×
Интернет-магазинам необходим опыт офлайн-продаж

Реальность – штука забавная до крайности. Электронная коммерция растет начиная с 90-х, но мы в большинстве своем продолжаем упорно посещать разного рода офлайновые магазины и торговые центры. Даже учитывая тот факт, что онлайн-покупки уже довольно просты, совершаются в один клик и могут быть доставлены сразу после оплаты или спустя день, многие каждодневные вещи мы продолжаем покупать в местных магазинчиках.

 

Основная причина, по который мы все еще посещаем торговые центры, – для нас это все-таки чуть больше, чем просто покупка, это своего рода выход в свет и встреча с друзьями. Вы идете в ТЦ с друзьями, советуетесь друг с другом по поводу вещей, после покупок, возможно, заходите в кино и после сидите в ресторане за бокалом вина. 

 

Современные торговые центры

 

«Такой шопинг приносит удовлетворение. Это своего рода подтверждение успеха, которое приносит значимый социальный опыт», – поделился своим мнением Пунит Сони (Punit Soni), глава отдела по продукции индийского онлайн-гиганта Flipkart, на конференции TiECON 2015.

 

Даже Sony, как и многие другие компании, сфокусированные на массовой электронике, отмечает, что опыт офлайн-покупок сильно отличается от онлайн-шопинга, где у покупателя есть только экран, клавиатура и мышь и где он изолирован от продавца.

 

Современная реальность такова, что у офлайн- и онлайн-торговли отношения скорее симбиотические. Люди подбирают себе товар в онлайн-магазине, но затем им все-таки проще съездить в ТЦ, где есть соответствующая торговая точка выбранной сети, и самостоятельно приобрести выбранную технику. С другой стороны, если покупка не так дорога, то они с удовольствием пользуются онлайн-шопингом: сфотографировать приглянувшуюся люстру в доме друга, а затем заказать ее онлайн – не такая редкость.

 

Получается, вместо того чтобы точечно сосредотачиваться отдельно на онлайн-торговле и отдельно на традиционных офлайн-продажах, мы должны искать способы сделать их взаимосвязь сильнее.

 

На наш взгляд, онлайновые магазины должны быть гораздо ближе к покупателю в эмоциональном и социальном плане, точь-в-точь как их офлайновые коллеги. Как давние технологические инвесторы, мы в данном случае обращаем внимание на три вещи: впечатления посетителей, технологии машинного обучения и персонализация.

 

Убейте клики

 

Многие онлайн-магазины словно бы застряли на заре эпохи веб-дизайна и до сих пор пользуются давно устаревшими постулатами, включающими древовидную структуру каталогов, заставляющую пользователя совершить массу кликов для покупки. Это раздражает, давно устарело и превращает каждую покупку в тест на выносливость.

 

Онлайн-продажи

 

Ненужные клики нужно уничтожить: сократить дистанцию между желанием людей купить что-то и возможностью сделать это. Это в особенности справедливо в случае мобильной коммерции, где важно удобство пользователя.

 

Google Suggest является блестящим примером реализации этой механики. Вы начинаете вводить необходимый запрос, а дальше этот сервис автоматически дополняет его наиболее подходящими вариантами, избавляя вас от лишних действий. Используют ли интернет-магазины подобную технологию? Разумеется, некоторые даже предлагают собственные передовые решения в этом плане, например, Algolia.

 

Algolia

 

Впрочем, поиск по сайту у многих онлайн-магазинов до совершенства все-таки не дотягивает. Так, если вбить в Google запрос «красный женский свитер», то вы получите множество фотографий красных свитеров, и все они совершенно точно будут женскими. Если повторить подобный опыт на сайте крупного интернет-магазина, то результат вряд ли будет таким же безупречным. Свитеры вам найдут, и они, вероятнее всего, даже будут женскими – но всех мыслимых оттенков. Так что поиск пока не столь умен, как покупатель.

 

Тогда-то и встает вопрос о покупке чего-то, что есть в онлайн-магазине, в ближайшей офлайн-точке. Помните, люди покупают в местных магазинах по сотне причин: они планируют поездку по какой-то местности, им нужно выбраться из дома или же они очутились за городом. И в такой ситуации не каждый станет ждать фургон доставки, да и не у всех будет такая возможность.

Google Suggest

 

Итак, представьте себе ситуацию: вы нашли себе этот красный свитер и захотели его купить офлайн, потому что конкретно в вашей ситуации так удобнее. Что будет дальше? Любой, кому доводилось бывать в торговом центре во вторник в восемь часов вечера, знает, что будет дальше: окажется, что из всех касс работает всего несколько, функционирует всего один эскалатор и вас еще ожидает томительное блуждание мимо разных отделов, пока вы не найдете искомое.

 

Два момента могут заметно упростить эту ситуацию.

 

Первое: можно на входе в магазин разместить определенное количество планшетных компьютеров. Покупатели приходят, вводят туда название или код интересующего их продукта и получают ответ в виде наличия товара в магазине и кратчайшего пути до него.

 

Второе: тут принцип в общем и целом похож на первый, но с той лишь разницей, что вся информация о товаре в магазине содержится в специальном приложении. Вы загружаете его в свой смартфон и можете посмотреть любую интересующую информацию. Это во многих случаях удобней: у планшетных компьютеров на входе в любом случае возникнет очередь, да и чтобы посмотреть информацию о магазине, придется все-таки в него ехать – все эти проблемы исчезают, если всю информацию содержит ваш смартфон.

 

Оба метода, кроме того, устраняют ненужные клики и делают онлайн-шопинг максимально близким к офлайновому.

 

Улучшите рекламу

 

Одна из наиболее глупых вещей, какие только сегодня можно найти в онлайн-продажах, – это реклама. Алгоритмы построены так, словно бы видят актуальную для вас информацию в зеркало заднего вида и показывают соответствующую рекламу тогда, когда вам это уже неинтересно. Рекламные объявления, которые мне показывают сегодня, отражают поисковые запросы и покупки, которые я делал неделю или даже пару недель назад. Так что рекламные алгоритмы застряли в прошлом.

 

У машинного обучения есть потенциал, чтобы переломить сложившуюся ситуацию в лучшую сторону. Все потому, что машинное обучение – это не просто ускоренная обработка информации; нет, это нечто большее: скорее, эти алгоритмы не просто обрабатывают всю входящую информацию, они стремятся составить картину мира покупателя и понять его.

 

На данный момент алгоритмы машинного обучения находятся в зачаточном состоянии, но мы можем ожидать, что в ближайшее время они станут учитывать больше нюансов, станут всеобъемлющими и получат широкое распространение. Именно поэтому Intel Capital инвестируют в это и добавили Reflektion, которая использует алгоритмы машинного обучения для совета покупателям в режиме реального времени, к своему портфолио.

 

Для того чтобы алгоритмы машинного обучения сумели пробиться в жизнь, нужно изменить еще кое-что: крайне узкую осведомленность продавцов об их покупателях.

 

Возьмем мой любимый магазин одежды: он знает мой любимый тип рубашек, но понятия не имеет, какую музыку я люблю. Сайт онлайн-продажи билетов имеет представления о моих любимых направлениях поездок, но у него нет информации о том, какую книгу я читал последней. И ни один из этих продавцов даже представить не может, что у меня запланирована командировка в Индию или Сингапур – и при том это событие отмечено на моем электронном календаре. И несмотря на тот факт, что их знания обо мне исчезающе малы – они все-таки будут показывать мне наиболее подходящие для меня, по их мнению, рекламные объявления. Хотя их мнение обо мне составлено таким образом, словно они рассматривали меня в замочную скважину.

 

Мы знаем, что онлайн-коммерция быстро становится похожа на офлайн, когда продавцы получают даже минимум информации о наших предпочтениях. С другой стороны, если предоставить им больше доступа, то вместо сомнительных рекомендаций по товарам, основанных на крупицах данных, мы будем получать вдумчивые и полные нюансов рекомендации.

 

Познакомьте продавца и покупателя

 

Если большое количество кликов для покупки – это проблема интернет-магазинов, то время, которое мы тратим в раздевалках обычных магазинов, вполне может быть эквивалентом этой проблемы.

 

Все происходит потому, что одежды, подпадающей под категорию «можно примерить», куда больше, чем одежды из категории «я готов это носить». Если сократить число первой и оптимизировать подбор одежды, то процесс можно будет ускорить. То есть проблема в том, что реальные магазины о вас вообще ничего не знают.

 

Идея состоит в том, чтобы при подборе одежды в реальном магазине вы автоматически могли отсеивать варианты, которые точно не будут вам подходить по какому-то параметру – представьте, как будет здорово, если вы будете заранее знать, что вот эта классная рубашка вам не подойдет, так как все же узковата. Такое значительно сэкономит вам время.

 

Все необходимые измерения для сбора данных могут делать специальные камеры высокого разрешения. RealSense от Intel является одним из подобных устройств и обеспечит все необходимые измерения в 3D с высокой точностью.

 

RealSense от Intel

 

Несколько компаний также буквально ворвались на этот рынок. Body Labs, стартап из Манхэттена (Manhattan), позволяет за минуту отсканировать тело человека в 3D-модель. True Fit дает точные рекомендации по подбору размера одежды для покупателей, а Intervisua позволяет увидеть, как, скажем, джинсы будут в реальности сидеть на вас.

 

Теперь вернитесь к примеру с красным свитером и спросите себя: а что было бы, если продавец точно знал ваши параметры? Что было бы, если он мог взять их и отфильтровать все свитера, которые будут висеть мешком или, наоборот, окажутся слишком малы? Что было бы, если ваш продавец, владея вашими параметрами, мог бы предоставить вам идеально подходящие варианты? Или даже один вариант?

 

Такого же видения придерживаются в Nike, чей главный операционный директор недавно заявил, что близится день, когда их клиенты смогут снять все необходимые размеры и печатать обувь дома на 3D-принтерах. В будущем все будет персонализованно.

 

Само собой, возникает вопрос о том, кто будет хранить данные о клиентах, где он их будет хранить и в каких случаях использовать? На наш взгляд, у покупателя должен быть полный контроль над тем, как продавцы распоряжаются полученными персональными данными.

 

Но в целом очевидно, что в будущем все будет максимально персонализованно.

 

Перевод: Вячеслав Гладков

 

Оригинал фото: movoto, ecommercechinaagency, mycity-web, internetmarketingninjas, software.intel, startupbeat