L’assistente di vendita perfetto è…digitale

Quante volte ci rendiamo conto che acquistiamo più volentieri in un certo negozio rispetto ad un altro perché la persona che ci sta davanti (commesso, venditore, sales assistant…) riesce a capire i nostri bisogni e a darci i consigli migliori? A volte il prodotto può essere lo stesso, ma chi ce lo vende fa davvero la differenza per il modo in cui ci guida nel percorso d’acquisto sulla base della nostra storia o della somiglianza con altri clienti.

Lo stesso concetto può essere applicato agli strumenti digitali per le vendite omnichannel, che possiamo considerare veri e propri assistenti di vendita digitali in grado di consigliare il prodotto più adatto, grazie a sistemi complessi come i recommender systems.

In relazione alla tipologia di suggerimento e agli obiettivi di vendita possiamo distinguere 4 macro-categorie:

Recommendation “STARS”
Sono uno strumento molto diffuso in logica “social”: a questa categoria appartengono i suggerimenti dei prodotti più “popolari” nel mercato a cui si rivolge il nostro cliente oppure un sottogruppo di clienti; costituiscono un ottimo strumento a supporto del marketing che rende visibili i trend di domanda.

Recommendation “PULL”
Suggeriscono i prodotti che portano maggior valore aggiunto all’azienda, in termini di margine all’interno dell’ordine/carrello oppure perché sono strategici per l’azienda per ottenere nuove fette di mercato.

Recommendation “CORRELATED”
Suggeriscono correlazioni in base a quanto acquistato precedentemente, sia nella logica “di solito acquisti questo”, sia in quella “gli altri utenti comprano questo”.

Recommendation “PUSH”
Promuovono prodotti che l’azienda vuole far uscire da magazzino (per esempio fine serie, con scadenza ravvicinata,…) col beneficio di ridurre i costi di magazzino o un potenziale rischio di invenduto nel futuro, e allo stesso tempo per poter garantire un prezzo più accessibile al cliente che sa che quel prodotto ruota velocemente.

Dietro questi suggerimenti mirati ci sono modelli e funzioni matematiche, come abbiamo spiegato in modo più approfondito negli articoli “Recommender System: chi ti conosce meglio di te stesso?” e “La matematica dietro l’e-commerce B2B di Aton”.