購買データ・コールログ分析とAIによる商品リコメンド

1.目的

1-1.営業マン一人一人のアプローチの「見える化・最適化」

  • 熟練スタッフの成約要因を共有し、営業活動を全体最適化
  • 購入プロセスに適した営業による成約率の向上
  • AI店員、AIチャットボット対応による機会損失の低減

1-2.顧客の購買行動データを活用した商品リコメンド

  • 購入可能性の高い商品のレコメンド

2.成約要因分析

1-1.過去の商談等から、下記のような項目をデータ化

  • 成約有無
  • 顧客ID
  • 担当者ID
  • 顧客属性(年齢、性別、住所、家族構成)
  • RFM値(最終来店日時、来店頻度、使用金額)
  • 注目行動(コンタクト日時、来店日時、流入経路、滞在時間)
  • 関心行動(サイト検索、試乗、見積、関心キーワード)
  • 購買行動(点検、パーツ購入、下取り査定)
  • 記憶行動(会員登録、予約日時、購入希望車両、ポイント)
  • 要望・依頼内容等

2-1.成約の要因分析、ファネル分析、チャネル分析

成約に至るまでのプロセスを分解し、プロセスごとの各アクションと成約との関係性を分析する

ファネル分析

要因分析例

・点検・試乗・見積もり・会員登録などがどの程度成約に結びついているか?

・成約のボトルネックは何か?

・優先的にコールしたほうがいい顧客は誰か?

・予約・フリー顧客でのどのように営業アプローチを変えればよいか?

(図はアクトナビより引用)

3.購入商品分析とAIによる商品リコメンド

3-1.商談データから、下記のような項目をデータ化

  • 購入実績
  • 顧客ID
  • 担当者ID
  • 顧客属性(年齢、性別、住所、家族構成)
  • ライフスタイルに関する質問と回答(保有車両、保有年月、点検日、使用目的、アクティビティ)
  • 購入希望車種に関する質問と回答(価格帯、 好きなメーカー・ブランド、ボディタイプ)
  • 要望・依頼内容等

(自動車販売の例)

3-2.AIによる購入商品予測・リコメンド

あらかじめユーザーを顧客属性で分類、購入価格帯、用途、ボディタイプ等で分類し、発見的なルール用いて購入車両を予測し、リコメンドする。(自動車販売の例)

商品予測

 

3-3.購入商品予測と、AI店員との対話例

発見的に得られた購入車両予測ルールから質問を作成し、新規顧客を分析して最適な車種をリコメンド。(自動車販売の例)

商品リコメンド

4.無料相談・お問合せ

お電話、または下記フォームからお気軽にお問合せ下さい。

お電話

03-4405-4347 (平日 9:00 – 17:30)

フォーム