カスタマイズされた購入の構築

これを想像してください: あなたは、お気に入りの小売店に本当に気に入ったシャツを注文しました。 そして、最終的に到着すると、サイズが合わず、返品手続きを行う必要があります。 これには、小売業者の返品ポリシー要件を満たすために困難を乗り越えることが含まれる場合があります。つまり、店舗内で返品する必要がありますか? シャツの返品は無料ですか、それとも送料を負担する必要がありますか? このよく知られたシナリオは、顧客エクスペリエンスを大幅に阻害する可能性があります。

さらに、これは小売業界で深刻な問題となっています。 Appriss Retail と Incisiv が発行した「エンゲージメント戦略としての返品」レポートによると、返品は 2020 年以来 78% 増加しました。小売業者はフィット感やサイジング技術への投資を検討しており、返品全体の数を減らすために顧客レビューを奨励していますが、これらはこれらの戦略は、上で概説した例によって影響を受けた関係を回復できない可能性があります。

この差し迫った問題の解決策は、カスタマイズされた購入後返品インセンティブ プログラムです。 場合によっては返品が避けられないこともありますが、小売業者にはこの不快な経験を利用して、売上を節約するためにパーソナライズされたオファーを買い物客に再度提供する機会があります。 このプログラムは、人工知能 (AI) と機械学習 (ML) を使用して、顧客との関係を滞りなく保つための最適な方法を自動的に決定します。 たった 3 つの簡単なステップでこのプログラムを確立する方法を次に示します。

AI または ML テクノロジーを実装する場合、ツールに設定された期待を理解することが重要です。 改善に最も関心のある指標は何ですか? 一部の小売業者にとって、インセンティブ プログラムはマージンやトラフィックの向上を目的として設計されている一方、他の小売業者は顧客ロイヤルティやオンラインでの購入と店舗での返品の収益性に焦点を当てている場合があります。 これらの目標は店舗や地域によって若干異なる場合がありますが、組織内のすべての販売および返品チャネルにわたる包括的な目標と主要な指標も考慮する必要があります。

目標を設定したら、インセンティブ プログラムを作成します。 このプログラムは、ロイヤルティ プログラムへの登録、取引日時、製品カテゴリの好み、返品の頻度など、顧客の個別の過去の行動に基づいて推進される必要があります。その後、AI および ML ソリューションが、どの買い物客にインセンティブを提供すべきかを決定できます。顧客の後援のためであり、返品体験後に販売を保存するインセンティブは必要ないかもしれません。

これで、AI と ML を使用して、返品後の購入インセンティブを最適化する準備が整いました。 最良のインセンティブは、マージンを過度に減らすことなく顧客エンゲージメントを促進します。 これは画一的なアプローチではなく、AI と ML がこのバランスを取るのに役立ちます。

データ駆動型プログラムを利用して、ステップ 1 で設定した目標を達成するために、インセンティブと特定のショッピング行動を一致させることができます。 このプログラムは、インセンティブの有無にかかわらず、買い物客が販売後に次の購入を行う可能性を予測し、最適な行動を選択します。

一部の買い物客にとっては、返品後に店内に留まるために割引が必要な場合もありますが、カウンターに行く途中ですでに新製品に興味をそそられている買い物客もいるかもしれません。 セールを節約するためのインセンティブが必要な顧客の場合、パーセント割引、BOGO 取引、または購入で獲得できるロイヤルティ プログラム ポイントを 2 倍にする短期オファーに強く反応する人もいるかもしれません。 AI と ML は、小売業者が収益への影響を最小限に抑えながら、返品後に顧客関係を回復および維持するための最適なアプローチを選択するのに役立ちます。

このテクノロジーが利用可能であるにもかかわらず、効果的な購入後返品インセンティブ プログラムがあると考えている小売業者はわずか 22% です。 このテクノロジーを導入することで、高額な返品からマージンを守りながら、目立つようにして永続的でポジティブな顧客体験を生み出す機会が得られます。

Peter Barker は、Appriss Retail の Engage の製品ディレクターです。

関連記事: 適切な返品管理システムが小売業者の不正行為の撲滅にどのように役立つか

Pete Barker は、Appriss Retail の Engage の製品ディレクターです。 彼は小売損失防止に長い歴史を持っており、最も注目すべきは、Dick's Sporting Goods で 11 年間勤務し、最後の 6 年間はデジタル損失防止のシニア マネージャーを務めました。