„Sztuczna inteligencja to dziś standard w e-commerce, ale dopiero zastosowanie jej w performance marketingu będzie rewolucją” – o tym, jak AI zmienia rynek handlu internetowego, opowiada Mateusz Haber, CEO i właściciel agencji e-commerce 360° JustIdea Agency.
Mateusz Haber
CEO i właściciel agencji e-commerce 360° JustIdea Agency. Współtwórca marek i sklepów internetowych: Surf Inc., PeppeShoes, Perfect Cup, Sauna & Spa Store. Od ponad 10 lat działa w performance marketingu i e-commerce. Miłośnik analityki, który na co dzień pomaga w skalowaniu sklepów internetowych na podstawie danych. Zwolennik podejścia POAS, przeciwnik podejścia ROAS.
Słuchaj podcastu „E-commerce bez tajemnic”
Jak dużą rolę odgrywa sztuczna inteligencja w e-commerce?
Sztuczna inteligencja stała się fundamentem współczesnego e-commerce – nieodzownym elementem, który zmienia sposób, w jaki firmy prowadzą działalność online. Od automatyzacji obsługi klienta, przez personalizację oferty, aż po optymalizację procesów logistycznych. AI nie ogranicza się jedynie do prostych zadań, takich jak tworzenie czy tłumaczenie opisów produktów, ale obejmuje również bardziej złożone procesy: marketing automation, analitykę danych czy zaawansowany customer support.
Wprowadzenie AI w tych obszarach nie tylko przyśpiesza pracę zespołów e-commerce, lecz także pozwala na głębsze zrozumienie i lepsze zaspokojenie potrzeb klientów. Narzędzia takie jak czatboty, systemy rekomendacji produktów czy algorytmy predykcyjne stają się standardem, który umożliwia firmom dostosowywanie strategii marketingowych w czasie rzeczywistym. Przekłada się to na lepsze doświadczenia zakupowe klientów oraz zwiększoną efektywność działań sklepów.
Czy znaczenie AI w e-commerce będzie rosło?
Dopiero wykorzystanie AI w performance marketingu stanowi prawdziwą rewolucję. Chociaż automatyzacja tworzenia reklam w Google Ads czy Facebook Ads jest znaczącym postępem, ułatwiającym pracę marketerów, to realna zmiana tkwi gdzie indziej. Przewidywania, że zawód performance marketera stanie się zbędny w obliczu rosnącej automatyzacji, są błędne. W rzeczywistości AI podnosi poprzeczkę i umożliwia specjalistom osiągnięcie wyższego poziomu w analizie danych i wyciąganiu z nich wniosków strategicznych.
Specjaliści o jakich kompetencjach będą zyskiwać na znaczeniu z uwagi na rozwój AI?
W erze AI kluczowe są umiejętności interpretacji zgromadzonych danych i wykorzystywania ich do optymalizacji kampanii marketingowych. W tym kontekście hurtownia danych (data warehouse) stanowi nieocenione narzędzie umożliwiające zbieranie, przetwarzanie i analizę dużych zbiorów informacji z różnych źródeł. Specjaliści od performance marketingu będą mogli dzięki temu nie tylko efektywniej zarządzać kampaniami reklamowymi, lecz także prognozować trendy rynkowe, personalizować komunikację i zwiększać ROI. W zespołach marketingowych coraz ważniejsza staje się zatem rola analityka danych.
Na czym polega koncept data warehouse?
Choć znany od lat 80. XX w., zyskał on nowy wymiar w ostatnich latach dzięki rozwojowi technologii chmurowych i powszechnie dostępnym otwartym API różnych rozwiązań e-commerce. Postęp technologiczny umożliwił nawet małym i średnim sklepom internetowym wdrożenie hurtowni danych, które wcześniej były domeną jedynie największych graczy na rynku e-commerce.
Ten model zakłada integrację i centralizację wszystkich dostępnych informacji o działalności e-commerce, pochodzących z różnorodnych źródeł. Do najważniejszych należą platformy reklamowe, takie jak Google Ads czy Facebook Ads, narzędzia analityczne typu Google Analytics, systemy sklepowe, ERP, marketing automation, systemy logistyczne czy narzędzia ułatwiające zarządzanie sklepem, np. BaseLinker. Dane są zgromadzone w systemie bazodanowym, takim jak BigQuery w ramach usług Google Cloud. Obejmuje to zbieranie, wypłaszczanie i łączenie danych w jedną, kompleksową tabelę.
Dzięki temu możliwe staje się zbudowanie zaawansowanego systemu analitycznego z wykorzystaniem Looker Studio, oferującego głębszą analizę i lepsze zrozumienie danych. Takie podejście pozwala na wyciąganie trafniejszych wniosków, które mogą się przekładać na efektywniejsze działania marketingowe, lepszą personalizację oferty i optymalizację procesów biznesowych. W rezultacie małe i średnie przedsiębiorstwa zyskują narzędzia do konkurowania z większymi graczami.
Jaki potencjał tkwi w sprawniejszej analizie danych?
Dzięki zebraniu i analizie wszystkich danych sprzedażowych, w tym przychodów, zwrotów oraz pośrednich kosztów – takich jak COGS (koszt wytworzenia produktu), koszty reklamowe, koszty wysyłek, płatności, pakowania i zwrotów – możliwe staje się precyzyjne obliczanie kluczowych wskaźników finansowych i marketingowych. Przykładowo: MER (marketing efficiency ratio), POAS (profit on ad spend), ROI (return on investment) oraz przede wszystkim PROFIT mogą być teraz monitorowane w czasie rzeczywistym, co umożliwia analizę wyników na bieżąco – z dnia na dzień, a nawet godzinę po godzinie.
Taka szczegółowa analiza daje performance marketerom potężne narzędzie do świadomej kontroli wydatków reklamowych i zrozumienia ich wpływu na sprzedaż w szerszym kontekście makroekonomicznym. Jest to szczególnie ważne podczas ekspansji zagranicznej, gdy różnice w zachowaniach konsumentów i warunkach rynkowych mogą znacząco wpływać na efektywność działań marketingowych. Wiedza o tym, jak wydatki reklamowe przekładają się na zysk w różnych kontekstach, pozwala na efektywniejsze alokowanie budżetu marketingowego.
W rezultacie firmy są w stanie lepiej zrozumieć dynamikę swojej sprzedaży i efektywność kampanii marketingowych, co prowadzi do bardziej przemyślanych strategii, optymalizacji wydatków i wzrostu rentowności. Integralne wykorzystanie danych w procesie decyzyjnym sprawia, że przedsiębiorstwa bardziej opierają się na faktach i mierzalnych wynikach.
W jaki sposób AI przydaje się w analizie danych?
Dzięki kompleksowym danym historycznym – nie tylko o sprzedaży, lecz także o wydatkach reklamowych, akcjach mailingowych i, co najważniejsze, o rentowności – otwierają się nowe sposoby prognozowania przyszłości. Narzędzia oparte na uczeniu maszynowym mogą analizować złożone zbiory danych, aby przewidywać wyniki sprzedaży w różnych okresach przy określonym asortymencie produktów i danym poziomie wydatków reklamowych.
Wykorzystanie modeli ML (machine learning) do ekstrapolacji i analizy danych pozwala zatem na tworzenie bardziej precyzyjnych prognoz sprzedażowych, co jest nieocenione przy planowaniu strategii marketingowych i zarządzaniu zapasami. Umożliwia to firmom zarówno lepsze zrozumienie potencjalnych trendów rynkowych, jak i przewidywanie popytu. Idą za tym optymalizacja asortymentu i unikanie nadmiernych zapasów lub braków w magazynie.
Dodatkowo zaawansowane algorytmy AI mogą identyfikować wzorce i korelacje nieoczywiste dla ludzkiego oka. Na przykład ujawniają one, jak zmiany w wydatkach reklamowych wpływają na różne segmenty klientów czy jak sezonowe trendy przekładają się na określone kategorie produktów.
To wszystko umożliwia podejmowanie świadomych decyzji, lepsze zarządzanie budżetem i optymalizację strategii marketingowych.
Jak można wykorzystać modele językowe, np. ChatGPT, w e-commerce?
Włączenie LLM (large language models) do ekosystemu danych e-commerce otwiera nowe, ekscytujące możliwości. Wyobraźmy sobie sytuację, w której zaawansowany model językowy, na bieżąco aktualizowany nowymi danymi z naszego sklepu, wspomaga podejmowanie decyzji marketingowych. Dzięki niemu można zadawać konkretne pytania dotyczące planowania akcji marketingowych i otrzymywać niemal natychmiastowe, oparte na danych rekomendacje.
W takim scenariuszu warto m.in. zapytać ChatGPT o optymalny moment na przeprowadzenie kolejnej akcji promocyjnej. System, na podstawie analizy danych historycznych i bieżących trendów, podpowie wtedy, kiedy najlepiej uruchomić kampanię. Może nawet zasugerować konkretny temat promocji, np. wykorzystanie Dnia Ziemi w kontekście marki odzieżowej o profilu ekologicznym. Na podstawie analizy wcześniejszych działań LLM mógłby doradzić, o której godzinie najlepiej wysłać mailing i jak rozdzielić budżet na różne platformy reklamowe, np. Meta Ads czy Google Ads.
Co więcej, model mógłby podpowiedzieć wykorzystanie specyficznych technik perswazji, takich jak zasada niedostępności Cialdiniego, i zasugerować zastosowanie zegara odliczającego czas do końca promocji w komunikacji e-mailowej oraz na stronie internetowej. W tej wizji AI zarówno doradzałoby w kwestiach strategii, jak i wdrażałoby te rekomendacje bezpośrednio do systemów reklamowych i przygotowywało kreacje oraz pop-upy.
Integracja AI w tej formie z pewnością jest przyszłością performance marketingu i całego sektora e-commerce. Takie podejście pozwala na znaczne zwiększenie efektywności działań marketingowych. Zapewnia jednocześnie personalizację i dostosowanie do bieżących potrzeb i trendów rynkowych. W rezultacie firmy mogą osiągnąć wyższy poziom interakcji z klientami oraz znacznie lepsze wyniki sprzedażowe.
Co jest niezbędne, aby AI mogło maksymalnie rozwinąć swój potencjał w e-commerce?
W dobie wszechobecnego wykorzystania AI dane stają się najcenniejszym zasobem każdej firmy e-commerce. To właśnie kompleksowe i dobrze zarządzane zbiory danych historycznych umożliwiają podejmowanie świadomych i przemyślanych decyzji biznesowych. Dzięki nim firmy mogą analizować, prognozować i adaptować swoje strategie do szybko zmieniającego się środowiska rynkowego. Dlatego tak ważne jest, aby już teraz zadbać o archiwizację kluczowych informacji, takich jak dane z Universal Analytics, które mogą stać się niedostępne w przyszłości.
Nie można również zapomnieć o danych historycznych podczas migracji systemu e-commerce na nową platformę. Zapewnienie ciągłości dostępu do informacji o wydatkach reklamowych, historii sprzedaży, zachowaniach klientów i innych istotnych wskaźnikach staje się niezbędne do utrzymania konkurencyjności. Niezależnie od tego, czy firma jest dużym graczem czy mniejszym przedsiębiorstwem, posiadanie i efektywne wykorzystanie danych może stanowić o sukcesie lub porażce.
Jakie skutki dla całego rynku e-commerce może mieć używanie AI na szeroką skalę?
Jak pokazuje historia, każda rewolucja technologiczna prowadzi do rozwarstwienia konkurencji – najwięksi i najbardziej zaawansowani technologicznie umacniają swoją pozycję, podczas gdy ci, którzy nie dostosowują się do nowych warunków, zostają w tyle. Dlatego tak ważne jest, aby już teraz zacząć inwestować w zarządzanie danymi i technologie AI, ponieważ daje ona szansę na rywalizację z największymi.
