Funkcjonalność dynamicznego

rabatowania
w oparciu o modele uczenia maszynowego ML.

Cel
Celem projektu z firmą OmegaCode jest dynamiczne oferowanie klientom Chroma rabatów,
które aktywizują klientów nie zamawiających oraz pozwolą zwiększyć wartość klientów
aktywnych przy zachowaniu możliwie najniższych możliwych rabatów.

Główne korzyści płynące z tego rozwiązania mają dotyczyć:

- objęcia rabatami wszystkich klientów, a nie tylko tych, z którymi kontaktuje się BOK
lub którzy kontaktują się z BOK poprzez
- klienci aktywni
przygotowanie rabatów na podstawie dłuższej historii zakupowej klienta lub
próbie zaklasyfikowania do grupy klientów podobnych (brak długiej historii
zakupowej)
- klienci nieaktywni
aktywizacja klientów przy założeniu, że część z nich nie zamawia ze względu
na nieatrakcyjne warunki. Grupa tych klientów jest duża, nie do wszystkich
udaje się dotrzeć, a przez brak historii nie umiemy określić dokładnie ich
wartości, a co za tym idzie odpowiednio nadać priorytety na kontakt osobisty
z klientem.
- model ma z czasem szukać optymalnego rabatu dla każdego klienta indywidualnie
tak aby rabat był “wystarczająco duży” do składania zamówień, a jednocześnie, żeby
nie był zbyt głęboki i niepotrzebnie wpływał na obniżenie naszej marży.

Implementacja techniczna
Mamy dwa modele:
- dla klientów aktywnych i
- klientów nieaktywnych

Klienci aktywni
będą objęci dwoma rodzajami rekomendacji (rabatów)
- STATYCZNYMI
Te rabaty będą obowiązywały dłuższy okres - 7, 14, 30 dni. Docelowo mają posiadać
płytszy rabat na szerszy asortyment. Te rekomendacje są generowane na podstawie
historii zakupowej klienta lub klientów jemu podobnych.
- DYNAMICZNYMI (jeszcze nie wdrożone)
Te rabaty są przyznawane na podstawie aktywności klienta w serwisie, np. po jakich
stronach chodzi, co klika, ile czasu spędza na danej stronie / produkcie, skąd do
naszego serwisu przyszedł. Te rabaty mają krótszy okres ważności - 1,3,5 dni -
 mogą mieć głębszy rabat i z reguły dotyczyć będą konkretnego produktu / grupy
produktów. Ich celem będzie zagranie na emocjach - wyższy ale krótkotrwały rabat.
Ma to za zadanie “wygrać” zamówienie przed np. oczekiwaniem na odpowiedź z
wyceną od konkurencji.

Na ten moment wykluczamy resellerów. Wszyscy klienci aktywni zostają podzieleni w

stosunku 60:40. To oznacza, że 60% aktywnych dostanie dynamiczne rabaty natomiast 40%
nie. Te 40% jest grupą kontrolną, która bada czy, np. poprawa w obrotach klientów z
rabatami wynika z przyznania rabatu czy może jest losowa i występuje również w grupie
kontrolnej.
Stosunkiem 60:40 możemy sterować, czyli obejmować rabatami większą lub mniejszą część
w zależności od decyzji i potrzeb biznesu.

Klienci nieaktywni
Jest to model aktywizujący i jest przedłużeniem programu premium-35. Kiedy klient przy
braku aktywności przez ponad 3 miesiące trafia do tego modelu, otrzymuje kod rabatowy na:
● 35% dla agencji i wszystkie produkty
● 30% dla firm i detalu
W pierwszych miesiącach działania modelu rabat jest wysoki aby sprawdzić jak “dużego
bodźca” potrzeba aby klienci zaczęli reagować. W dalszej części gdy dane na to pozwolą
będziemy szukać niższego, suboptymalnego punktu.
Jest to próba “wygrania” klienta ponieważ trzeba włożyć więcej wysiłku (inwestycji) aby
odzyskać klienta który kupuje gdzieś indziej.

W przypadku tych klientów zadanie jest też utrudnione ponieważ jeśli klienci są nieaktywni,
nie odwiedzają serwisu i nie mamy zgód to nie mamy jk do nich dotrzeć. Jeżeli jednak są
nieaktywni ze względu na nieatrakcyjne warunki - ale serwis odwiedzają - wtedy pokażemy
im pop-up z kodem.

Opis rozwiązania w serwisie

Sama funkcjonalność od strony serwisu wygląda następująco:

1. Po otrzymaniu rekomendacji jeśli:

a. mamy zgody marketingowe -
i. wysyłamy do klienta emaila z informacją o przyznaniu takiego rabatu

ii. Po pierwszym logowaniu do aplikacji również przypomnimy mu o

kodzie w formie pop-up’u (prezentacja w kolejnym punkcie)
 b. jeśli zgody nie ma wyświetlamy tylko pop-up kiedy klient zaloguje się do
aplikacji po raz pierwszy

2. Po zamknięciu okna dostępne kody rabatowe można znaleźć w dwóch miejsca:

a. W panelu klienta w sekcji rabaty i promocje oraz
 b. U góry ekranu pod ikoną “%”

i. Otwarcie tej sekcji pokaże skrócony komunikat zakresu rabatu oraz po

najechaniu i kliknięciu ponownie otworzy pop-up.
ii. Poniżej listy jest też link przenoszący do panelu klienta do sekcji
Rabaty i Promocje gdzie kod również jest prezentowany

Jak model się uczy

Każda rekomendacja jest zapisywana u nas w bazie.
Znamy jej
● głębokość (% rabatu),
● zakres (produktowy) oraz
● okres obowiązywania.
Po naszej stronie jest
● przedstawienie rekomendacji
 ● sprawdzenie czy klient na pewno nie ma wyższego rabatu przed samym
przedstawieniem rekomendacji (zabezpieczenie)
● oznaczenie oraz zwrot do Omega Code czy rekomendacja została:
○ przedstawiona
○ przeczytana
○ wykorzystana

Na tej podstawie informacji zwrotnej od nas model się uczy i dopasowuje w przyszłości
rabaty lepiej.

Gdzie weryfikować przyznany kod rabatowy

Weryfikację przyznanych kodów rabatowych można przeprowadzić tutaj:
https://lookerstudio.google.com/u/0/reporting/d3b9b779-651a-48e1-8dea-7c186d926224/
page/p_oie2l9q5ed/edit
Jest to arkusz przygotowany już kiedyś dla BOK mający ułatwić analizę klienta. Dołożyłem
nową zakładkę “3. Dynamiczne kody rabatowe”.

Przykład sprawdzenia czy klient ma przypisany kod oraz z jakim rabatem zamawiał w
przeszłości
Klient z przykładu zamawiał w przeszłości (przed programem premium-35) z rabatem 35%
rabat ten wynikał jednak z minimalnego stałego rabatu 35% a nie z przynależności do
programu.