С целью увеличения лояльности Участников ПЛ, а также для выстраивания стратегии по удержанию, возврату и уменьшению оттока клиентов Партнеры могут использовать различные рекомендательные системы, которые помогают формировать персональные предложения для каждого Участника Программы лояльности и производить рассылку по наиболее эффективному для данного Участника ПЛ каналу коммуникации.

Принцип работы рекомендательной системы

Рекомендательные системы собирают данные и обновляют их по мере изменений предпочтений клиентов, а так же анализируют имеющиеся исторические данные. При сборе и анализе данных учитываются следующие группы параметров:

• анкетные данные Участников ПЛ (например, пол, возраст, наличие и возраст детей, и др.);
• покупательская способность (например, количество и частота покупок, сумма и длина чека, предпочтения по производителям, акционная чувствительность и чувствительность к каналам коммуникации, и др.);
• товары и категории товара (например, количество и частота покупок, атрибуты товаров, ценовая ниша, присутствие категорий в чеке и др.);
• торговые точки (например, атрибуты торговых точек, ценовой сегмент покупателей и товаров, наличие производителей и др.);
• календарь и сезонные факторы (зависимость покупок от сезона, времени года, дня недели, праздников, и пр.).

Результаты сбора и анализа данных обрабатываются, после чего происходит выборка оптимальной для данного персонального предложения модели. В результате Участник ПЛ получает уникальные предложения по оптимальному для него каналу коммуникации.

Интеграция Loymax Loyalty с рекомендательной системой

При интеграции рекомендательной системы с Loymax Loyalty оптимизируется подход к заведению акций в Системе с учетом персонализации предложений. Это позволяет снизить нагрузку на расчет акций, давать мгновенный ответ даже при наличии сложных правил, исключать задержки и т. д.

Процесс интеграции с Loymax Loyalty можно разделить на несколько этапов.

Этап 1. Подготовка данных

На начальном этапе Партнер совместно с представителями Loymax заполняет анкету, в которой указываются все необходимые параметры и ограничения для запуска персональных предложений. Также на этом этапе происходит интеграция с ERP-системой Партнера. Проводится аудит исторических данных и клиентской базы Партнера. 

Этап 2. Настройки

На данном этапе происходит более детальная настройка системы, проводятся необходимые интеграции (указать какие). Согласуются механики, которые будут использоваться для выработки персональных предложений. В случае использования модуля Loymax ML в качестве рекомендательной системы, то на данный момент доступно 8 механик:

1. Скидка, % на чек,
2. Баллы, % на чек,
3. Скидка, % на чек от суммы чека,
4. Баллы, % на чек от суммы чека,
5. Скидка, % на категорию,
6. Баллы, % на категорию,
7. Скидка, % на товар,
8. Баллы, % на товар.

Также, если используется модуль Loymax Loyalty, на этом этапе выбираются и настраиваются каналы коммуникаций с клиентами:

• Мобильное приложение,
• Email,
• SMS,
• Viber,
• Push,
• Сообщения на чек.

Происходит формирование шаблонов рассылок, которое включает следующие шаги:

• Заполнение текстов сообщений (Партнер);
• Настройка шаблонизатора (Loymax);
• Подготовка и добавление картинок-заглушек, которые будут отображаться в случае, если нет фото для конкретного товара или категории (Партнер/Loymax);
• Проведение тестовых коммуникаций и финальная правка текстов/картинок-заглушек (Партнер/Loymax).

Этап 3. Подключение рекомендательной системы

На данном этапе происходит подключение рекомендательной системы, через которую осуществляется обработка и анализ данных и формируются рекомендации уникальных предложений для Участника ПЛ по оптимальному для него каналу коммуникации.

Этап 4. Процессинг Loymax

Результаты расчетов с персональными рекомендациями передаются в модуль Loyalty (процессинг Loymax), где происходит создание необходимых атрибутов для хранения предложений, пакетная загрузка атрибутов в Систему, регулярное обновление значений атрибутов. На основе этих данных формируются целевые аудитории (если необходимо создание контрольной группы), создаются акции на предоставление преференций из преднастроенных шаблонов, отправляются рассылки с информацией о персональных предложениях и т. д. Результаты процессинга в дальнейшем могут использоваться рекомендательной системой  для учета при формировании новых предложений.