Когда прибыль больше?
Суть проекта
Самая распространённая маркетинговая стратегия, которую применяют продавцы физических товаров — это система скидок и купонов, например, на следующую покупку, на определённые категории товаров или на покупку в течение следующих нескольких дней.
Каждая обещанная скидка, естественно, приводит какое-то количество покупателей. В то же время, давая им скидку, продавец недозарабатывает, то есть теряет возможную прибыль. Отсюда возникает вопрос — а может быть, продавец заработал бы больше, не объявляя никаких скидок? Да, покупателей было бы меньше, но зато он бы продал им товары по полной цене.
Monocle разработал ИИ-машинку, которая может предсказать влияние скидок и купонов на прибыль продавца. Грубо говоря, она способна построить прогнозы будущих продаж без скидок и со скидками, сравнить их и указать вариант, при котором прибыль окажется больше.
Однако задача платформы не в том, чтобы обосновать стратегию работы без скидок, а ровно наоборот
ИИ-машинка может подобрать такую систему скидок, которая бы позволила продавцу получить дополнительную прибыль от их объявления — причём в каждый момент времени в зависимости от текущей статистики и текущих прогнозов продаж.
Предложения купонов и скидок продавцы делают не только для привлечения новых покупателей, но и для возвращения старых — рассылая специальные предложения по базе своих клиентов.
При этом ИИ-машинка Monocle может подобрать оптимальные варианты скидок для каждого конкретного клиента, опираясь на историю его предыдущих покупок и реакций на прошлые специальные предложения. Для этого она оперирует категориями товаров, которые могут заинтересовать конкретного клиента, и размерами скидок, минимально достаточными для того, чтобы его привлечь.
Всё эти прикидки ИИ-машинка совершает настолько быстро и самостоятельно, что она способна обрабатывать миллионы взаимодействий продавца и его клиентов.
А так как платформа Monocle интегрирована с популярными системами рассылок по почте и SMS, ИИ-машинка может регулярно и автоматически рассылать индивидуальные предложения со скидками и купонами по всей клиентской базе продавца.
Для этого продавцу нужно только задать рамки — например, делаем предложения вот такого-то типа вот с такими ограничениями по размеру скидок. После этого ИИ-машинка сама будет подбирать для каждого клиента оптимальный вариант в рамках заданных ограничений.
Результаты проведённых кампаний продавец видит в специальном разделе платформы. Их можно проанализировать и изменить заданные ранее рамки — какие-то промо убрать, какие-то добавить, а также изменить размеры скидок.
И эта стратегия работает! Клиенты платформы говорят об росте выручки на пользователя на 20 и 46%, а также об увеличении количества возвратов в брошенные пользователями корзины на 30–40%.
Monocle выпустил свою платформу только в прошлом году, тогда же он привлёк небольшие первые инвестиции. А сейчас он поднял новый раунд инвестиций уже на 7.5 миллионов долларов.
Что интересного
Целевая аудитория стартапа — D2C-бренды, которые обычно занимаются продвижением своих товаров с помощью скидок и купонов, а также маркетинговые агентства, работающие с D2C-брендами.
В одном из интервью основатели Monocle говорят, что D2C-бренды тратят на подобные промоакции порядка 400 миллиардов в год — что, наверное, включает как расходы на прямую рекламу, так и денежный эквивалент предлагаемых по этим акциям скидок. Ну а тогда это реально огромный рынок, и интерес инвесторов к стартапу очень хорошо объясним.
Однако самая главная фишка Monocle — это автоматическая индивидуальная подстройка офферов на купоны и скидки под каждого пользователя. Так как без ИИ на клиентской базе более-менее приличного размера вручную это сделать было бы попросту невозможно.
Поэтому подобные платформы стали возможны только сейчас, и их создание — это очень своевременное занятие
Такую платформу для автоматической рассылки индивидуальных офферов делает стартап OfferFit, о котором я писал в ноябре прошлого года.
Правда, он не специализируется на подсчёте дополнительной прибыли от предложений скидок, а просто оптимизирует эффективность рассылок для каждого получателя — начиная от индивидуального подбора сути оффера и заканчивая выбором оптимального времени отправки сообщения каждому получателю, чтобы он его с большей вероятностью открыл. На это OfferFit поднял уже 39 миллионов долларов.
В похожую сторону движется выпускник Y Combinator Lancey, о котором я писал в феврале. Он предлагает использовать ИИ для проведения продуктовых «микроэкспериментов», нацеленных на автоматически выделенные маленькие сегменты пользователей.
Ещё один выпускник Y Combinator Subsets, о котором я писал в январе, занялся удержанием подписчиков интернет-изданий. Его фишка тоже в индивидуализации, так как у разных пользователей образовываются разные привычки чтения изданий — кто-то читает их каждый день по утрам, кто-то по вечерам, а кто-то раз в неделю. ИИ-машинка платформы автоматически выделяет такие сегменты и разным образом стимулирует пользователей из каждого сегмента поддерживать свои собственные привычки.
Куда бежать
По большому счёту все маркетинговые приёмы и уловки уже давно известны. Ничего нового тут вряд ли можно изобрести
Однако сейчас появился новый способ увеличения их эффективности — за счёт использования ИИ, который может подбирать конкретные маркетинговые приёмы, которые лучше зацепят каждого конкретного пользователя. А в сумме это даст заметный выигрыш — хотя и все используемые приёмы далеко не новы. Потому что новизна подхода — в автоматической индивидуализации.
Таким образом, направление возможного движения — создание ИИ-платформ для индивидуализируемого маркетинга.
Так как речь идёт о тонкой подстройке маркетинга, то наиболее эффективными наверняка окажутся платформы, которые настроены ещё и на конкретные сферы использования. Как, например, сегодняшний Monocle, который заточен под рассылку купонов и скидок для D2C-производителей, или Subsets, который умеет анализировать привычки подписчиков интернет-изданий.
Чтобы сделать успешный стартап, необязательно изобретать что-то новое. Можно принципиально улучшить что-то старое за счёт новых технологий. Как, например, это сделал Убер — дав возможность вызвать такси за 5 минут, нажав на кнопку на телефоне.
Похожий технологический прорыв сейчас может произойти в маркетинге — если научиться выстраивать маркетинг не на уровне аудитории или её больших сегментов, а на уровне каждого конкретного пользователя. И в эту тему прямо сейчас ещё можно влезть.
В каких сферах компании уже тратят большие деньги на прямые маркетинговые коммуникации со своими пользователями? Какие маркетинговые приёмы они для этого используют? Повысится ли эффективность, если использовать те же самые приёмы, но с подстройкой под каждого конкретного пользователя? Исходя из каких данных эту подстройку можно производить? Справится ли с этим ИИ?
О компании
Monocle
- Сайт: usemonocle.com
- Последний раунд: $7.5M, 02.05.2024
- Всего инвестиций: $7.5M+, раундов: 2
#D2C • #ИИ • #маркетинг