一步步讓猶豫型顧客下手購買

當然，利用量化資料重新設計使用者介面或全面改造網站內容也同樣可行，但若要完整掌握顧客樣貌，便需要了解購買旅程各階段的消費者行為。

在2019年第二季中，全球電商網站造訪人次中僅有2.58%成功完成訂單。這意味著每34位線上訪客中，僅有一位會進行購買。

不過，這也是檢視購買旅程中的缺失，以進一步提升購買率的大好機會。若能遵循以下4個步驟，便能制訂出讓猶豫型顧客掏出荷包的行動方案。

1. 針對特定顧客行動寄送觸發式電子郵件
   
   顧客常在瀏覽電商商店時進行各種活動與行為，例如訂閱電子報、放棄購物車或瀏覽特定商品種類等等。因此，行銷人能夠利用機器學習根據顧客行動與興趣進行分析，並藉此區隔顧客。
   
   接著，便能運用主動式顧客互動平台，將觸發式電子郵件傳送給具備特定條件的目標區隔。
   
   舉例而言，艾瑪在您的流行服飾官網瀏覽一些洋裝後，便訂閱了商店電子報，但卻未進行購買便離開網站。若要讓對方持續關注，則可寄送觸發式電子郵件，並包含店內銷售最佳的洋裝與服裝搭配訣竅。
2. 藉由個人化推薦提升購買率
   
   任何行動背後皆有原因，而消費者行為也不例外。那麼，是什麼因素決定了顧客是否進行購買？
   結合自身與第三方所掌握的顧客行為模式與興趣，並使用機器學習分析其動作的背後原因，例如喜歡的商品缺貨、價格過高，或是結帳頁面使用不便等等。
   
   當辨識出行為背後的可能原因後，便能以個人化內容於合適渠道與其互動。Wirecard集團的「2018年國際節慶購物報告」指出，九成的亞洲消費者常在進行購買前於應用程式、手機、筆電與實體店面等各個渠道進行比價。因此，正確將渠道與訊息結合可說是相當關鍵。
   
   舉例而言，艾瑪曾瀏覽您的電商應用程式，卻在將一件小禮服放入購物車後離開。資料顯示，她最近曾於外部網站閱讀與跨年派對最佳打扮相關的部落格文章。因此，可透過寄發應用程式推送通知，將她置於購物車內的洋裝，以及搭配的高跟鞋、晚宴包等個人化商品推薦置入其中，促使她完成訂購。
3. 藉由完善促銷策略縮短銷售週期
   
   如果能適當舉辦促銷活動，便可藉此增加額外營收。而猶豫型消費者正是這些促銷活動想鎖定的目標。
   
   將時間與金錢花在已決意購買或僅瀏覽商品的顧客身上並無必要；反之，應該給予剩下的猶豫型顧客一點推力，促使他們打開錢包。
   
   使用進階機器學習分析顧客在官網上的動作能夠辨識出猶豫型消費者，接著為其量身打造優惠活動，以促使他們進行購買。
   
   此外，也能使用A/B測試與機器學習預測不同促銷活動的轉換率，藉此選出最佳的方案。
   
   日本的流行服飾電商網站「Urban Research Outlet」便成功運用機器學習，辨識出僅需一點動機便可能完成購買的猶豫型消費者。當Urban Research Outlet針對這個區隔祭出免運優惠時，來自智慧型手機的轉換率便上升了，而總收益則成長了70%。
4. 了解何時何地應寄發貼心提醒
   
   現今，許多消費者至少持有二至三樣裝置，能夠隨時與外界保持密切聯繫。正因如此，辨識各項裝置上的不同行為可說是進行再行銷的關鍵。使用深度學習分析顧客的跨螢行為，將有助於建立完整的顧客樣貌，並了解他們將使用哪項裝置，以及於何時進行瀏覽、搜尋與購買等特定活動。
   
   舉例而言，若艾瑪常在早上通勤時用手機瀏覽並於午休時持續搜尋，最後於深夜用手機完成購買，您便能夠在深夜時向對方投放應用程式內廣告，並加上「還在想那件紅色洋裝嗎？心動不如馬上行動！」等內容，以避免成為垃圾訊息或增加不必要的促銷成本。
   
   全球線上消費額預估將在2019年達到近3.46兆美元，與2018年相較成長了18%。年終節慶購物季已經開始，消費者也正趁著節慶促銷購入更多商品。立刻採取以上步驟，讓猶豫型線上消費者紛紛下訂吧！
   

*想要進一步了解如何利用人工智慧提升顧客互動度與投資報酬率？下載Appier最新白皮書「電商白皮書：如何運用人工智慧打造優質個人化體驗？」，以獲得更多深入資訊。