Персональный продавец: как чат-боты изменят мир анализа данных и что это значит для коммерции
Одна из главных тем, к которой я постоянно возвращаюсь при разработке чатботов для клиентов, — аналитика для измерения их эффективности. И чем большую роль чат-боты начинают играть в общей системе маркетинга, лидогенерации и продаж, тем яснее становится один интересный факт — мир анализа данных в ближайшие годы переживет серьезные изменения.
В этом году все, чей бизнес связан с электронной коммерцией, начинают готовиться к изменениям, связанным с массовым проникновением на рынок чат-ботов. Сегодня почти 80 млн жителей России регулярно пользуются мессенджерами. Компании начинают все активнее пользоваться этим каналом для продаж и продвижения. Всем, кто связан с разработкой, дизайном и маркетингом придется осваивать новую логику коммуникаций, искать новые технологические приемы и вырабатывать новую этику. Однако главная революция ожидается в секторе анализа данных. И коснется она как поставщиков услуг аналитики, так и маркетологов и владельцев бизнеса, которым придется научиться оперировать совершенно новыми метриками.
Хотя экосистема, cвязанная с чатботами, находится в зачаточном состоянии, на рынке появилось уже несколько компаний, предлагающих услуги аналитики для разработчиков и владельцев автоматических диалоговых систем. Среди самых известных — Dashbot, получивший в 2016 году $2 млн инвестиций. Другие известные игроки — Botanalyics и Botmetrics.
В основе уникального предложения каждой из этих компаний лежит мысль, которая для нас как для разработчика чатботов очевидна давно. Для того, чтобы эффективно использовать новую технологию коммуникации с пользователями, нужны новые метрики — их еще предстоит изобрести. Конечно, такие классические показатели, как конверсия из контакта в покупки или retension (доля пользователей, которые обращаются к продукту повторно), не потеряют свое значение. Но как «измерить» содержание беседы на естественном языке? В таком диалоге есть ряд параметров, которые невозможно измерить с помощью Google Analytics. Эти параметры и станут ключевыми не только для владельцев ботов, но и для всех, кто ведет бизнес в интернете и хочет пользоваться данными для изучения своей аудитории.
Например, одним из нововведений Dashbot стала так называемая «диалоговая воронка». Все, кто работают в продажах, знакомы с понятием «воронки» применительно к процессу превращения холодного лида в успешно закрытую сделку. Dashboard использует эту модель для анализа любого диалога и его эффективности с точки зрения поставленной владельцем чатбота цели. Инструменты Dashboard позволяют найти «узкие места» диалога и понять, в какие именно моменты пользователи «соскакивают» и прекращают разговор. Полученные данные способны не только повысить эффективность ботов, но и дать пищу для размышления обычным «продажникам».
В анализе работы чат-ботов из сухого мира количественного анализа мы переходим в мир языка и общения, от количественных методов анализа - к качественным. И хотя системы для анализа настроения и общего эмоционального фона текстовых сообщений (такие, как Semantria или Lexalytics) существуют на рынке уже давно и используются для мониторинга социальных медиа, задача сегодняшнего дня — использовать их в реальном времени и интегрировать их с чат-ботами, заставляя ботов менять тон или содержание беседы в зависимости от настроения пользователя.
Однако суть происходящего во время беседы человека с чат-ботом может ускользнуть, если анализировать диалог просто как текст. Ведь речь идет об обмене, коммуникации и в конечном счете — о поведении. Botanalytics или Glass Box, например, предлагают использовать поведенческий анализ для того, чтобы научить чат-ботов подбирать лучшее время для отправки сообщений и варьировать диалог в зависимости от этапа «жизненного цикла», на котором находится пользователь.
Настоящий же «передний край» в области аналитики для чат-ботов (и прорыв, который будет означать невиданную доселе революцию в маркетинге), связан с персонализацией. Речь идет не о примитивном таргетинге сообщений чат-бота на пользователей с определенной поисковой историей или параметрами социального профиля. Вскоре мы сможет создавать что-то вроде эффекта эмпатии в условиях диалога чат-бота с человеком. Создатели платформы Manner экспериментируют с разными стилями общения одного и того же чат-бота и пытаются понять, какие стиль и манера коммуникации вызывают позитивную реакцию у тех или иных пользователей.
Учитывая современный уровень развития инструментов машинного обучения, задача, поставленная Manner, вполне решаема. А вместе с ней — и целый ряд других подобных задач на стыке информатики, лингвистики и поведенческой психологии. Представьте себе продавца в магазине, который способен буквально трансформировать свою личность и психотип в зависимости от того, с каким покупателем он разговаривает. Чат-боты станут именно такими продавцами.
Именно эта перспектива заставляет специалистов говорить о том, что чат-боты обладают революционным потенциалом на рынке. Даже небольшие достижения в этой сфере кардинально изменят мир электронной коммерции. И дело не в том, какую долю рынка займут боты, а в том, что их достижения и добытые в ходе диалогов с ними данные заставят всех, кто работает с электронной коммерцией, по-новому взглянуть на свою работу.
Главный барьер на этом пути — язык, так как его особенности становятся очень важными при таком уровне анализа, о котором мы говорим. Англоязычным разработчикам повезло, так как ни одна платформа бот-аналитики не обходится без английского языка. Бот-аналитика для русскоязычного сегмента — это очень перспективная ниша. Многие российские компании занимаются разработкой русскоязычных чат-ботов, им нужны подобные решения в дополнение их экосистемы.