网络 "Рив Гош" 推出了基于机器学习的顾客购买行为预测系统，旨在提升针对具体SKU的个性化推荐准确率。
试运行数据显示，该系统将推荐准确率提升了约33%。据开发商 "Инфосистемы Джет" 介绍，零售商可通过定向营销提升客户忠诚度、增加销售额并降低营销成本。
该系统做什么？
系统致力于从260万忠诚卡持有人中识别未来两周内有购买意向的顾客，并从数万个商品中精准预测其最可能购买的前两项SKU级商品，进而实现个性化推荐。
该数据有助于提高特定销售转化率，及时向目标客群提供折扣，同时降低获客成本。在允许范围内，系统还能为每位顾客单独计算折扣金额。
“我们通过实践利用人工智能和忠诚度计划中积累的数据来了解目标受众的个人偏好，从而能够为我们的客户提供真正个性化的方案”，“Infosystems Jet”公司的研发与实施总监弗拉基米尔·莫洛多赫表示。
测试是如何进行的？
项目覆盖全俄超220家门店及"Рив Гош"网上商店，全流程机器学习应用仅耗时1.5个月即完成落地。
开发团队采用了梯度提升、随机森林、协同过滤等多种机器学习方法。
“在项目的第一阶段，数学模型基于CRM系统中整合的数据进行训练，这些数据包括2017年的交易信息、商品品类、销售额和供货情况，以及折扣卡持有人的购买历史和人口统计数据。通过分析隐藏的模式，ML系统确定了目标客户群体，并预测了他们小票中可能出现的具体商品。下一阶段是对所需客户类别进行控制性邮件发送，随后分析实际结果（购买情况）”，开发人员说道。
测试结果
收到个性化推荐的顾客购物频率显著提升：回访率约为47%，远高于整体客户群22%的平均水平；且该群体平均客单价比其他顾客高出42%。
系统成功筛选出忠诚卡持有人的“黄金细分群体”。该群体虽仅占总客户数的1%，却在选定时间段内贡献了约7%的收入。值得注意的是，该细分群体的构成、规模和参数呈动态变化，系统会实时进行调整。
“在短短的时间内，我们获得了一个能够显著提升针对顾客定向沟通效率的工具。这不仅有助于公司提高销售额，也让客户能够及时收到他们感兴趣的优惠信息”，“Rive Gauche”公司营销总监德米特里·波多林斯基表示。
公司近期计划建立独立数据湖以深化数据分析，并完善会员忠诚度体系。此外，"Рив Гош" 正考虑引入仓库信息、商品评级等新指标，以扩大样本范围并拓展应用场景。