E-ticaret sitelerine daha fazla trafik ve SEO başarısı için bir rehber ile karşınızdayız.

Marketing yazısı bu, çok da bilimsel olmasın diyorum. Ama işin ucu bilime dokunduğu için olabildiğince sadeleştirmeye çalışacağım 🙂

İnternette her tıklamada veri artar ve devasa bir data ile karşılaşırsınız. Bu devasa veriyi anlamlandırmak ve şirketin yararları vb. İçin kullanmak için, farklı Veri Bilimi tekniklerinin yardımına ihtiyaç duyarız.

Her gün insanlar tek bir fare tıklamasıyla çevrimiçi şeyler alıp satarlar. Ancak müşterilerin web sitesine bağlı kalmasını sağlamak veya müşteri deneyimini geliştirmek için şirketler, aradıklarında Amazon web sitesinde Veri bilimi / Makine Öğrenimi gibi teknikler kullanır. Bu öneriler Makine Öğrenmesi algoritmalarıyla üretilir. Kullanıcının geçmiş faaliyetlerini ve satın alımlarını öğrenir. Şirketler, her tıklama müşterisinin, her müşterinin okuduğu her bir yorumun, her müşterinin sosyal medyada paylaştığı vb. bilgilerini depolar ve müşterilerini öğrenmek veya yeni müşterilere yardımcı olmak için bu verileri kullanır.

İnternetten alışveriş yaparken, neden bir şeyi bu şekilde yaptıklarını veya neden burada gösterildiğini düşünüyorsunuz? Bu şey ne aradığımı nasıl biliyor? Bütün bu soruların sadece bir cevabı var ve bu da Veri Bilimi. E-ticaret, Veri Bilimi / Makine Öğrenimi tekniklerinin en büyük tüketicilerinden biridir ve açıkça bu teknikleri uygulamayanlar sonbaharı yaşıyor desek abartmış olmayız.

Bu yazıda, bir E-ticaret şirketinin müşteri deneyimini ve gelirlerini veya işlerini geliştirmek için yapması gereken 5 öneri paylaşacağız.

1. Tavsiye Sistemi

Amazon, Netflix veya herhangi bir e-ticaret web sitesinde önerileri gördüğünüzü hatırlıyor musunuz? Son birkaç yılda öneri sistemi, birçok işletmeye değer katarak, internet tabanlı işletmeleri devraldı.

data-science

E-Ticaret’te öneri sistemlerinin faydalarını anlamadan önce öneri sisteminin temellerini açıklayalım.

Wikipedia Tanımı,

Bir öneri sistemi , bir kullanıcının bir öğeye vereceği “dereceyi” veya “tercihi” tahmin etmeyi amaçlayan bir bilgi filtreleme sistemi alt sınıfıdır.

Tavsiye sistemi; yukarıdaki tanımların tanımladığından daha fazlasıdır. Belirli kullanıcılar için seçimlerini geçmiş aramalarına veya diğer müşterilerin arama veya satın alma verilerine göre filtrelemek için kullanılır. Kullanıcılara e-Ticaret web sitesinde kişiselleştirilmiş bir görünüm sunar ve alakalı ürünleri seçmelerine yardımcı olur. Örn – Amazon web sitesinde yeni bir telefon ararken, telefon kılıfı da almak isteyebilirsiniz. Amazon, bu olasılığı önceki satın alımları analiz ederek veya müşterilerinin verilerini arayarak belirleyecektir.

Popüler Tavsiye Teknikleri

Bir öneri sistemi kurmanın birkaç yolu vardır. Bu tekniklerin her biri farklı şekillerde filtre uygular veya önerilerde bulunur. Aşağıdaki gibi üç ana ve bilinen teknik vardır:

  1. Ortak filtreleme
  2. İçeriğe Dayalı Filtreleme
  3. Hibrit Öneri Filtreleme

Ortak Filtrelemede, kullanıcının web sitesindeki etkinlikleri hakkında toplanan veriler ve diğer kullanıcılarla yaptıkları faaliyetler arasında benzerlik bulmak suretiyle tavsiyeler verilecektir. Bu belirli tekniğin müşteriye tavsiye etmeden önce ürün hakkında bilgi sahibi olması gerekmediğinden, e-Ticaret şirketleri arasında en popüler tekniktir. Sadece farklı kullanıcılar arasındaki benzerlikleri bulmaya çalışır.

Ortak filtrelemeden farklı olarak, İçerik Tabanlı Filtreleme, kullanıcının profili ve öğe açıklaması temelinde öneriler sunar. Bu teknik, kullanıcılar için geçmişte neyi sevdiklerini temel alarak filtreleyebilir.

Hibrit Öneri Sistemi, Ortak ve İçerik Tabanlı Filtrelemenin birleşimidir. Hibrit tekniği birçok farklı şekilde kullanılabilir. Ortak ve İçeriğe Dayalı Filtreleme kullanarak ayrı ayrı tahminler yapabilir. Daha sonra sonuçlarını birleştirebilir veya sonuçlarını başka bir teknik için girdi olarak kullanan tekniklerden birini kullanarak tahminlerde bulunabilir. Hibritin en iyi örneklerinden biri Netflix’tir.

Şu anda, Tavsiye Sistemleri’nin ne olduğu hakkında net bir resme sahibiz, işletmelere nasıl değer kattıklarını daha da araştırmakta fayda var.

E-Ticaret sitesindeki önerilerin önemi

Çok sayıda e-ticaret web sitesi var ve bazıları benzer ürünler sattıkları için ayırt etmek zor. Burada e-ticaret işletmelerinin, müşterilerini web sitesi / ürünü ile nasıl meşgul edebileceklerini düşünmeleri gerekecektir. Bahse girerim, çoğunuz neden bu konu üzerine çok konuştuğumuzu düşünüyor olmalısınız.

Bir e-ticaret web sitesinde giysi için çevrimiçi alışveriş yaptığınızı düşünün

Web sitesi1 herhangi bir öneri sistemine sahip değildir ve bu nedenle bir kullanıcı olarak birçok farklı üründen geçmek zorundasınız. Bu, müşteriyi web sitesi1’den uzaklaştırabilir. Çünkü web sitesi1’de alışveriş yapmak çok zaman alır. Diğer taraftan, rakip websitesi2’nin tavsiye sistemi vardır, sonuçta elde edilen web sitesi2 web sitesinden1 daha ilgi çekici hale gelecektir. Kullanıcı bir ürüne her tıkladığında, web sitesinde öneri olarak benzer veya ilgili ürünleri görecektir.

Bir web sitesinin ilgi çekici olmasıyla, o kadar çok insanın alışveriş yaptığı kanıtlanmıştır. Bu, sonuçta e-ticaret şirketinin gelirini artıracak bir yöntemdir.

 

2. Müşteri Ömür Boyu Değer Modellemesi

Birçoğunuz “Değerli Müşteri” terimini duymuş olabilirsiniz. Bunun anlamı ne? Müşteriyi değerli kılan şey nedir?

Wikipedia Tanımı

Müşteri ömür boyu değeri , bir müşteriyle gelecekteki tüm ilişkiye atfedilen net kârın bir tahminidir.

Müşterinin yaşam boyu değer modellemesinin, bir müşterinin yaşamı boyunca bir şirketin gelirine ne kadar getirebileceğini hesapladığını açıkça belirtir. Ayrıca, müşterinin satın alma ve e-Ticaret web sitesiyle (veya başka bir işletmeyle olan etkileşim geçmişi) tahmin ettiği hesaplanan bir rakamdır.

Bir işletmenin müşterinin değerini bilmesinin neden önemli olduğunu anlamaya çalışmadan önce, nasıl hesaplanabileceğini görelim.

Müşteri Ömür Boyu Değerini Hesaplama

Müşteri ömür boyu değerini hesaplama adımlarını tanımlayan çok sayıda makale vardır. Burada basit tutarak sadece formüle edeceğiz.

Müşteri ömrü değerini yani hesaplamak için temel formül

(Ortalama Sipariş Değeri) x (Tekrar Sipariş Sayısı) x (Ortalama Müşteri ömrü)

Ortalama Sipariş Değeri- Önceki tüm siparişlerin ortalama değeri

Tekrarlanan Satış Sayısı – Siparişlerin sayısı, sipariş sayısı

Ortalama Müşteri Ömrü- Bir kişinin müşterinizle ne kadar süre kalacağı

 

E-Ticaret sitesinde Müşteri Ömür Boyu Değerin Önemi

Müşteri yaşam boyu değeri, müşterinin şirkete getireceği öngörülen bir fayda tutardır. Ancak, tek bir müşterinin ne kadarını getirebileceği ve neden bunu önemsiyoruz?

Bir şirketin 2k düzenli müşterisi olduğunu varsayalım, tüm bu müşteriler için gelecekteki nakit akışını hesaplayarak, şirket gelecekteki geliri tahmin edebilir. Şirketler neden gelecekteki gelirlerini bilmek ister? Şirketler gelecekteki çalışmalar için stratejilerine karar veriyorlar; örneğin, ne kadar işe yarayabileceklerini veya gelecekteki gelirlerine dayanarak ne kadar fazla çalışmaya ihtiyaç duyacakları vb. Sadece bu değil, şirketler de hangi müşteriye odaklanacağına da böyle karar verebiliyorlar. Diyelim ki, ‘A’ müşterisi önümüzdeki on yıl içinde 5 bin dolar gelir elde ederken, ‘1’ müşterisi yalnızca 1K getirecek. Rakamlara bakıldığında, şirketler pazarlama stratejisine karar verecek ve müşteriden ‘A’ dan gelen nakit akışını korumaya çalışacaklar.

Ayrıca, CLV (Customer Lifetime Value) yani yaşam boyu değeri e-ticaret işlerine birçok yönden yardımcı olur:

  1. Şirketin büyüme hedefleri, harcamalar, gelecekteki satışlar, net kar vb.
  2. Ticari pazarlama stratejilerini optimize edebilirsiniz
  3. Kampanya ve reklam planlaması yapabilirsiniz
  4. Müşterinin satın alımına göre çapraz satış ve yukarı satışa karar verebilirsiniz
  5. CLV, müşteri kazanım maliyetine, müşterileri çekmenin maliyetine karar vermeye yardımcı olur.

Herhangi bir e-ticaret işinde dikkate alınması gereken temel metriklerden biridir. İşletmelerin harcamalarına karar vermelerine ve sadık müşterileri hakkında bilgi sahibi olmalarına yardımcı olur.

3. Müşteri Tutma – Churn (Güğüm) Modeli

Churn Modeli, her e-ticaret işletmesinin, işletmelerine değer katmak için uygulamayı düşünmesi gereken projelerden biri. Churn modeli müşteriyi elde tutma ile ilgili olduğundan, öncelikle müşteriyi elde tutmanın ne olduğunu anlamamız gerekir.

 

churn

 

Wikipedia tanımı,

Müşteriyi elde tutma , bir şirketin veya ürünün müşterilerini belirli bir süre boyunca elinde tutabilme becerisini ifade eder.

Müşteri tutma, iş için önemli bir husustur ama neden? Bir müşteri bir E-Ticaret web sitesine gidip bir şeyler sipariş ettikten sonra geri gelip daha fazla şey satın alma olasılığı vardır (sadece mutlularsa). Müşteri tutma, daha yüksek müşteri ömrü değeri üretmeye yardımcı olur. Yeni müşterilere sahip olmak iyidir, ancak mevcut müşteriler yenilerine göre daha fazla gelir getirir.

Sadık müşterilere sahip olmanın birçok faydası vardır

  1. Mevcut müşteriler için sağlam sayıları olan işletmelerin pazarlarını genişletmelerine yardımcı olur.
  2. Müşteri pazarlama stratejinizi takdir eder ve yeni şeyler denemeye hazırdır.
  3. Müşterilerden gelen gerçek zamanlı geri bildirim.
  4. Mevcut müşteriler daha fazla yeni müşteri getiriyor, pazarlamanın en iyi kaynağı onlar.
  5. Müşteri tutma, yeni müşterileri çekmeye de yardımcı olur. Bir şirketin mevcut müşterilerine ödüller ve ekstra avantajlar sağladığını görmek, daha fazla insanı kendine çeker.

Artık müşteriyi elde tutmanın işletmelere nasıl fayda sağladığını bildiğimiz için, şimdi müşteriyi elde tutmayı nasıl başarabileceğimizi anlamaya çalışacağız.

Müşteriyi elde tutmanın birçok yolu vardır, ancak en yaygın kullanılan model Churn Modeli’dir.

Güğüm (Churn) Modeli

Churn Model, farklı e-ticaret web sitelerine geçmesi muhtemel olan müşterileri belirlemeye yardımcı olur. Bir kez tespit edildiğinde şirketler mevcut müşterilerini korumak için harekete geçebilirler. Şimdi soru şu ki, Churn modeli bu müşterileri nasıl tanımlar? Model, kayıp oranını hesaplamak için kullanılabilir ve işin doğasına bağlı olarak, farklı ölçümler kullanılabilir. Birkaç genel ölçüm:

  • Kaybedilen müşteri sayısı
  • Kaybedilen müşteri yüzdesi
  • Tekrarlayan işlerin değer kaybı
  • Yinelenen değerin kayıp yüzdesi

E-Ticarette Güğüm Modelinin Önemi

Churn Modeli, işletmelere birçok yönden fayda sağlar. E-ticarette Churn Modelinin uygulanmasının birkaç avantajı –

  1. Çökme oranı, karmaşayı belirleyen müşterileri belirlemeye yardımcı olabilir ve buna bağlı olarak işletmeler de tutma kampanyaları düzenleyebilir.
  2. Güğüm Modeli, CLV’yi sürdürmede işletmelere yardımcı olabilir.
  3. İşletmelerin ilerlemeyi takip etmesine yardımcı olur.
  4. Churn Modelinden alınan girdiler BI aktiviteleri için çok yardımcı olabilir.

4. Dolandırıcılık Tespiti

E-Ticaret işletmelerinin çoğu, daha fazla müşteri edinmeye ve daha fazla gelir elde etmeye odaklanır. Hedeflerine ulaşmak için şirketler sitelerinin verimli olmasını istiyor. Şirketler güvenliği sağlamada başarısız olurlarsa verimlilik işi kurtaramaz.

Bir dolandırıcılığın çevrimiçi olabileceği birkaç yol vardır –

  • Kimlik Hırsızı
  • Ters ibraz sahtekarlığı
  • Dost dolandırıcılık
  • Temiz sahtekarlık
  • Nirengi dolandırıcılığı
  • Ortak dolandırıcılık
  • Ticari kimlik sahtekarlığı
  • Gelişmiş ücret ve banka havalesi dolandırıcılığı

Şimdi soru şu ki, bu şirketler sahtekarlıkları nasıl tespit edebilir? Veri Bilimi ve Makine Öğrenme Teknikleri yardımı ile bu sahtekarlar kolayca bulunabilir. Veri Bilimi tekniklerini kullanmak için, şirketler olası sahtekarlıkların bir listesini bulmak zorunda kalacaktır.

Potansiyel sahtekârlığı belirten bazı şüpheli davranış örnekleri:

  • Teslimat adresi fatura adresinden farklı
  • Aynı öğenin birden fazla siparişi
  • Olağandışı ertesi gün kargo ile büyük siparişler
  • Farklı kartlarla aynı adrese çoklu siparişler
  • Beklenmeyen uluslararası siparişler

Yukarıdaki şüpheli davranışlar DS / ML kullanılarak tespit edilebilir. Kullanılan yaygın tekniklerden bazıları:

  • Veri Madenciliği – Tespit, doğrulama, hata düzeltme ve eksik veya yanlış verilerin doldurulması
  • Zaman serisi analizi
  • Verilerdeki ilişkili grupları bulmak için Kümeleme ve Sınıflandırma. Bu anomalilerin tespitinde yardımcı olur
  • Yanlış alarmları önlemek, riskleri tahmin etmek ve mevcut işlemlerin veya kullanıcıların geleceğini tahmin etmek için eşleştirme algoritmaları

5. Geliştirilmiş Müşteri Hizmetleri

Birçok şirket, müşterileri çekmek için içerik pazarlamasını kullanır, ancak sadık müşterileri elde tutmak için mümkün olan en iyi hizmeti sunmak önemlidir. Gelişmiş müşteri hizmetleri burada ne anlama geliyor? ve Nasıl başarılabilir? Ayrıca, veri bilimi müşteri hizmetlerini iyileştirmede nasıl yardımcı olur?

Veri Bilim tekniklerini kullanarak, örneğin NLP (Doğal Dil İşleme), web sitesindeki derecelendirme ve incelemelerden çıkarılabilir. Bu teknik, kullanıcı yorumlarını almaya ve neden kötü yorumların verildiğini anlamanıza yardımcı olur. Örneğin, WordCloud’lar, kelimelerin bir metin koleksiyonunda ne kadar önemli olduğunu göstermenin popüler bir yoludur ve N gramlar sözcük ilişkilerini aramaya yardımcı olur.

İncelemeler çıkarıldığında, Veri Bilim Adamları bunları daha da ayırabilir ve Duyarlılık Analizi yapabilir. Bu bilgilerle, e-ticaret, en büyük olumlu etkiye sahip olacak ürün güncellemelerine öncelik vererek kullanıcı memnuniyetini verimli bir şekilde artırabilir.

Özet

Bu yazıda, e-ticaret şirketlerinin kesinlikle uygulamayı düşünmeleri gereken farklı projelerden bahsettik. Bu projeler, müşterileri elde tutma, iyi değerlendirme, marka değeri arttırma, gelişmiş müşteri hizmeti ve müşteriye iyi bir öneriyle işlerine değer katabilir, müşteriye daha iyi bir deneyim sunacak, aynı zamanda şirketlerin daha fazla ürün satmasına yardımcı olacaktır.

“Bu kadar karmaşık işler ile ilgilenmeye zamanım yok, siz ilgilenin biz de işimize odaklanalım” diyorsanız iletişim kutumuza bekleriz.

Bol kazançlar dilerim