Сегмент» — это по сути набор поведенческих сигналов посетителя, которые улавливает ИИ-машинка платформы. На платформе есть уже набор готовых сегментов, но владелец интернет-магазина может создать и свои собственные сегменты, чтобы ещё более тонко и точно настраивать воздействие на посетителей.
- «Колеблющиеся» — которые реально готовы купить, но никак не могут на это решиться, продолжая изучать варианты и условия. Поэтому им нужна последняя капля типа скидки при покупке прямо сейчас, способная пересилить эту нерешимость.
- «Зашедшие просто посмотреть» — которым нужно показать какой-то необычный товар или необычно убедительное предложение, способное внезапно привлечь их внимание, из-за чего их поведение на сайте может резко измениться.
- «Почему-то не выбравшие» — люди, показавшие высокое намерение к покупке конкретного товара, но ушедшие со страницы его описания, не добавив товар в корзину. Им можно показать какую-то информацию или специальное предложение, которое вернёт их мысли к этому товару.
При этом на посетителя, попавшего в определённый сегмент, нужным образом можно воздействовать не только на сайте самого магазина! Можно автоматически и регулярно выгружать сегменты пользователей для рекламного ретаргетинга — показывая подходящие именно этим пользователям предложения даже после того, как они ушли с сайта магазина в свою любимую социальную сеть, например.
Кроме того, автоматически сегментируя посетителей сайта по готовности к покупке, можно делать выводы об общем качестве приходящего на сайт трафика. А исходя из этого — оптимизировать содержание внешней рекламы и используемые для неё каналы.
Для того, чтобы начать использовать платформу, достаточно потратить пару минут на добавление всего одного скрипта на сайт магазина — который сразу начнёт анализировать поведение посетителей и их сегментировать.
Стартап Made With Intent был создан только в этом году, а его платформа пока ещё находится на этапе бета-тестирования. Но у него уже появились реальные клиенты, которые начали получать реальную пользу от использования платформы.
Как следствие, стартап сейчас поднял первые 1.5 миллионов фунтов стерлингов (примерно 1.88 миллионов долларов США) инвестиций.
Что интересного
Анализом поведения пользователей на сайте занимается стартап Session AI, о котором я писал осенью 2022 года, когда он ещё назывался ZineOne. Он создал платформу, которая за 5 кликов на сайте может угадать, что именно хочет купить пришедший на сайт пользователь, даже если о нём вообще ничего не известно. Session AI поднял 43 миллиона долларов инвестиций.
Проблема в том, что 90% посетителей интернет-магазинов анонимны — они либо никогда не регистрировались на сайте, либо их авторизация со временем уже «протухла». Поэтому магазин навскидку не может им ничего предложить, опираясь на их профиль или историю прошлых покупок — и поэтому магазинам для этого приходится прибегать к помощи платформ, подобных Session AI.
Стартап Neocom, о котором я писал осенью 2023 года, тоже анализирует поведение пользователей на сайте продавца. Его цель — понять, когда человек начал испытывать затруднения в процесса поиска или выбора товара, чтобы на него в этот момент можно было бы натравить цифрового помощника, который бы задал пользователю вопросы и дал бы ему дополнительную информацию. Этот стартап поднял 4.5 миллионов долларов инвестиций.
Фишка этих стартапов, как и сегодняшнего Made With Intent — это ИИ-машинка, способная анализировать поведение пользователей на сайте. Хотя подобным образом можно анализировать поведение не только покупателей интернет-магазинов.
Стартап ForMotiv, о котором я писал в начале 2023 года, сделал ИИ-машинку, которая анализирует поведение пользователей при заполнении заявок на сайтах страховых компаний. Таким способом она оценивает реальное намерение пользователя на заключение договора или даже на то, что он что-то утаивает — что позволяет страховым компаниям лучше квалифицировать заявителей. Этот стартап поднял 9.4 миллиона долларов инвестиций.
А в январе этого года я писал о выпускнике Y Combinator Subsets, который анализирует привычки чтения подписчиков интернет изданий и сегментирует их в соответствии с этими привычками — что позволяет владельцу издания по-разному на них воздействовать.
Однако фишка этих стартапов не только в анализе поведения пользователей. А в том, что в результате такого анализа владельцы интернет-сервисов перестают мерять своих посетителей одним аршином и, как следствие, воздействовать на них одним и тем же образом.
Ведь точечный анализ каждого пользователя позволяет воздействовать на каждого из них точечным образом — получая в результате гораздо более лучший суммарный эффект. Именно поэтому Made With Intent назвали себя «Moneyball для электронной коммерции».
Если кто не помнит, «Moneyball» (в русском переводе «Человек, который изменил всё») — это название книги и снятого по этой книге фильма. Книга описывает реальную историю тренера бейсбольной команды «Окленд Атлетикс».
До него стратегия бейсбольных команд заключалась в переманивании к себе звёзд, показывающих самые высокие индивидуальные результаты. Но у «Окленд Атлетикс» на это не хватало денег, и к тому же их тогдашние звёзды покинули команду. И тут тренер случайно познакомился с талантливым математиком, который создал математический аппарат для оценки эффективности бейсбольных команд.
Математик утверждал, что хорошие результаты можно достигать и без звёзд — выбирая средних игроков на основе статических данных и расставляя их в игре нужным образом. Тренер последовал его совету, набрал в команду на первый взгляд бесперспективных игроков — и его команда одержала небывалые двадцать побед подряд, установив рекорд американской лиги.
Куда бежать
ИИ стал сейчас позволять в режиме реального времени анализировать поведение пользователей на сайте, улавливая для этого сотни разнообразных сигналов и миллионы микрособытий. В случае ForMotiv, анализирующего заполнение заявок на сайте страховщиков, это даже движения мышки и скорость нажатия на клавиши.
Результатом такого анализа становится очень подробная сегментация пользователей по микросегментам. Эту информацию можно использовать для принятия последующих решений или для автоматического воздействия особым образом на каждый из таких сегментов в режиме реального времени.
Технологии эти стали доступны не так давно, и они всё ещё продолжают развиваться. А это значит, что они применяются ещё далеко не везде, где их можно начать с успехом применять. А там, где они уже применяются — ещё можно найти свободное место и для себя
Соответственно, просматривается два возможных направления движения.
Первое направление — создавать аналоги уже существующих платформ, работающих по этому принципу. Взяв в качестве образца для подражания, например, какой-то из упомянутых сегодня стартапов.
Второе направление — прикинуть, в каких ещё областях и для решения каких задач можно использовать тот же самый подход с автоматическим анализом поведенческих сигналов пользователей и последующим их автоматическим сегментированием. Кстати, пришло в голову, что этот подход можно назвать «Разделяй и властвуй»
В каких ещё областях стоит перестать рассматривать пользователей как однородную массу людей с одинаковыми намерениями? На какие сегменты или даже микросегменты их можно разбить? По каким признакам их поведения это можно сделать? Как по-разному можно воздействовать на каждый из таких сегментов для достижения наилучшего результата? Как это можно технологически реализовать?
О компании
Made With Intent
- Сайт: madewithintent.ai
- Последний раунд: £1.5M, 02.05.2024
- Всего инвестиций: £1.5M, раундов: 1