Big data в e-commerce: собираем данные из общения с клиентом

Posted on by riasevastopol

Для понимания, что такое громадные эти, заберём книгу «Война и мир» и посчитаем в ней количество слов. Возможно сделать это силами одного человека, что израсходует пара дней на данную выдумку. А возможно разобрать тома Толстого по частям, раздать их нескольким людям, каковые кроме этого посчитают количество слов, а после этого сложить полученные эти. Такое ответ, например, займет 1 сутки. В итоге, увидим, что big data – это второе ответ отечественной задачи по подсчету слов.

В случае если измерять big data в числах, то должно быть не меньше 1 терабайта динамически изменяющихся данных в сутки.

Мы в RedHelper ежедневно обрабатываем порядка 5 терабайт – данные с 20 тысяч сайтов, на которых имеется хотя бы пара визитёров, т.е. с около 6 млн пользователей коммерческих сайтов. Что это за эти? Страницы сайтов, каковые пользуются популярностью среди пользователей, паттерны их поведения, диалоги с операторами виджетов и т.п.

Как применять big data от ваших виджетов? – 5 кейсов

1.Использование в определении клиента на сайте и прогнозирование его поведения

Благодаря ответам big data возможно весьма совершенно верно осознать, кто есть вашим клиентом, а кто нет. В принципе все сайты ограничиваются определенным меню, по которому возможно вывести паттерны поведения, паттерны устройства сайтов. Помимо этого, на базе данных в достаточной степени доступно определение, в какой территории сотрудничества с клиентом имеется рост, а в какой нет.

Big data в e-commerce: собираем данные из общения с клиентом

2. Использование сравнения облака сайтов

Создание рейтинга на базе big data разрешает сделать сайт более действенным. Так, к примеру, у нас 60 000 клиентов, мы можем проанализировать необходимые нам параметры и дать данные в сравнении одного клиента с другим в определенной отрасли, выдать рейтинг по сайтам, активности пользователей. Так как эти — это неизменно цифры, с ними сложно спорить и следовательно, их возможно деятельно применять для успешного бизнес-процесса.

3. Использование в A/B-тестировании

Благодаря анализу громадных данных, возможно отследить, как трансформации на сайте оказали влияние на его коммерческую успешность. К примеру, до трансформации сайта было состояние А, по окончании – Б. В случае если учитывать все поведения и элементы сайта на них во всем облаке, возможно с достаточной степенью точности заявить, что когда поменялся заголовок, прибавилось клиентов.

Применение виджетов с функциями big data избавляют клиентов от необходимости ставить дополнительные инструменты анализа. Вместе с отчетом о работе совокупности, они приобретают данные по трансформации определенной страницы и хорошем либо отрицательном значении для бизнес-процесса.

4. Использование в выдаче чата

Многие говорят, что их чат либо предложение перезвонить в течение 30 секунд бесит пользователей. Дабы этого избежать достаточно применять пласт громадных информации о выдаче виджета. Так, мы, например, проанализировали поведение людей и выяснили точку, в то время, когда необходимо выдавать им чат, дабы он был максимально действенным.

Но нужно осознавать одну тонкость. Когда вы выявляете точку громаднейшего согласия для перехода в чат, вы определяете момент, в то время, когда человек на чем-то сконцентрирован. Но сейчас его нужно не разозлить собственной настойчивостью.

Задача пребывает в том, дабы поймать пользователя в точках мельчайшей активности, но наряду с этим заинтересованности в продукте.

5. Использование в отчетах по работе виджетов и операторов контактных центров

Самый популярный метод применения big data – отчеты о работе виджетов и операторов контактных центров. Так возможно получить данные о том, что ваш отдел онлайн-консультирования трудится лучше либо хуже остальных и из-за чего. Это дает познание, есть ли ваш отдел консультирования конкурентным преимуществом либо он не имеет никакого значения и направляться отказаться от данных решения.

Возможно применять рейтингование на базе big data для операторов контактных центров. К примеру, взглянуть данные об эффективности работы того либо иного оператора. Так, мы распознали нетривиальный вывод, что летом неспециализированный рейтинг операторов падает.

По всей видимости начальники уезжают в отпуска, и сотрудники начинают филонить.

Также самое касается звонков, благодаря собранным и проанализированным данным, по оценке операторов колл-центров, мы осознали, что оптимальное время для ответа – это 12 секунд. И уже на данный показатель ориентируются эксперты.

Благодаря ответу big data в e-commerce мы ожидаем, что сайты будут эластичнее подстраиваться под пользователя – контент, стоимости будут изменяться в зависимости от юзера. Анализ будет более доскональным и безграничным. Мы лишь в начале пути.

Желание знать собственного клиента и предугадывать его жажды будут усиливаться. И, само собой разумеется, благодаря анализу данных, работа многих сотрудников контактных и сервисных работ в e-commerce претерпит трансформации, анализ их эффективности разрешит отказаться и оптимизировать рабочую деятельность.

Случайные статьи:

Как общаться с клиентом? Что такое скрипты продаж и как правильно общаться с клиентом?


Подборка похожих статей:

riasevastopol

More Posts