顾客数据的收集与利用能够显著提升参与度。乐器电商Sweetwater通过AI生成推荐邮件，有效提高了打开率和销售额。本文将结合其案例，解析AI推荐的应用方法。
文章要点
- Sweetwater利用AI创建“高点击可能性”人群，2022年9月邮件点击数环比增长25%。
- 相比单一类别标签，细分分类标签能获取更多客户洞察。
设定“高点击可能性”目标受众
Sweetwater市场营销副总裁Jeff Eckblad表示：“发送邮件时，自然希望触达更有可能点击并购买的人群。”为此，公司引入了美国Blueshift提供的AI服务，通过机器学习预测并可视化消费者点击营销邮件的概率。
安永全球零售技术负责人Michael Lenz指出：“营销人员需收集用于个性化推荐和预测未来购买行为的数据，以实现个性化购物体验。若不自动化特定任务，将难以应对已在该领域投入的竞争对手。”
这（即收集有助于预测购买行为的数据）为实现个性化购物体验做出了贡献。如果不自动化某些特定任务，就会输给已经在自动化方面投入的竞争对手。（伦茨先生）
Eckblad解释称，策略核心是向已准备好互动的客户发送邮件，并在此基础上仅针对未打开邮件的人进行二次定位。AI识别出极有可能点击EC网站“Sweetwater.com”链接的客户，设定为“高点击可能性”目标群体。
我们将这一目标群体与常规群体并行使用。（埃克拉布德先生）
该策略成效显著。2022年9月，Sweetwater新闻通讯点击数较8月环比增长25%。
通过“分类标签”提升点击与转化
Eckblad表示，相比仅标记为“吉他”，“吉他复古”等细分分类标签拥有更多上下文信息。Sweetwater创建了约150个客户分类标签，嵌入周刊《inSync》的博客和视频内容中。这些标签比单一类别标签更能深入洞察客户兴趣。
同时，Sweetwater将CDP及分类标签应用于Blueshift，使内容与消费者的匹配度进一步提升：点击率提高13%，购买者数量环比增长40%。目前，公司已将内部CDP的150个标签整合至Bluesift，未来计划建立标签热度排名系统。
此外，基于分类标签的自动邮件营销活动可创建已购客户列表，从而向其推送关联品类的其他产品。
提升推荐个性化程度
2022年全年，Sweetwater持续在邮件中提供个性化推荐。结果显示，每周促销邮件点击率环比增长10个百分点，由邮件引发的在线购买量环比增长16%。
在周刊成功后，商品推荐扩展至促销和特定品类活动。Blueshift基于个人浏览历史、感兴趣品类、客户标签、促销信息、支付方式灵活性及库存情况等数据生成推荐：
- 浏览过的商品
- 感兴趣的商品类别
- 客户分类标签
- 促销活动
- 是否有灵活的支付方式
- 库存情况
探究并改善“购物车放弃”问题
为吸引弃购顾客，Sweetwater实施了A/B测试，通过调整图片和文案对比响应效果。
2022年7月，《inSync》首次利用Blueshift AI推荐进行A/B测试。结果CTR增加31.5个百分点，且相对于打开邮件人数，订单数增加39%。
Eckblad介绍，借助AI生成推荐替代人工选择，能更高效制作通讯杂志。此外，对于未引发行动的促销活动，他们会删除重复宣传文本，避免邮件杂乱导致视觉冲击力下降。
邮件变得杂乱无章，实际可用的促销活动的视觉冲击力下降。（Exbrad先生）
同时，将结账CTA按钮从“立即结账”更改为“移至购物车”。未来，Sweetwater将根据客户偏好推送相关信息（如购物车商品相关文章或视频），并持续测试标题、设计元素等内容对客户吸引力的影响。