購買データ・コールログ分析とAIによる商品リコメンド

商品概要

■営業マン一人一人のアプローチの「見える化・最適化」 　熟練スタッフの成約要因を共有し、営業活動を全体最適化します。購入プロセスに適した営業による成約率の向上が可能です。AI店員、AIチャットボット対応による機会損失の低減もできます。 ■顧客の購買行動データを活用した商品リコメンド 　購入可能性の高い商品をリコメンドします。

機能

■商談データから、下記のような項目をデータ化
　●購入実績
　●顧客ID
　●担当者ID
　●顧客属性（年齢、性別、住所、家族構成）
　●ライフスタイルに関する質問と回答（保有車両、保有年月、点検日、使用目的、アクティビティ）
　●購入希望車種に関する質問と回答（価格帯、 好きなメーカー・ブランド、ボディタイプ）
　●要望・依頼内容等
（自動車販売の例）
■AIによる購入商品予測・リコメンド
　あらかじめユーザーを顧客属性で分類、購入価格帯、用途、ボディタイプ等で分類し、発見的なルール用いて購入車両を予測し、リコメンドする。（自動車販売の例）
■AIによる購入商品予測・リコメンド
　あらかじめユーザーを顧客属性で分類、購入価格帯、用途、ボディタイプ等で分類し、発見的なルール用いて購入車両を予測し、リコメンドする。（自動車販売の例）
■購入商品予測と、AI店員との対話例
　発見的に得られた購入車両予測ルールから質問を作成し、新規顧客を分析して最適な車種をリコメンド。（自動車販売の例）

商品形態　　クラウド

特徴

■過去の商談等から、下記のような項目をデータ化


　●成約有無 ●顧客ID


　●担当者ID ●顧客属性（年齢、性別、住所、家族構成）


　●RFM値（最終来店日時、来店頻度、使用金額） ●注目行動（コンタクト日時、来店日時、流入経路、滞在時間）


　●関心行動（サイト検索、試乗、見積、関心キーワード） ●購買行動（点検、パーツ購入、下取り査定）


　●記憶行動（会員登録、予約日時、購入希望車両、ポイント） ●要望・依頼内容等


■成約の要因分析、ファネル分析、チャネル分析


成約に至るまでのプロセスを分解し、プロセスごとの各アクションと成約との関係性を分析する。


要因分析例


　●点検・試乗・見積もり・会員登録などがどの程度成約に結びついているか？


　●成約のボトルネックは何か？


　●優先的にコールしたほうがいい顧客は誰か？


　●予約・フリー顧客でのどのように営業アプローチを変えればよいか？

標準料金

個別見積