Commerce de détail - Pronostic d'achat

L'anticipation de la demande d'achat est cruciale pour planifier les activités opérationnelles, telles que la logistique et la gestion des stocks dans les magasins de commerce électronique. La prévision de la demande basée sur des méthodes statistiques et d'apprentissage automatique utilisant des enregistrements de transactions historiques comme entrée est courante. Prédire l'intention lors d'une session en ligne est beaucoup moins courant et rendu beaucoup plus difficile par le fait que la majorité de la navigation sur le Web se fait encore de manière anonyme. La prédiction anonyme de l'intention d'achat en cours de session peut augmenter la conversion en proposant un contenu personnalisé supplémentaire à l'utilisateur final et protéger la marge en supprimant l'affichage des offres de remise inutiles.

Augmenter les revenus par utilisateur sur un site de commerce électronique grâce à la prédiction de l'intention d'achat en session.

Les modèles d'apprentissage automatique peuvent être formés sur les journaux de session des sites Web de commerce électronique pour évaluer la probabilité qu'une session utilisateur se termine par un achat. Les habitudes de navigation, la durée de la session et les caractéristiques temporelles, parmi de nombreux autres facteurs, fournissent des indicateurs importants de l'intention d'achat. La combinaison de ces facteurs avec d'autres entrées de données de diffusion en temps réel qui fournissent des comportements en session améliore la précision de la prédiction. En testant les résultats du modèle à l'aide de groupes de contrôle composés de trafic Web retenu, une augmentation significative de la conversion et d'autres mesures peut être obtenue. Grâce à la plate-forme de marketing en session de ZineOne, un grand détaillant américain a pu segmenter les visiteurs de son site Web en temps réel en trois groupes : 1. ceux qui n'achèteront pas ; 2. ceux qui achèteront ; et 3. indécis. En envoyant un contenu sur mesure et personnalisé à chaque groupe de visiteurs, le détaillant a pu atteindre une augmentation moyenne de 20 % de ses revenus par visiteur.