Аналитики Smartmetrics изучили, как выявление потребностей покупателей влияет на выручку торговых точек. В результате было установлено, что в большинстве торговых сетей в среднем 82% продавцов игнорируют нужды клиентов. В тех же точках продаж, где сотрудники более внимательны, покупатели оставляют до 20,7% больше денежных средств. Также возрастает конверсия посетителей в покупателей: в некоторых сферах она достигает 66%, а средний чек в среднем увеличивается почти на 19%.
Источник: shutterstock
Компания установила, что на выручку влияют и правильно подобранные речевые сценарии. Предиктивный анализ, используемых фраз при выявлении нужд клиентов показал, что такие скрипты как: «Слушаю Вас», «Подсказать что-нибудь?», «Что хотели?», «Что Вам?», «Вам чего?» могут сокращать выручку. А вот фразы: «Чем могу помочь?/«Я могу помочь Вам?» напротив помогают продавцам ее наращивать.
Предиктивный анализ помог также установить, что увеличение числа вопросов при выявлении потребностей клиентов приводит к росту среднего чека на 7% и конверсии посетителя в покупателя до 9%.
Тем не менее выявление потребностей позитивно влияет на продажи далеко не во всех сферах бизнеса. Например, если клиент подошел к кассе в точке фастфуда или на АЗС и не озвучивает своих пожеланий, продавцу лучше сразу рассказывать об акциях и предлагать сопутствующие товары. В противном случае показатель конверсии посетителя в покупателя уменьшается на 0,4%, выручка на 0,8% на одну торговую точку, а средний чек снижается до 13,8%.
«Умение прислушиваться к нуждам клиентов — ключ к повышению продаж. Однако, в большинстве торговых сетей продавцы выявляют потребности посетителей лишь в 18% случаев. В результате выручка ритейлеров может снижаться на 17% на одну торговую точку, а средний чек покупки почти на 14%», — сообщил генеральный директор ООО «Смарт Технологии» Ильнар Сафин.
Исследование проводилось в несколько этапов. В период с июня 2022 года по ноябрь 2023 года в магазинах 1567 камерами фиксировалось выявляют ли продавцы потребности у клиентов. После этого, вычислительная машина с помощью алгоритма машинного зрения и транскрибации речи, проанализировала собранные видео и аудиозаписи. В процессе обработки, выявленным нарушениям были присвоены идентификаторы, по котором в дальнейшем проводился когортный и факторный анализ.
Покупательский трафик в российских торговых центрах вышел на затяжное плато
В России появится кофе, созданный нейросетью
