Wróć do bloga

AMPER AI Predict – handlowiec widzi, co klient najpewniej zamówi w ciągu 14 dni

AMPER AI Predict podpowiada w AMPER MOBILE, które produkty klient najpewniej zamówi w ciągu 14 dni. Przy każdym dokumencie, z powodem każdej podpowiedzi.

5 min czytania
Podpowiedzi AMPER AI Predict w koszyku zamówienia: produkty z szansą zakupu i powodem każdej podpowiedzi (przykładowe dane)

Skąd Twoi handlowcy wiedzą dziś, co jeszcze zaproponować klientowi przy zamówieniu?

Zwykle przewijają historię zamówień albo liczą na pamięć: ten sklep bierze kawę mniej więcej co dwa tygodnie, chyba. Przy kilkudziesięciu klientach na trasie i setkach produktów w ofercie łatwo coś pominąć.

Produkt, o który nikt nie zapyta, zwykle nie trafia do zamówienia.

Dlatego w AMPER działa teraz AMPER AI Predict. Przy każdym dokumencie w aplikacji AMPER MOBILE podpowiada handlowcowi, które produkty klient najprawdopodobniej zamówi w ciągu najbliższych 14 dni. Przy każdej podpowiedzi podaje powód.


W skrócie

  • Podpowiada przy każdym dokumencie. Handlowiec dodaje produkt do dokumentu jednym przyciskiem, z sugerowaną ilością.
  • Podaje powód każdej podpowiedzi, np. „zwykle co 14 dni, od ostatniego zakupu minęło 18 dni”.
  • Pokazuje tylko to, co można dziś sprzedać: produkty z ceną dla klienta, na stanie, widoczne w ofercie.
  • Uczy się wyłącznie na danych Twojej firmy. Każda firma ma własny model.
  • Decyduje człowiek. Podpowiedź nigdy sama nie trafia do zamówienia.

1. Gdzie handlowiec widzi podpowiedzi

W aplikacji AMPER MOBILE podpowiedzi są w trzech miejscach:

  • „Zwykle zamawia” – w szczegółach wizyty: produkty, które klient najpewniej zamówi teraz.
  • „Podpowiedzi” – w koszyku każdego dokumentu: pełna lista z sugerowaną ilością. Produkt dodasz do dokumentu jednym przyciskiem.
  • „Warto zaproponować” – kilka produktów, których klient jeszcze nie kupuje, a które mogą mu się przydać. To propozycje do rozmowy, nigdy nie są dodawane do zamówienia automatycznie.

Szanse zakupu pokazujemy słowami: wysokie albo średnie. Podpowiedzi z małymi szansami w ogóle się nie pojawiają, więc lista nie jest długa.

Podpowiedzi zna też asystent AMPER AI. Wystarczy zapytać: „co zaproponować klientowi X na jutrzejszej wizycie?” albo „jak trafne są podpowiedzi?”.


2. Podpowiedź mówi, dlaczego

Handlowiec nie dostaje czarnej skrzynki. Każda podpowiedź ma krótkie wyjaśnienie, z którym łatwo zacząć rozmowę z klientem:

  • „zwykle co 14 dni, od ostatniego zakupu minęło 18 dni”
  • „kupowany regularnie (6 razy w ostatnich 90 dniach)”
  • „promocja na ten produkt w najbliższych dniach”
  • „o tej porze roku zwykle kupowany”
  • „kupuje coraz więcej”

Przy produktach, których klient jeszcze nie kupuje, powód brzmi np. „kupuje go 12 z 50 klientów o najbardziej podobnych zakupach” albo „często kupowany razem z „Kawa ziarnista 1 kg”, który klient już bierze”.


3. Skąd biorą się podpowiedzi

AMPER AI Predict korzysta z historii sprzedaży, która jest już w AMPER: z zamówień klientów i handlowców, faktur i paragonów z ERP, korekt i zwrotów, wizyt i ich planów, promocji oraz stanów magazynowych. Zamówienie i wystawiona do niego faktura to dla systemu jeden zakup, a nie dwa.

Dla każdego klienta i każdego produktu, który ten klient kupował w ostatnim roku, system bierze pod uwagę:

  • rytm zakupów – co ile dni klient zwykle kupuje produkt i ile minęło od ostatniego zakupu,
  • częstotliwość – ile razy kupił produkt w ostatnich miesiącach,
  • trend – czy kupuje coraz więcej,
  • sezon – czy o tej porze roku zwykle po niego sięga,
  • wizyty – czy handlowiec będzie u niego w najbliższych dniach,
  • promocje – czy na produkt jest promocja.

Z tego wylicza szanse zakupu w ciągu 14 dni i układa listę od najbardziej prawdopodobnych. Na koniec odrzuca produkty, których nie da się dziś sprzedać: bez ceny dla klienta, bez stanu, wycofane z oferty. Handlowiec nie proponuje więc czegoś, czego potem nie dostarczysz.

Nie trzeba czekać, aż system „nazbiera” danych. Uczy się na historii sprzedaży z ostatnich lat, która już jest w AMPER.


4. Nauka, która nie może pogorszyć podpowiedzi

Zaraz po włączeniu podpowiedzi liczy prosta reguła rytmu zakupów: podpowiada produkty, które klient kupuje regularnie, gdy minął jego zwykły odstęp między zakupami. Podpowiedzi są więc dostępne od pierwszego dnia.

Raz w miesiącu system uczy model sztucznej inteligencji na historii Twojej firmy. Robi to, „cofając się w czasie”: wybiera dzień z przeszłości, sprawdza, co wiedział wtedy o kliencie, i porównuje to z tym, co klient kupił w kolejnych dwóch tygodniach. Powtarza to dla setek dni i wszystkich klientów.

Ostatnie tygodnie historii są odłożone na sprawdzian. Model się na nich nie uczy, tylko sprawdza na nich swoje przewidywania:

  • jeśli wypada lepiej niż reguła, od następnego dnia to on liczy podpowiedzi,
  • jeśli nie, podpowiedzi dalej liczy reguła, a kolejna próba odbywa się przy następnej comiesięcznej nauce,
  • każda kolejna wersja zastępuje poprzednią tylko wtedy, gdy nie wypada od niej gorzej.

Przed każdą nauką system sprawdza też dane, np. czy w historii nie ma kilkutygodniowej przerwy, która zwykle oznacza przerwany import z ERP, a nie brak sprzedaży. Jeśli coś się nie zgadza, podpowiedzi dalej liczy reguła, a raport pokazuje, co poprawić.


5. Trafność w jednym zdaniu

Co tydzień, gdy minie dwutygodniowy okres podpowiedzi, system porównuje je z prawdziwymi zakupami. Wynik podajemy prosto:

„Z 10 podpowiedzi klienci, którzy w tym czasie zamówili, kupili średnio X.”

Mierzymy też, jak często handlowcy dodają podpowiedzi do koszyka. Po 8 tygodniach od włączenia porównujemy typowe zamówienie z okresem sprzed włączenia i z tym samym okresem rok wcześniej: liczbę produktów w zamówieniu, wartość zamówienia i liczbę zamówień na klienta. Na te liczby wpływają też sezon, ceny i promocje, dlatego pokazujemy je obok trafności, a nie zamiast niej.


Co to oznacza dla firmy

  • Handlowiec nie musi pamiętać rytmu każdego klienta. Podpowiedzi są przy każdym dokumencie, a produkt dodaje jednym przyciskiem.
  • Mniej pominiętych produktów. Kawa, którą klient bierze co dwa tygodnie, nie wypadnie z zamówienia tylko dlatego, że nikt o nią nie zapytał.
  • Propozycje, które można dziś zrealizować. Bez produktów bez ceny, bez stanu i wycofanych z oferty.
  • Dane zostają u Ciebie. Model każdej firmy uczy się wyłącznie na jej danych.

Co jeszcze warto wiedzieć

  • To nie narzędzie do oceniania handlowców. Raporty dotyczą całej firmy. AMPER AI Predict nie porównuje handlowców i nie przygotowuje takich zestawień.
  • Na start prościej. Pierwsze podpowiedzi liczy reguła rytmu. Bogatsze, z sezonem, trendem i promocjami, pojawiają się, gdy model nauczony na Twoich danych przejdzie sprawdzian. Do tego czasu sekcja „Warto zaproponować” może być pusta, i jest to zamierzone.
  • Jakość podpowiedzi zależy od danych. Pomaga kompletna i regularnie przesyłana historia sprzedaży z ERP, z korektami i zwrotami, spójne jednostki produktów i planowanie wizyt w AMPER.

Z czego dokładnie uczy się system, jak sprawdzamy trafność i odpowiedzi na najczęstsze pytania opisaliśmy prostym językiem, także dla handlowców, w bazie wiedzy: AMPER AI Predict – jak to działa.


Podsumowanie

AMPER AI Predict przygotowuje podpowiedź, a decyzję podejmuje handlowiec. Twój zespół nie musi pamiętać, kto co i kiedy kupuje. Przy każdym dokumencie widzi, o co warto zapytać, i wie, dlaczego.

Korzystasz z AMPER i chcesz zobaczyć podpowiedzi oraz pierwszy raport trafności na swoich danych? Napisz na support@ampliapps.com albo zadzwoń: +48 85 6000 263. Jeśli dopiero poznajesz AMPER, umów demo – pokażemy AMPER AI Predict razem z aplikacją AMPER MOBILE.

Czytaj dalej

Zakładka Program lojalnościowy w sklepie AMPER B2B: punkty do wymiany i katalog nagród
·5 min czytania

AMPER Program lojalnościowy – punkty z faktur liczą się same, a klient widzi je w sklepie B2B

Nowy moduł AMPER: klient zbiera punkty za faktury na wybrane produkty i wymienia je na nagrody w sklepie B2B. Punkty liczą się same każdej nocy.

Czytaj więcej
·5 min czytania

Jak wybrać system SFA offline do presellingu i vansellingu - kryteria i test w terenie

Jak wybrać aplikację SFA dla przedstawicieli FMCG: praca offline, ceny klienta, promocje, dokumenty, integracja z ERP i jednodniowy scenariusz testu w terenie.

Czytaj więcej
·6 min czytania

Live Assisted Sales - dlaczego zbudowaliśmy sprzedawcę AI, który nie sprzedaje

Od dwudziestu lat piszemy oprogramowanie dla ludzi, którzy sprzedają twarzą w twarz. Live Assisted Sales to ten sam pomysł przeniesiony do sklepu internetowego - z jedną różnicą, o której trzeba było się długo pospierać.

Czytaj więcej

Współpraca

Masz jakiś projekt? Porozmawiajmy.