חוקר IBM בחיפה פיתח מודל לחיזוי קונים באינטרנט

מודלים קיימים להערכת ערך לקוח (Customer Lifetime Value ובקיצור, CLV) ביססו את הערכותיהם על ניתוח היסטוריית הרכישות של הלקוח ותכיפות קניותיו בלבד.

הטכנולוגיה החדשה הטכנולוגיה שפיתח החוקר, עמית פישר, מספקת תמונה רחבה יותר של הלקוח, על בסיס התנהגות העבר שלו אך גם על בסיס צורת הגלישה ואופן ההתנהגות הנוכחית שלו באתר. באופן זה, מסוגלת המערכת אפילו לחזות ולהעריך את ערכו של גולש המבקר באתר בפעם הראשונה.

"כמעט בלתי אפשרי לקבוע בדיוק מה רוצה הלקוח – אולם על ידי שימוש באלגוריתם חדש לכריית נתונים הבודק את הנתונים ההיסטוריים של הלקוח ואת התנהגותו הנוכחית, אפשר לחזות את הערך האמיתי של לקוח באינטרנט ולסייע לעסקים מקוונים להיות מדויקים יותר ולהקצות את משאבי השירות ההולמים לכל לקוח כזה", מסביר פישר.

תוצאות טובות יותר

המודל החדש של פישר משולב עם טכנולוגיות אקטיביות נוספות, המפותחות על ידי צוות החוקרים במעבדות IBM בחיפה. הטכנולוגיות האלה יכולות לנטר ולעקוב אחר יישומים בזמן אמת ולקבל באורח אוטומטי החלטות המבוססות על קריטריונים מוגדרים מראש, או להתריע על הצורך בהחלטה כזאת. כך, למשל, כאשר המודל חוזה כי סיכוייו של מבקר באתר לרנות הם גבוהים – ניתן להפעיל טכנולוגיה שתעבוד ברקע על מנת להתרים את חוויית המשתמש ולשפר אותה באמצעות שירות משופר יותר, הצעת מוצרים נוספים, או מתן עדיפות לבקשות הלקוח הפוטנציאלי.

על פי הערכת החוקרים, שיטות חדשות אלה צפויות להניב תוצאות טובות משמעותית מאלה של שיטת ה"בא ראשון מקבל שירות ראשון", הנהוגות כיום באתרי אינטרנט. טכנולוגיות אקטיביות של מעבדות המחקר של IBM בחיפה נמצאות כבר בשימושם של אתרים שונים, בעיקר בתחום השירותים הפיננסיים.

שיטה לחיזוי מדויק

העבודה על המערכת החדשה החלה במסגרת עבודת המאסטר של פישר בטכניון, ושולבה לאחר מכן במאמץ המחקר של חוקרי מעבדות IBM בחיפה. כחלק מהעבודה, פיתח פישר מודל חדש החוזה את הרווח הצפוי מכל לקוח ברשת. המודל הוכיח עצמו במחקר היתכנות שבוצע כבר באחד מאתרי המכירות הפומביות הגדולים הפועלים בישראל, הזוכה לאלפי מבקרים ביום. הנתונים היומיים של השימוש באתר רוכזו ונותחו לאורך שנה שלמה, במהלכה בוצעו 70,000 רכישות בפועל, בשווי כולל של 18 מיליון דולר.

ניטור התנהגות הגולשים תוך כדי השימוש באתר, מאפשר למודל לשייך כל גולש לקבוצה ולצפות את דפוסי הרכישות שלו, על בסיס המאפיינים של אותה קבוצה. פישר ביקש להוכיח כי הלקוחות המדורגים גבוה יותר על פי המודל שלו אכן מבצעים רכישות בהיקפים ובתדירות גבוהים יותר. קבוצות הניתוח של משתמשי אתר המכירות נבנו על בסיס משתנים דוגמת תכיפות, שווי העסקה, מספר הגישות לאתר, מספר הצעות המחיר ועוד. ואמנם, בקבוצות גדולות של למעלה מ- 1,000 לקוחות, הוכיח המודל רמת דיוק גבוהה במיוחד – והתקרב למתאם של קרוב ל- 1.0 בהשוואה לנתוני הרכישות כפי שבוצעו בפועל.