Retail

คำแนะนำด้านอีคอมเมิร์ซแบบ Omnichannel แบบเรียลไทม์

  • ปรับแต่งข้อเสนอผลิตภัณฑ์: แนะนำผลิตภัณฑ์ตามรูปแบบการเรียกดู การซื้อในอดีต และความชอบของลูกค้า เพื่อให้แน่ใจว่ามีความเกี่ยวข้องตลอดกระบวนการซื้อของพวกเขา
  • เพิ่มประสิทธิภาพกลยุทธ์การส่งเสริมการขาย: มอบส่วนลดและข้อเสนอพิเศษทันเวลาที่เหมาะกับพฤติกรรมของลูกค้าแต่ละราย เพิ่มอัตราการแปลงและการมีส่วนร่วม
  • ปรับปรุงการค้นพบผลิตภัณฑ์: แนะนำหมวดหมู่ผลิตภัณฑ์หรือรายการเสริมโดยอิงจากกิจกรรมการเรียกดูแบบเรียลไทม์และประวัติการซื้อ เพื่อกระตุ้นให้ลูกค้าสำรวจข้อเสนอเพิ่มเติม

สรุปกรณีการใช้งาน

ผู้ค้าปลีกสามารถใช้ประโยชน์จาก Data Cloud แบบเรียลไทม์ในช่วงวินาทีย่อยเพื่อส่งมอบคำแนะนำผลิตภัณฑ์ที่เป็นรายบุคคล เพิ่มประสิทธิภาพการส่งเสริมการขาย และปรับปรุงการค้นพบผลิตภัณฑ์ ซึ่งจะช่วยเพิ่มยอดขายและความพึงพอใจของลูกค้าได้อย่างมาก

อุตสาหกรรม

ผลิตภัณฑ์ Salesforce ที่ใช้

แหล่งข้อมูลที่ใช้

ประวัติการเรียกดู
โปรไฟล์ลูกค้า
ข้อมูลรายการสิ่งที่อยากได้
ข้อมูลการมีส่วนร่วมกับอีเมล
ข้อมูลการโต้ตอบโซเชียลมีเดีย
ข้อมูลการตรวจสอบและข้อเสนอแนะ
ข้อมูลจุดขาย (POS)

ใช้ข้อมูลเชิงลึกและการคาดการณ์

ด้วยการรวบรวมแหล่งข้อมูลที่อ้างอิงในกรณีการใช้งานนี้ ทีมงานสามารถสร้างข้อมูลเชิงลึกจากการคำนวณหรือรันโมเดลการทำนายด้วย Data Cloud ซึ่งจะช่วยให้พวกเขาสามารถตัดสินใจได้อย่างชาญฉลาดมากขึ้นหรือขับเคลื่อนระบบอัตโนมัติใหม่ๆ

ข้อมูลเชิงลึกเกี่ยวกับการปรับแต่งส่วนบุคคล Data Cloud ใช้ประวัติการเรียกดู การซื้อ และการค้นหาเพื่อสร้างโปรไฟล์แบบไดนามิกของความต้องการของลูกค้า ซึ่งทำให้สามารถแนะนำผลิตภัณฑ์ที่เกี่ยวข้องที่สุดในแต่ละเซสชันได้ ตัวอย่างเช่น หากลูกค้าเรียกดูรองเท้าบ่อยครั้งแต่ไม่ได้ซื้อ ระบบอาจเน้นยี่ห้อรองเท้าหรืออุปกรณ์เสริมที่เกี่ยวข้อง เช่น ถุงเท้าและผลิตภัณฑ์ดูแลรองเท้า เพื่อเพิ่มโอกาสในการแปลงเป็นลูกค้า
ข้อมูลเชิงลึกเกี่ยวกับการเพิ่มประสิทธิภาพการส่งเสริมการขาย โดยอิงจากการมีส่วนร่วมของลูกค้าที่มีต่อข้อเสนอและแนวโน้มตามฤดูกาลในอดีต Data Cloud แนะนำโปรโมชันที่ตรงเป้าหมายเพื่อเพิ่มโอกาสในการซื้อ ตัวอย่างเช่น หากลูกค้ามักจะซื้อสินค้าในช่วงลดราคาสิ้นฤดูกาล ระบบสามารถให้การเข้าถึงโปรโมชันดังกล่าวได้ล่วงหน้า เพื่อจูงใจให้ลูกค้ากลับมาซื้อสินค้าซ้ำ
ข้อมูลเชิงลึกเกี่ยวกับการค้นพบผลิตภัณฑ์ที่ได้รับการปรับปรุง Data Cloud วิเคราะห์พฤติกรรมของลูกค้าในเซสชัน เช่น เวลาที่ใช้ในแต่ละหมวดหมู่ผลิตภัณฑ์เฉพาะ และปรับเนื้อหาที่แสดงแบบไดนามิก ตัวอย่างเช่น หากลูกค้ากำลังสำรวจหมวดหมู่ใหม่ เช่น อุปกรณ์อิเล็กทรอนิกส์ ระบบอาจแนะนำสินค้าที่เป็นที่นิยมหรือมีแนวโน้มดีในหมวดหมู่นั้น ซึ่งจะช่วยปรับปรุงประสบการณ์การค้นพบผลิตภัณฑ์และเพิ่มขนาดตะกร้าสินค้า

ผลกระทบเป็นอย่างไรบ้าง?

ปรับปรุงอัตราการแปลง
ปรับปรุงมูลค่าการสั่งซื้อเฉลี่ย (AOV)
ปรับปรุงความพึงพอใจของลูกค้า
ปรับปรุงการมีส่วนร่วม