如果在购物车中加入人工智能的算法模型，会有什么新的营销方式呢?

　　线上的购物车的概念源于线下商超的实体购物车，其主要作用是方便消费者在网站上购物，易于商品结算和抉择意向商品。购物车作为商品交易的中转站，全网每天有上亿用户在向购物车内添加中意的商品，顷刻间，就能产生过亿的销售额。

　　面对如此具大的流量，各家大厂都在惦记这个金矿。以往基于大数据的购物车营销，主要的产品形式为猜你喜欢和为你推荐，两者都是围绕用户的购物行为，用户商品爱好和用户画像属性展开，再经过大数据分析后，系统智能的推荐符合用户口味的商品。但是，这种营销方式是围绕购物车的商品或者用户画像推荐的其他商品，并非是对购物车内商品做营销策略，这种手段略微有点本末倒置了。

　　下文结合笔者的工作经历，讲述了如何基于购物车内商品，利用AI技术，设计一款购物车营销产品。

　　营销流程

　　商家端查看加购数据，如加购人数，加购件数，系统自动分析加购这部分人的画像数据，人群可以标签化

　　商家端根据自身需求，创建不同标签的人群的营销，例如可以选择新客户，老客户，15~25岁的用户群体，提供降价40元的服务

　　创建活动后，会触达给对应的覆盖人群。

　　第二天，商家端可以查看对应的营销数据。同时能够对比自然的转化率与促销后的转化率

　　商家端洞察购物车数据

　　购物车承载了所有的商品信息，包含商品名称，价格，店铺，促销，凑单和优惠券等。在进行大数据分析时，就需要把这些数据精分拆解清洗，提取有价值的部分。购物车的每件商品都可以看成一个实体，可能在不同的地点，不同的时间，有部分人把同一商品加进了购物车。这就说明这些群体是对这件商品感兴趣的，可能会下单，但却差些火候。也有部分人早早的就将商品加进了购物车，但却一直没有下单，临门却不入。 利用大数据技术，则可以把加购人群标签化，对不同标签的人群进行精准的营销策略，在一定程度上，能够提高购物车的转化。

　　如何进行呢?按照以下步骤：

　　商家加购数据盘点

　　产品需要考虑商家端和用户端。首先商家端需要了解自家的产品状况，销售情况，加购数据等，这样才能针对性的做营销策略。

　　商家端可以看到其店铺内的加购商品的人数，实时的计算某件商品，在多少人的购物车内，实时加购总件数，实时的库存。还能够查询到，这些商品的在未做干预的情况，自然的转化率情况(过去15天内加购该商品的消费者在昨日的转化率)。

　　列表中的商品按照加购人数从高到低排序，加购的人数越多代表这个商品越受欢迎。对加购人数多的商品进行营销干预，会起到更好的效果。当然，这里会把部分已经下架的，失效的商品自动的剔除掉。

　　画像部分把汇总所有用户的账户信息，画像纬度，从新客户，性别、消费层级、淘宝等级、地域5个纬度提供。画像将用户进行了标签化，利用这些标签，可以对其进行不同的营销动作。具体的分群策略可以看我的上一篇文章《基于大数据的会员任务营销，该怎么玩?》

　　商家可以单独对每个商品进行营销，根据自身品牌情况，投放给特定的人群，并进行低价，促销干预。

　　根据标签的选择，系统会根据用户在网站上的行为数据，提前预知已加购人群的转化比例，通过机器学习，能够自动过滤掉转化概率低的那部分用户群体。这里的计算规则是根据用户曾经是否购买过相同商品，或者是加入购物车是否是为了进行比价。

　　促销效果分析

　　通过用户分群能够了解你的客户群体特征，到底是什么样的人购买了你的商品或者对你的商品有意向，精准营销能够将这部分客户牢牢的抓在手里，用手段干预他们。对于商家来言，还需要效果分析数据。

　　圈定人数：活动覆盖的人群。系统能够计算符合活动标签和促销价格能够触达的人群

　　成交人数：活动开启后，提交订单的人数

　　触达人数：通过push和消息中心最终触达到的人群数量

　　成交金额：成交订单的总金额

　　消费者端触达的逻辑