Американский агрегатор премиальных авиабилетов Wholesale Flights искал качественно новую точку роста и нашел ее в использовании искусственного интеллекта. Как это сработало и подходит ли для вашего бизнеса? Узнайте из статьи.
Компания Wholesale Flights работала по следующей схеме: потенциальный клиент заходил на сайт, оставлял заявку, и через некоторое время ему перезванивал менеджер. Он подбирал наиболее подходящие варианты полетов, предлагал сопутствующие услуги и оформлял покупку.
С ростом популярности сервиса число заявок увеличивалось, и менеджеры все больше времени тратили на обзвон клиентов, хотя не каждый такой звонок приводил к продаже.
Чтобы сократить затраты на дорогостоящих специалистов, не увеличивать штат и не отказываться от качественного общения со всеми возможными покупателями, агрегатор решил найти способ оптимизировать рабочее время. Чтобы наиболее опытные менеджеры общались с клиентами, которые действительно хотели бы приобрести билет, не тратили время впустую.
Как не терять перспективных клиентов
Для решения проблемы представители компании привлекли команду IT-разработчика WaveAccess, который работал при технологическом партнерстве с Microsoft и использовал возможности облачных вычислений Microsoft Azure.
Чтобы «идеальный клиент» и «идеальный менеджер» сразу нашли друг друга, специалисты создали модуль, где алгоритмы machine learning помогают рассчитывать конверсию заявок и их маржинальность.
Система способна автоматически ранжировать заявки клиентов по степени вероятности заключения сделки. Для этого она анализирует:
• e-mail,
• IP-адрес,
• геолокацию,
• время и дату заявки,
• время и дату предполагаемого полета,
• историю посещений сайта,
• текст заявки.
Эти сведения позволяют выявлять готовых к покупке клиентов и сокращать время общения с ними, так как система определяет, какие клиенты готовы сейчас обсуждать покупку. При этом менеджер заранее знает самое важное и может не задавать клиенту лишних вопросов.
Система изучает и работу менеджеров. Наиболее эффективных сотрудников можно выявить после анализа количества и длительности звонков, процента завершенных сделок и т.д.
Создание «идеальных пар» значительно увеличило вероятность покупки билета.
Что получилось
Всего за полгода система на базе машинного обучения позволила:
• в 3 раза уменьшить время нахождения перспективной заявки в листе ожидания,
• повысить конверсию на 3%,
• увеличить продажи на 17%, что почти в 3 раза превысило ожидания заказчика.
Решение WaveAccess можно использовать в любом секторе и индустрии, а облако Microsoft Azure делает его доступным в любой точке мира.
Если в вашем бизнесе задействованы продажи через сайт, модуль машинного обучения WaveAccess подойдет и вам.
Листайте дальше, чтобы получить бесплатную консультацию и узнать, как использовать алгоритмы машинного обучения для увеличения процента заключённых сделок.