Next Best Action במסחר מקוון: איך בוחרים, מגדירים גבולות ומודדים

Next Best Action (NBA) היא גישה לקבלת החלטות שבוחרת את הפעולה האחת שהכי סביר שתשפר תוצאה עסקית עבור לקוח מסוים ברגע מסוים. זו יכולה להיות הודעה, הצעה, בחירת ערוץ או החלטה מכוונת לא לשלוח כלום. בניגוד לקמפיין, היא מתחילה מהמצב הנוכחי של הלקוח ומשווה בין אפשרויות מתחרות, במקום להתחיל מהודעה ולחפש למי לשלוח אותה. כדי להוכיח שזה עובד, משווים תוצאות מול קבוצה שאליה משבצים לקוחות באקראי ושבה לא מבצעים שום פעולה. מדידת הקלקות בלבד לא מוכיחה את זה.

המדריך הזה מסביר איך מתקבלות החלטות NBA, אילו כללים מגבילים את הסיכונים, איך זה נראה בדוגמה מעשית ואיך בונים ניסוי שמראה אם התוכנית מוסיפה ערך.

מה המשמעות של Next Best Action בפועל

סגמנט מרכז אנשים עם מאפיינים דומים. התאמה אישית משנה את התוכן עבור הקבוצה הזאת. ב־Next Best Action הולכים צעד אחד קדימה: בוחרים בין פעולות מתחרות עבור אדם אחד, לפי ארבע שאלות:

• מה עושים: המלצה על מוצר, תזכורת לחידוש מלאי, הודעה עם תוכן הדרכתי, הצעה או עדכון שירות
• איפה עושים את זה: דוא״ל, SMS או WhatsApp (עם הסכמה לקבלת הודעות), Viber, Push, בתוך האפליקציה או באתר
• מתי עושים את זה: עכשיו, בהמשך היום או אחרי האירוע הבא
• האם בכלל עושים משהו

השאלה האחרונה חשובה יותר מכפי שרוב הצוותים מוכנים להודות. לא פעם, הבחירה הכי טובה היא לא לשלוח כלום. זה נכון כשהלקוח ממילא צפוי לקנות, כשאין הסכמה לקבלת הודעות בערוץ הרלוונטי, או כשהודעה נוספת רק תוסיף עלות ותעייף את הלקוח בלי לשנות את ההתנהגות שלו.

נניח שלקוח שקונה מוצרי טיפוח צפה אתמול בקרם הגנה. הוא יכול לקבל דוא״ל עם תוכן הדרכתי, השוואת מוצרים בתוך האפליקציה, תזכורת לחידוש מלאי או לא לקבל כלום. הבחירה הנכונה תלויה בפעילות האחרונה שלו, בהיסטוריית הרכישות, בהסכמות לקבלת הודעות, בתגובות שלו בעבר בכל ערוץ, בכללים לגבי שולי הרווח ובתוצאה שרוצים לשפר. אם המטרה היא תוספת הכנסה, הפעולה המנצחת היא לא זו שמקבלת הכי הרבה הקלקות. זו הפעולה שמשנה התנהגות ביחס למצב שבו לא עושים כלום.

כלל מעשי: מתייחסים ל־NBA כאל מדיניות לקבלת החלטות עם רשימת פעולות מאושרת, ולא כאוסף תבניות שמותאמות אישית.

קמפיינים, מסעות לקוח והחלטות

• קמפיין בתפוצה רחבה: מתחילים מהודעה, ואז מוצאים אנשים שעומדים בתנאים לקבל אותה.
• מסע לקוח קבוע מראש: מתחילים באירוע מפעיל ומתקדמים לפי הסתעפויות קבועות.
• Next Best Action: מתחילים מהמצב הנוכחי של הלקוח ובודקים אילו פעולות מאושרות זמינות ומותרות ברגע הזה.

בפועל, רוב הצוותים משלבים NBA כשלב החלטה בתוך מסע לקוח, ולא כמערכת נפרדת. מסע הלקוח אחראי לאירוע המפעיל, לתזמון וליציאה מהמסע. שלב ההחלטה בוחר את הפעולה.

איך מתקבלת החלטת Next Best Action

תהליך NBA שעובד בנוי משלוש שכבות. שומרים עליהן נפרדות כדי שיהיה אפשר לזהות ולפתור בעיות בכל אחת מהן.

1. חיזוי. מעריכים מה צפוי לקרות, למשל את הסיכוי לרכישה, את הסיכון לנטישה או את התגובה לערוץ מסוים.
2. מדיניות. בוחרים פעולה מתוך הרשימה המאושרת לפי המטרה והכללים.
3. מדידה. בודקים אם הפעולה שנבחרה גרמה לשיפור ביחס לקבוצת ביקורת.

נתונים שכדאי לאסוף

נתונים שימושיים כוללים:

• רכישות אחרונות, שווי הזמנות וקטגוריות מוצרים
• רצפי צפייה וחיפוש, הוספות לסל ונטישת סל
• פעילות באפליקציה: ביקורים, שימוש בתכונות, מצב ההסכמה לקבלת הודעות Push
• היסטוריית הודעות: שליחות אחרונות בכל ערוץ, הקלקות, תשובות, הסרות מדיוור
• הסכמה לקבלת הודעות בכל ערוץ והעדפות נושאים
• מצב המנוי או המעמד במועדון הלקוחות
• פניות שירות פתוחות, החזרות או החזרים כספיים

חיזוי לבדו לא מספיק. לקוח עם סיכוי גבוה לרכישה אולי כבר מוכן לקנות, כך שהנחה רק תקטין את שולי הרווח. שכבת ההחלטה צריכה לבחון את הפעולות ביחס למטרה, וכשאפשר, גם מול מצב שבו לא מבצעים שום פעולה.

איפה AI משתלב

AI יכול לעזור להכין טיוטות של תוכן, סגמנטים ומסעות לקוח לאישור הצוות. אחרי שמפעילים מסע לקוח, AI יכול להתאים לכל לקוח את ההודעה, הערוץ ושעת השליחה, במסגרת הכללים שהצוות קבע. תמיד מתחילים מטיוטה: אנשים מאשרים תוכן חדש ומסעות לקוח לפני שהם עולים לאוויר, ואת השיפור מודדים מול קבוצת ביקורת. אנשי שיווק מכירים את סדרי העדיפויות בניהול המלאי, את הלחץ על שולי הרווח, את המגבלות החוקיות ואת בעיות השירות שלא תמיד מופיעים בנתוני האירועים.

סגנון הפנייה הוא דוגמה טובה לבחירה שמשתנה מלקוח ללקוח. יש לקוחות שמגיבים טוב יותר להודעות ישירות ומעשיות, ואחרים להודעות חמות יותר. ב־Joryio, פלטפורמת Customer Engagement, ה־AI מנתח איזה סגנון פנייה עבד לכל קהל ויכול להציע להוסיף גרסה בסגנון אחר. איש השיווק מוסיף את הגרסה הזאת, ואז כל לקוח מקבל את הגרסה שמתאימה לו. את השיפור מודדים מול קבוצת ביקורת. התכונה הזאת זמינה בכל התוכניות.

כללים עסקיים לשימוש בטוח ב־Next Best Action

מודל יכול לדרג פעולות היטב ועדיין ליצור חוויית לקוח גרועה אם מנגנוני הבקרה חלשים. משתמשים בכללים מחייבים כדי לעמוד בדרישות ולהגביל סיכונים, ואז נותנים למודל לבחור את האפשרות הטובה ביותר מבין האפשרויות שנותרו.

• הסכמה ועמידה בתנאים: חוסמים פעולות ב־SMS, ב־WhatsApp וב־Viber כשאין הסכמה לקבלת הודעות בערוץ המתאים. מכבדים הרשאות לקבלת דוא״ל והעדפות נושאים. הסכמה לקבלת דוא״ל היא לא הסכמה לקבלת SMS.
• מגבלות תדירות בין ערוצים: מגדירים תקרה למספר הפניות בכל הערוצים ומסעות הלקוח יחד, ולא בכל קמפיין בנפרד. לקוח לא אמור לקבל שלוש פעולות "הכי טובות" ביום אחד רק כי שלושה צוותים בחרו בהן.
• שעות שקטות: שומרים את אזור הזמן של כל לקוח ומיישמים את מגבלות השעות השקטות לפני שבוחרים את שעת השליחה המתאימה ביותר.
• כללי ערוצים: מגדירים מתי מותר להשתמש בכל ערוץ. ערוץ מועדף הוא לא בהכרח ערוץ שמותר להשתמש בו.
• מגבלות על הצעות: מגדירים זכאות להנחות, מוצרים שלא נכללים בהצעה, רף מינימלי לשולי הרווח, תנאי מלאי ותוקף להצעה.
• מצבים שבהם חוסמים פניות: מוציאים מהקהל לקוחות עם בעיות שירות פתוחות, החזרים כספיים בטיפול או רכישה שבוצעה ממש לאחרונה.
• כללי תוכן: מגדירים ניסוחים מאושרים, טענות שאסור להציג, מידע שחובה לציין וגבולות לשפת המותג, לפני שה־AI מכין טיוטה כלשהי.

נותנים למודל לבחור בין פעולות בטוחות. לא מבקשים ממנו להחליט מה נחשב "בטוח".

נמנעים מעודף כללים

צוותים נוטים להגיב לכל מקרה קצה בהוספת תנאי נוסף. עם הזמן, קשה לבדוק את מסע הלקוח, וכללים סותרים מונעים מפעולות טובות להגיע ללקוחות שעומדים בתנאים. את ההסכמה, התדירות והמגבלות העסקיות החיוניות מגדירים ככללים מחייבים. בבחירות גמישות יותר, כמו זווית התוכן, תזמון, העדפת ערוץ ואופן הצגת ההצעה, נעזרים בניסויים ובציונים שהמודל נותן. מתעדים למה כל כלל קיים, ובודקים את הרשימה בכל רבעון.

דוגמה: החלטת Next Best Action להחזרת לקוחות לפעילות בתחום הטיפוח

נניח שמותג לטיפוח העור רוצה להחזיר לקוחות שלא קנו כבר תקופה. כרגע הוא שולח את אותו דוא״ל עם הנחה לכל מי שעומד בתנאים. כך, מי שצפה אתמול בקרמי לחות מקבל את אותו יחס כמו מי שלא ביקר כבר חודשים.

שלב 1: מגדירים מי עומד בתנאים

• order_count ≥ 1
• days_since_last_order בין 60 ל־180
• הסכמה בתוקף לקבלת הודעות לפחות באחד מהערוצים שבהם אפשר לבצע את הפעולה
• אין פניית תמיכה פתוחה, החזר כספי או החזרה ב־14 הימים האחרונים
• לא נמצאים כרגע במסע לקוח אחר לקידום מכירות
• לפחות אירוע אחד שתועד ב־30 הימים האחרונים, או סימון כ"רדום" למסלול נפרד

שלב 2: מקצים קבוצת ביקורת

לפני ההשקה, משבצים באקראי 10% מהלקוחות שעומדים בתנאים בקבוצת ביקורת, ולא מבצעים מולה שום פעולה להחזרה לפעילות. שומרים על אותו שיוך לאורך כל הניסוי.

שלב 3: מגדירים את אפשרויות ההחלטה

כותבים את כללי ההחלטה כרשימה של מצבי לקוח, עם פעולה, מגבלה ותוצאה לכל מצב:

צפייה בקרם לחות ונטישת סל ב־7 הימים האחרונים

• פעולה: הודעה באפליקציה עם הצעה לקבלת דוגמית, או דוא״ל אם הלקוח לא משתמש באפליקציה
• מגבלה: עמידה בתנאים לקבלת הודעה באפליקציה או הסכמה לקבלת דוא״ל; בלי פנייה לקידום מכירות ב־3 הימים האחרונים
• תוצאה עיקרית: רכישה בתוך 7 ימים

קריאת תוכן הדרכתי בלי פעילות בסל ב־14 הימים האחרונים

• פעולה: דוא״ל עם תוכן הדרכתי (מדריך לשגרת טיפוח או הסבר על רכיבים), בלי הנחה
• מגבלה: הסכמה לקבלת דוא״ל; הקפדה על שעות שקטות
• תוצאה עיקרית: ביקור חוזר וצפייה במוצר בתוך 7 ימים

אין פעילות ב־30 הימים האחרונים

• פעולה: הודעה אחת להחזרה לפעילות, בלי לחץ, בערוץ שמדורג הכי גבוה עבור הלקוח ושיש בו הסכמה בתוקף לקבלת הודעות, או לא לשלוח כלום
• מגבלה: מגבלת תדירות משותפת לכל הערוצים; השוואה לקבוצת ביקורת
• תוצאה עיקרית: רכישה בתוך 14 ימים

בעיית שירות פתוחה

• פעולה: עדכון שירות בלבד
• מגבלה: חסימה של כל התוכן לקידום מכירות
• תוצאה עיקרית: פתרון הבעיה

שלב 4: מחליטים בזמן אמת, לא בזמן ההצטרפות

בודקים את מצב הלקוח כשהוא מגיע לשלב ההחלטה, ולא רק כשהוא נכנס לסגמנט. כך המערכת יכולה להוציא מהקהל לקוח שבדיוק קנה, לעכב פנייה למי שפתח פניית תמיכה חדשה, ולהחליף פעולה כשהתנהגות חדשה משנה את התמונה.

שלב 5: מודדים

אחרי שחלון המדידה נסגר, משווים בין קבוצת ה־NBA לקבוצת הביקורת את שיעור הרכישה, ההכנסה לכל לקוח שעומד בתנאים ושיעור ההסרה מדיוור.

מכוונים לערך נוסף, לא למעורבות

פתיחות והקלקות עוזרות לאתר בעיות, אבל לא מוכיחות שהודעה יצרה ערך. לקוח פעיל מאוד יכול להקליק על כל מבצע ולקנות בכל מקרה. אם נותנים לו הנחה, הדוח מציג מעורבות גבוהה, גם כששולי הרווח יורדים ותוספת ההכנסה נשארת בלי שינוי.

לכל סוג מדד יש סיכונים אחרים:

• מדדי מעורבות (פתיחות, הקלקות, לחיצות על הודעות Push, ביקורים): עלולים לתגמל שליחת הודעות לאנשים שהיו פועלים גם בלעדיהן.
• מדדי המרה (רכישות, חידושי מנוי, שדרוגים): עדיין עלולים להציג השפעה גדולה מההשפעה בפועל, אם לא משווים למצב שבו לא נעשית פעולה.
• מדדים כלכליים (תוספת הכנסה, שולי רווח, שימור): דורשים חלונות זמן ברורים לשיוך התוצאות וטיפול זהיר בתוצאות שמגיעות באיחור.
• מדדי בקרה (הסרות מדיוור, ביטולי הסכמה לקבלת הודעות, תלונות, פניות לתמיכה): תוצאה חיובית יכולה להסתיר עייפות מהודעות או נזק.

כשמתמקדים במעורבות, מדרגים פעולות לפי הסיכוי שהן יובילו לתגובה. כשמתמקדים בערך נוסף, מדרגים אותן לפי הסיכוי שישנו את התגובה ביחס למצב שבו לא עושים כלום. זה משנה מי יקבל הצעה לקידום מכירות. ללקוח עם סיכוי גבוה לרכישה גם בלי פעולה לא תמיד כדאי להציע הנחה. לקוח עם סיכוי בינוני לרכישה יכול לייצר יותר ערך אם ההודעה הנכונה מעבירה אותו מהתלבטות לקנייה.

מגדירים מטרות נפרדות לכל תוכנית

לא מגדירים ציון אחיד לכל התוכניות לאורך מחזור חיי הלקוח. מסע שימור יכול להתמקד בהמשך המנוי. מסע לקידום מכירות יכול להתמקד בתוספת לשולי הרווח. מסע שירות יכול להתמקד בפתרון הבעיה, בלי הצעה בכלל. סופרים כל המרה פעם אחת בכל הערוצים יחד, וכוללים גם השפעות שליליות כמו הסרות מדיוור.

מודדים Next Best Action עם קבוצות ביקורת

קבוצת ביקורת מאפשרת להעריך מה היה קורה בלי הפעולה. בלעדיה, יודעים מה קרה אחרי ההודעה, אבל לא מה היה קורה בלי ההודעה.

באפליקציות ובסביבות אחרות עם החלטות חוזרות, אפשר להיעזר בניסוי עם הקצאה אקראית חוזרת (micro-randomized trial). בכל נקודת החלטה, המערכת בודקת עמידה בתנאים וקובעת באקראי אם המשתמש יקבל את ההודעה או לא. אחר כך מודדים התנהגות מוגדרת בחלון זמן קבוע. מחקר שפורסם על אפליקציית בריאות השתמש בשיטה הזאת. לפי ההערכה במחקר, שליחת הודעת Push מותאמת אישית הגדילה ב־3.9% את הסיכוי לפעילות באפליקציה ב־24 השעות הבאות, בהשוואה לאי־שליחה (JMIR mHealth and uHealth, דרך PubMed Central). החוקרים תיארו את ההשפעה כקטנה יחסית. זו תזכורת שימושית לכך שהשיפור בפועל לרוב צנוע, ושרואים אותו רק עם קבוצת ביקורת מתאימה.

מבנה ניסוי שאפשר להשתמש בו שוב

1. מגדירים מי עומד בתנאים: האירוע, השלב במחזור חיי הלקוח, דרישת ההסכמה לקבלת הודעות והתנאים שחוסמים פנייה.
2. בוחרים את חלון המדידה: למשל, 24 שעות לפעולה באפליקציה או 7 עד 14 ימים לרכישה.
3. משבצים באקראי בנקודת ההחלטה: משייכים לקבוצה שמקבלת פעולה או לקבוצת הביקורת בזמן שמתקבלת ההחלטה, ולא לפי סגמנט ישן.
4. מגדירים תוצאה עיקרית אחת: ההתנהגות שקשורה למטרה העסקית, ולא ההקלקה.
5. עוקבים אחר מדדי בקרה: שיעור המסירה, ביטולי הסכמה לקבלת הודעות, הסרות מדיוור, תלונות ופניות לתמיכה.
6. מתעדים חשיפה: הפעולה שנבחרה, הערוץ, התזמון, מצב הזכאות והאם ההודעה נמסרה.

גם בחירת שעת השליחה המתאימה ביותר שייכת לאותה מסגרת. בודקים את ההשפעה שלה על המרות בהמשך, ולא רק על שיעורי פתיחה או לחיצה.

איך מתחילים עם Next Best Action

מתחילים מהחלטה אחת, ולא מהטמעת AI בכל החברה:

1. בוחרים מסע לקוח אחד שבו אפשר להגדיר בבירור מי עומד בתנאים, שתיים עד ארבע פעולות מתחרות, תוצאה עיקרית וכללים לחסימת פניות.
2. בודקים את נתוני האירועים וההסכמות שההחלטה צריכה. סוגרים פערים לפני שמוסיפים ציונים של מודל.
3. מוודאים שהערוצים מאפשרים לבצע את הפעולות. אם הלקוחות פעילים באפליקציה שלכם לנייד או נתנו הסכמה לקבלת הודעות ב־WhatsApp או ב־Viber, תהליך שמבוסס רק על דוא״ל יגביל את מה ש־NBA יכולה לעשות.
4. משיקים עם קבוצת ביקורת, מפעילים את הניסוי במשך מחזור רכישה מלא אחד לפחות ובוחנים את ההבדל בתוצאות מול קבוצת הביקורת לפני שמרחיבים את רשימת הפעולות.

כדי להבין טוב יותר למה לצפות מהפלטפורמה שעליה מבוסס התהליך, אפשר לקרוא את המדריך שלנו בנושא בחירת פלטפורמת Customer Engagement.

שאלות נפוצות

האם Next Best Action היא אותו דבר כמו המלצות על מוצרים?

לא. המלצות על מוצרים הן פעולה אפשרית אחת. Next Best Action בוחרת בין המלצות, הודעות שירות, תוכן הדרכתי, הצעות, ערוצים והאפשרות לא לעשות כלום, לפי המצב הנוכחי של הלקוח והמטרה שלכם.

צריך למידת מכונה כדי להתחיל?

לא בהכרח. הרבה צוותים מתחילים מהחלטות לפי כללים: מצבי לקוח ברורים שמקושרים לפעולות מאושרות, יחד עם קבוצת ביקורת. ציונים של מודל יכולים להחליף או לדייק את הכללים האלה בהמשך, אחרי שיודעים אילו החלטות חשובות ויש נתונים נקיים.

כמה גדולה צריכה להיות קבוצת הביקורת?

גדולה מספיק כדי לזהות את ההשפעה שחשובה לכם בתוך זמן סביר. זה תלוי בגודל הקהל ובשיעור ההמרה הבסיסי. בתור נקודת התחלה, אפשר להשאיר 10% בקבוצת הביקורת ולשנות את השיעור אחרי שבוחנים את התוצאות הראשונות. שומרים על שיוך קבוע לקבוצות לאורך כל הניסוי.

איך מונעים מלקוחות לקבל יותר מדי פעולות "הכי טובות"?

מגדירים מגבלות תדירות בכל הערוצים ומסעות הלקוח יחד, ולא לכל קמפיין בנפרד. נותנים לשלב ההחלטה רשימת חלופות מדורגת, כדי שיוכל לבחור ב"ללא פעולה" כשהלקוח כבר הגיע למכסה שלו.

אם אתם משלבים Next Best Action בתוכנית שמלווה את מחזור חיי הלקוח, אפשר לראות איך Joryio עובדת או לדבר עם הצוות של Joryio על התהליך הקיים שלכם.