맞춤형 구매 구축

이것을 상상해보세요: 당신은 당신이 가장 좋아하는 소매점에서 당신이 정말 좋아하는 셔츠를 주문했습니다. 그러다가 마침내 도착했을 때 제대로 맞지 않아서 이제 반품 절차를 진행해야 합니다. 여기에는 소매업체의 반품 정책 요구 사항을 충족하기 위한 절차가 포함될 수 있습니다. 매장에 반품해야 합니까? 셔츠를 무료로 반품할 수 있습니까, 아니면 배송비를 지불해야 합니까? 너무나 익숙한 이 시나리오는 고객 경험을 크게 저해할 수 있습니다.

더욱이 이는 소매 업계에서 점점 더 커지는 문제입니다. Appriss Retail과 Incisiv가 발행한 참여 전략으로서의 반품 보고서에 따르면 반품은 2020년 이후 78% 증가했습니다. 소매업체는 핏과 사이즈 기술에 투자하고 전체 반품 수를 줄이기 위해 고객 리뷰를 장려하지만, 전략은 위에서 설명한 예의 영향을 받은 관계를 복구하지 못할 수도 있습니다.

이러한 즉각적인 문제에 대한 해결책은 맞춤형 반품 후 구매 인센티브 프로그램입니다. 반품이 불가피한 경우도 있지만, 소매업체는 이러한 불쾌한 경험을 활용하고 개인화된 제안으로 쇼핑객의 관심을 다시 유도하여 판매 비용을 절감할 수 있는 기회를 갖습니다. 이 프로그램은 인공 지능(AI)과 기계 학습(ML)을 사용하여 고객 관계가 한 순간도 놓치지 않도록 하는 최선의 방법을 자동으로 결정합니다. 다음은 간단한 세 단계만으로 이 프로그램을 구축할 수 있는 방법입니다.

AI 또는 ML 기술을 구현할 때 도구에 대한 기대치를 이해하는 것이 중요합니다. 개선에 가장 관심이 있는 지표는 무엇입니까? 일부 소매업체의 경우 인센티브 프로그램이 마진이나 트래픽 향상을 위해 설계되는 반면 다른 소매업체는 고객 충성도 또는 온라인 구매-매장 반품 수익성에 중점을 둘 수 있습니다. 이러한 목표는 매장이나 지역에 따라 조금씩 다를 수 있지만 조직 내 모든 판매 및 반품 채널에 걸쳐 중요한 목표와 주요 측정항목도 고려해야 합니다.

목표를 설정했다면 이제 인센티브 프로그램을 개발할 차례입니다. 프로그램은 충성도 프로그램 등록, 거래 날짜/시간, 제품 카테고리 선호도, 반품 빈도 등 고객의 개별화된 과거 행동에 따라 추진되어야 합니다. 그런 다음 AI 및 ML 솔루션은 어떤 쇼핑객에게 인센티브를 제공해야 하는지 결정할 수 있습니다. 고객의 후원을 위해 반품 경험 후 판매를 저장하기 위한 인센티브가 필요하지 않을 수도 있습니다.

이제 AI와 ML을 사용하여 반품 후 구매 인센티브를 최적화할 준비가 되었습니다. 최고의 인센티브는 마진을 지나치게 줄이지 않으면서도 고객 참여를 촉진할 것입니다. 이는 모든 경우에 적용되는 일률적인 접근 방식이 아니며 AI와 ML은 이러한 균형을 유지하는 데 도움이 됩니다.

데이터 기반 프로그램을 활용하여 인센티브를 특정 쇼핑 행동과 일치시켜 1단계에서 설정된 목표를 달성할 수 있습니다. 이 프로그램은 인센티브 유무에 관계없이 판매 후 쇼핑객이 다음 구매를 할 가능성을 예측하고 최선의 행동을 선택합니다.

일부 쇼핑객의 경우 반품 후 매장에 보관하기 위해 할인이 필요할 수도 있고, 다른 쇼핑객은 이미 카운터로 가는 길에 새로운 제품에 흥미를 느낄 수도 있습니다. 판매 금액을 절약하기 위해 인센티브가 필요한 고객의 경우 일부는 할인율, BOGO 거래 또는 구매로 적립되는 충성도 프로그램 포인트를 두 배로 늘리는 단기 제안에 더 강하게 반응할 수 있습니다. AI와 ML은 소매업체가 반품 후 고객 관계를 복원하고 유지하는 동시에 수익에 미치는 영향을 최소화하기 위한 최적의 접근 방식을 선택하는 데 도움이 됩니다.

이 기술의 가용성에도 불구하고 소매업체 중 22%만이 효과적인 반품 후 구매 인센티브 프로그램을 갖추고 있다고 믿고 있습니다. 이 기술을 구현함으로써 귀사는 눈에 띄고 지속적이고 긍정적인 고객 경험을 창출하는 동시에 값비싼 수익으로부터 마진을 보호할 수 있는 기회를 갖게 됩니다.

Peter Barker는 Appriss Retail의 Engage 제품 이사입니다.

관련 이야기: 올바른 반품 관리 시스템이 소매업체가 브라케팅 관행을 종식시키는 데 어떻게 도움이 될 수 있습니까?