«Лента» увеличила отклик на коммуникации до 30%
Миллионы рублей маркетингового бюджета ежегодно уходят на скидки, которые покупатели просто игнорируют.
Причина проста: большинство программ лояльности до сих пор работают не с человеком, а с усредненным сегментом. «Любит кофе», «семья с детьми», «часто покупает мясо» — подобных категорий уже недостаточно, чтобы заинтересовать клиента действительно релевантным предложением.
В «Ленте» решили подойти к задаче иначе. Вместо поиска очередных сегментов команда Lenta Tech (ИТ-бренд «Группы Лента») попробовала создать для каждого клиента его цифрового двойника — модель, которая понимает не только что человек покупает, но и почему он это делает. Буквально они создали для каждого своего покупателя модель, которая понимает какими критериями выбора пользуется тот или иной клиент.
Результаты впечатляют. За время пилотных запусков кампаний с использованием цифрового клона в «Гипер Ленте», охвативших более 1 миллиона активных клиентов, получили:
• рост товарооборота примерно на 15%;
• рост маржинальности примерно на 11%;
• до 30% выше отклик на маркетинговые коммуникации.
Разбираемся, как работает цифровой клон покупателя, зачем для этого понадобились облачные GPU VK Cloud и почему большие языковые модели становятся новым инструментом персонализации в ретейле.
Почему традиционная персонализация перестает давать результат
Большинство механик персонализации в ретейле строятся по одному из двух сценариев.
• Первый — ручные правила. Маркетологи формируют сегменты и назначают каждому набор акций.
• Второй — классические ML-модели, которые прогнозируют вероятность покупки и рассчитывают наиболее выгодный оффер.
Оба подхода работают, но сталкиваются с одним ограничением: они видят клиента как набор признаков и вероятностей, а не как целостную модель поведения.
В результате покупатели получают скидки на товары, которые и без того регулярно покупают, а коммуникации постепенно превращаются в информационный шум.
Что такое «Цифровой клон» покупателя
В Lenta Tech решили использовать большие языковые модели для создания расширенного профиля клиента.
На вход модель получает историю покупок за последние 90 дней и обезличенные данные о поведении покупателя:
• состав корзины;
• категории товаров;
• ценовой сегмент покупок;
• формат взаимодействия с сетью;
• частоту и время покупок.
На основе этих данных ИИ формирует подробный профиль клиента: привычки, особенности домохозяйства, ценовые предпочтения, потенциальные потребности и объяснение, почему были сделаны именно такие выводы.
Фактически маркетинг получает возможность работать не с набором транзакций, а с цифровым представлением реального покупателя.
Почему для этого понадобились облачные GPU
Работа больших языковых моделей требует серьезных вычислительных ресурсов.
Для обработки данных и построения персонализированных сценариев «Лента» использует облачные GPU VK Cloud. Такой подход позволяет масштабировать вычислительные мощности под объем задач без закупки собственной дорогостоящей инфраструктуры.
Дополнительное преимущество — возможность быстро расширять мощности по мере роста числа клиентов и сценариев применения ИИ.
При этом персональные данные покупателей не используются напрямую: информация обезличивается, а доступ к инфраструктуре и моделям строго контролируется.
Что получил бизнес
За время пилота было сформировано более 1000 персонализированных инсайтов, которые легли в основу маркетинговых кампаний.
При этом большие языковые модели не заменили существующие инструменты аналитики и ML. Напротив, они усилили уже работающие механики персонализации, сделав коммуникации более релевантными.
Для бизнеса это означает переход от массовых скидок к персональным предложениям, основанным на реальном понимании поведения клиента. Усиление покупательской способности клиентов, основанное не на попытке угадать, что ему будет нужно, а на тактическом просчете его шагов.
Именно в этом сегодня заключается главный потенциал ИИ для ретейла: не автоматизировать рассылки, а помогать точнее понимать покупателя и эффективнее использовать маркетинговый бюджет.