Tekoäly verkkokaupassa

Tekoäly mullistaa kaupankäynnin, ja muutos on jo käynnissä. Onko sinulla varaa jättäytyä sivustakatsojaksi?

Lataa ja lue sisältö pdf-muodossa

Tämä on Paytrailin tekoälyopas kaikille verkkokauppiaille

Tekoäly mullistaa kaupankäynnin, ja muutos on jo käynnissä. Onko sinulla varaa jättäytyä sivustakatsojaksi? Tämän oppaan avulla pääset kärryille tekoälyn mahdollisuuksista verkkokaupan kehittämisessä.

Sanotaan, että tekoäly on uusi sähkö. Huomenna emme voi enää edes kuvitella, että tulimme joskus ilman tekoälyä toimeen – arkisten asioiden suorittaminen ilman sitä tuntuu todennäköisesti jo muutaman vuoden päästä naurettavan vaivalloiselta.

Tekoälyn rooli kaupankäynnin mahdollistajana ja vahvistajana on kiistaton. Tekoäly pystyy oppimaan jokaisen asiakkaasi mieltymyksistä ja tottumuksista, ja käyttää tätä tietoa ennustaakseen ja kohdentaakseen heille parhaiten sopivia tuotteita ja valintoja.

Kun kuluttajalla on käytännössä loputtomasti valinnanvaraa, personoitu asiakaskokemus tekee asioinnista verkkokaupassasi miellyttävämpää ja ostamisesta helpompaa.

Kauppiaan näkökulmasta tekoäly pystyy hoitamaan monia verkkokaupan pyörittämiseen liittyviä tehtäviä monikertaisesti tehokkaammin – usein myös merkittävästi onnistuneemmin – kuin mitä ihmisvoimin olisi mahdollista. Tekoälyn avulla voit parantaa verkkokauppasi myyntiä ja operatiivista kannattavuutta.


Tarvitsimme oppaan laatimiseen asiantuntija-apua, joten pyysimme sitä maan arvostetuimmilta tekoälyn ja verkkokaupan asiantuntijoilta.

Tommi Havukainen

Tommi Havukainen
Maajohtaja, Houston Analytics

Tommi Havukainen on Houston Analyticsin Suomen maajohtaja. Hänellä on näkemystä mm. markkinoinnin automaation ja ohjelmallisen ostamisen yhdistämisestä, sekä tekoälyn hyödyntämisestä kivijalan ja verkkokaupan raja-alueella.

Yksi Houstonin palveluista on Armstrong One, markkinoinnin automaatioratkaisu, jonka toiminta perustuu ennustavaan analytiikkaan.

Jarno Kartela

Jarno Kartela
AI Partner, Fourkind (DNA, Solita)

DNA:lla ja Solitalla tekoälyliiketoimintaa aiemmin erittäin menestyksekkäästi käynnistellyt Kartela toimii strategisen liikkeenjohdon konsultoinnin ja luovien teknologiatalojen välimaastossa toimivan Fourkindin AI Partnerina.

"Jarno Kartela edustaa eräänlaista tekoälyn yksisarvista Suomessa: kaveri joka sekä itse osaa tehdä tekoäly- ja koneoppimissovelluksia että kykenee puhumaan niistä selkokielellä.
- Antti Merilehto

Miika Malinen

Miika Malinen
CCO & co-founder, Woolman

Miika Malinen on suomalaisen verkkokaupan pioneereja. Hän on toiminut muun muassa Hong Kong Groupin, Happy Anglerin, sekä Musti ja Mirri -konsernin johdossa kehittäen monikanavaisuutta, verkkokauppaa ja sähköistä asiakasdialogia.

Antti Merilehto

Antti Merilehto, tietokirjailija,
Maajohtaja Finch Finland

Merilehdon 2018 ilmestynyt teos Tekoäly - Matkaopas johtajille vastaa selkokielellä yritysjohdon kysymykseen "Mitä on tekoäly ja kuinka voin hyödyntää sitä seuraavan strategiakauden aikana?

Merilehdolla on takanaan pitkä ura digitaalisen liiketoiminnan parissa, mm. Googlella. Tällä hetkellä hän toimii Finch Finlandin maajohtajana, hyödyntäen tekoälyä mainonnan optimoinnissa.

Juha Saarinen

Juha Saarinen
Head of Traffic and Analytics,
Netrauta.fi & Taloon.com

Juha Saarinen toimii liikenne- ja analytiikkatiimin vetäjänä Suomen suurimmissa kodinrakentamisen verkkokaupoissa Netrauta.fi ja Taloon.com.

Hän kasvattaa verkkokauppojen liikennettä ja myyntiä digimarkkinoinnin ja analytiikan avulla, sekä kehittää markkinointiautomaation ratkaisuja analytiikkaa ja teknologiaa hyödyntäen.


1. Tekoälyn tärkeitä termejä

Mitä tekoäly oikeastaan on ja mitä sen ympärillä pyörivät termit tarkoittavat?

Tekoalyn-termeja

Tekoälyn käsite on laaja ja vaikeasti määriteltävä: tekoälyllä voidaan tarkoittaa niin algoritmeja, automaatiota kuin koneoppimistakin.

Verkkokauppiaan ei tarvitse ymmärtää tekoälyn kaikkia kiemuroita, mutta perusymmärrys tärkeimmistä termeistä auttaa hahmottamaan suurta kokonaisuutta, ottamaan selvää asioista ja seuraamaan asiasta käytävää keskustelua.

Kun eteen tulee hetki, jolloin halutaan ostaa tai palkata tekoälyosaamista yritykseen, on hyvä ymmärtää tekoälyn peruskäsitteistöä.

Tekoälyksi voidaan kutsua mitä tahansa järjestelmää, jonka älykkyys vastaa ihmisen ymmärrystä ja kykyä toimia älykkäästi.

Tänä päivänä tekoälyllä kuitenkin viitataan yleensä tietokoneohjelmistoon, joka pystyy suorittamaan sellaisia toimintoja, joihin on aiemmin tarvittu ihmisen ymmärrystä  esimerkiksi ymmärtämään luonnollista puhetta, pelaamaan monimutkaisia strategiapelejä tai tunnistamaan ihmisten tunnetiloja.

Joissakin tehtävissä, kuten esimerkiksi kuvantunnistuksessa, strategiapeleissä ja laajojen tietomassojen analysoinnissa tekoälyn kyvyt jopa ylittävät ihmisen osaamisen jo tänä päivänä.

Tekoälyä käytetään sekä automatisoimaan ihmisten tekemiä rutiinitöitä, että läpikäymään ja analysoimaan valtavia datamassoja, johon se pystyy moninkertaisesti ihmistä tehokkaammin.

Tekoäly ei ole synonyymi koneoppimiselle, vaan laajempi yläkäsite, jonka alle voidaan lukea koneiden kaikki älykkäät toiminnot.

Algoritmi on yksityiskohtainen kuvaus tai ohje siitä, miten tehtävä tai prosessi suoritetaan. Tekoälyyn liittyen algoritmi on sarja koodarin kirjoittamia yksiselitteisiä ohjeita, joita ohjelmisto suorittaa täysin kirjaimellisesti.

Heikko tekoäly osaa suorittaa algoritmeja, mutta ei kykene soveltamaan oppimiaan taitoja oman ympäristönsä ulkopuolella.

Heikkoa tekoälyä edustavat esimerkiksi ohjelmistorobotit, jotka toistavat niille opetettuja tehtäviä, mutta eivät kehity tai laajenna tehtäviään.

Myös heikko tekoäly pystyy usein ihmisten näkökulmasta vaikuttaviin suorituksiin, kuten esimerkiksi kasvojen tunnistamiseen, hahmontunnistukseen tai vaikkapa lähdehakuihin tieteellisen tutkimuksen avuksi. Esimerkiksi ohjattu oppiminen ja syväoppiminen ovat molemmat heikkoa tekoälyä.

Tulevaisuudessa tekoälyt pystyvät mahdollisesti opettamaan itseään ja tuottamaan abstraktia ajattelua (vahva tekoäly, yleinen tekoäly).

Vahvaksi tekoälyksi kutsutaan tekoälyä, joka pystyy oppimaan uutta itsenäisesti, ja mahdollisesti saavuttamaan ihmisen tasoisen älykkyyden sekä tietoisuuden.

Siinä missä heikon tekoälyn hyödyntäminen on jokseenkin jokapäiväistä jo nyt, vahva tekoäly siintää vasta hieman tuonnempana tulevaisuudessa  jos silloinkaan.

Koneoppiminen tarkoittaa sitä, että tekoälyjärjestelmä muodostaa (oppii) ennustemallin käytössään olevasta aineistosta (datamassasta). Järjestelmä pystyy käyttämään oppimaansa mallia hyödyllisten ennusteiden tekemiseen myös uusista datamassoista ja ympäristöistä.

Tällä hetkellä käytössä on koneoppimisen järjestelmiä, jotka luokitellaan heikoksi tekoälyksi. Tämä tarkoittaa, että koneoppiminen tapahtuu ihmisen ohjaamana (ohjattu oppiminen).

Ohjattu oppiminen (Supervised learning) on tällä hetkellä kenties tutuin tapa hyödyntää tekoälyä. Se on koneoppimisen menetelmä, jossa kone luokittelee sille annettavaa aineistoa ihmisen määrittelemien sääntöjen mukaan.

Tekoäly voi esimerkiksi opetella historiadatan perusteella, mitä tuotteita erilaiset asiakasprofiilit ovat ostaneet tai etsineet.

Vertaamalla asiakkaan käytöstä muihin profiileihin tekoäly arvioi, mitä asiakas todennäköisemmin seuraavaksi haluaisi ostaa, ja tarjoaa tälle näitä tuotteita.

Vahvistusoppiminen (Reinforcement learning) Vahvistusoppiminen on verkkokaupan seuraava iso juttu; ylivoimainen tapa ratkaista ongelmia tekoälyn avulla verkkokauppakontekstissa. Siinä tekoäly havainnoi jatkuvasti ympäristönsä (esimerkiksi verkkokaupan) tilaa, ja tekee päätöksiä havaintojensa perusteella.

Tekoäly pystyy myös ottamaan vastaan palautetta valintojensa onnistumisesta, jonka avulla se pystyy jatkuvasti parantamaan omaa suoritustaan. Yksinkertainen esimerkki vahvistusoppimisesta on vaikkapa suosittelukone, joka pystyy oppimaan välittömästi aiemmin tekemistään suositteluista.

Mikäli käyttäjä ostaa koneen suosittelemia tuotteita, saman suosittelukaavan käyttöä kannattaa jatkaa, kunnes se lakkaa toimimasta. Vahvistusoppimisen suurin ero ohjattuun oppimiseen verrattuna on se, että ihmisen ei tarvitse jatkuvasti syöttää tekoälylle uutta opetusaineistoa, vaan se pystyy parantamaan tekemistään itsenäisesti reaaliajassa.

Syväoppiminen (Deep learning) on neuroverkkoon perustuvaa oppimista. Se jäljittelee ihmisaivojen kerroksittaista rakennetta jäsentää tietoa. Syväoppimisen avulla on pystytty kehittämään esimerkiksi tekoälyn puheen- ja kuvantunnistustaitoja merkittävästi. Syväoppiminen on erilainen tapa tehdä ohjattua oppimista.
Neuroverkot ovat ihmisten aivojen rakennetta jäljitteleviä informaation käsittelyn tai laskennan malleja. Neuroverkot koostuvat useista neuronikerroksista. Mitä useampia kerroksia neuroverkko käsittää, sitä monimutkaisempia asioita se oppii käsittelemään. Siinä missä yksinkertaisempia tekoälyjä opetetaan jos- niin -säännöillä, neuroverkkoja opetetaan esimerkkien avulla tunnistamaan esimerkiksi muotoja, tunnetiloja tai luonnollisen kielen merkitysrakenteita.

Suosittelumoottorit eli suosittelujärjestelmät ovat sisällön, esimerkiksi tuotteiden filtteröintiin käytettyjä järjestelmiä. Niiden avulla poimitaan ja näyttetään jokaisen käyttäjän senhetkiseen tarpeeseen parhaiten sopivia sisältöjä.

Verkkokaupassa tämän tarkoittaa useimmiten tuotteiden suosittelua. Suositteluita voidaan tehdä vaikkapa samaan kategoriaan kuuluvista tuotteista, esimerkiksi tarjoamalla rikosromaanin ostajalle muita saman tyylilajin teoksia.

Tekoäly voi suositella ostajalle tuotteita hänen oman käyttäytymishistoriansa perustella, tai muiden saman tuotteiden ostaneiden käyttäytymisen perusteella.

Tekoälypohjainen asiakassegmentointi tapahtuu syöttämällä suuria volyymeitä asiakastietoa tekoälyn käsiteltäväksi. Tekoäly muodostaa asiakaskunnasta tarkkoja profiileita, ja arvottaa niitä heidän ostopotentiaalinsa mukaisesti. Näin pystytään tunnistamaan verkkokauppasi arvokkaimpia asiakkaita ja targetoimaan heitä erityisen tehokkaasti.

Tekoälyllä voidaan myös analysoida asiakkaiden ostokäyttäytymistä ja määritellä, millaista markkinointia tai tuotesuosittelua heille kannattaa kohdistaa.

Regressiomalleja käytetään tilastollisten todennäköisyyksien ennustamiseen. Tekoälyn on mahdollista analysoida verkkokaupan käyttäjätietoa ja löytää asioiden välisiä syy-seuraussuhteita, joita olisi miltei mahdoton havaita ihmisvoimin.

Esimerkiksi Facebook hyödyntää regressiomalleja mainontansa kohdentamiseen. Käyttäjiensä dataa analysoimalla Facebook on esimerkiksi huomannut, että luonnosta ja luomuruoasta kiinnostuneet ihmiset ovat tyypillisesti kiinnostuneita myös valokuvauksesta.

Regressiomalleja voidaan käyttää verkkokaupassa paitsi kohdentamisen tehostamiseen, myös esimerkiksi dynaamiseen hinnoitteluun, markkinointi- investointien optimointiin sekä myyntiennusteiden tuottamiseksi.

Dynaaminen hinnoittelu on hinnoittelumalli, jossa tuotteen hintaa vaihdellaan kysynnästä, kasvusta ja muista trendeistä riippuen. Tekoälyn avulla pystytään keräämään ja analysoimaan laajoja määriä erilaista hintoihin vaikuttavaa tietoa. Tekoäly saattaa arvioida esimerkiksi kuluttajien ostointoa, tuotteen ajankohtaisuutta sekä kilpailevien myyjien toimintaa määritelläkseen tuotteelle optimaalisen hinnan. Dynaamisesta hinnoittelusta puhutaan myös reaaliaikaisena hinnoitteluna.

2. Tekoälyn mahdollisuudet verkkokaupassa

Millaista hyötyä verkkokauppias voi jo tänään saavuttaa tekoälyn avulla?

Mitä paremmin tunnet ostavat asiakkaasi, sitä paremmin osaat myydä heille juuri sitä, mitä he ovat todennäköisimmin ostamassa.

Verkkokauppiaan näkökulmasta esimerkiksi hyödyllinen tekoälyn aikaansaama koneoppimisen tulos on oikea ennuste siitä, mitä asiakkaasi haluaa ostaa, koska ja millä hinnalla.

Tekoalyn-mahdollisuudet-verkkokaupassa

Tekoäly oppii tietomassoista

Tekoäly tarvitsee toimiakseen paljon dataa ja tapahtumia, jotta sillä saavutetaan kunnon hyötyjä.

Ohjattuun oppimiseen perustuvalle tekoälylle täytyy syöttää suuret määrät historiatietoa, tai valjastaa se keräämään dataa, jota se pystyy tulkitsemaan ja ymmärtämään. Pienillä datamäärillä tekoäly ei pääse vauhtiin.

Pienikin verkkokauppa saattaa kerätä asiakkaastaan jonkin verran tietoa, mutta pienen asiakaskunnan tiedoissa ei riitä kovin paljon analysoitavaa.

Mitä laajemmista datamassoista tekoäly pystyy etsimään toistuvia valintoja ja toisiinsa linkittyneitä mieltymyksiä, sitä suuremmalla todennäköisyydellä se osuu oikeaan.

”Tällä perusteella suuremmat verkkokaupat hyötyvät jo tällä hetkellä tekoälystä paljon enemmän ja lähivuosina erot varmasti vielä kiihtyvät pienien ja suurien kauppojen välillä,” pohtii Netrauta.fi ja Taloon.com -verkkokauppojen tekoälypohjaisista ratkaisuista vastaava Juha Saarinen.

Myynnin todennäköisyyksiä on pisteytetään käyttäjäkohtaisesti heidän transaktiohistoriansa perusteella. Ohjatusti oppivan tekoälyn taito perustuu aina sille jälkikäteen syötettyyn dataan, eikä kone pysty kouluttamaan itseään uudelleen reaaliajassa sitä mukaa, kun käyttäjä liikkuu ja toimii verkkokaupassa toisin, kuin online-oppivat algoritmit.

Online-oppiva tekoäly kehittyy reaaliajassa

Tekoalyn-tarkeita-termejaOnline-oppiminen on tekoälyn tulevaisuus verkkokaupassa – ainakin seuraavat pari vuotta.

Verkkokauppojen kehittäminen tekoälyn perusteella on ennen online-oppimista pohjautunut historiatietoon: kenelle asiakkaistasi olet saanut myytyä tuotteita, ja kenelle et. Ohjatussa oppimisessa opetetaan tekoäly tunnistamaan historiadatasta todennäköisyyksiä ja toivottuja lopputuloksia.

Aiemmin tekoälyn toimintaa ohjaava ja sitä opettava tietomassa pystyttiin päivittämään ainoastaan päivän päätteeksi, kun uusi, päivän aikana kerätty käyttäjätieto sisällytettiin tietomassaan, jonka perusteella tekoälymalli oppi ja teki päätöksiä. Tällöin uudet ennusteet saatiin vasta jälkijunassa, ja verkkokauppakontekstissa se saattaa merkitä suoranaista tulonmenetystä.

Online-oppimiseen perustuva tekoäly oppii itsekseen reaaliajassa, ja sen ennusteet ovat jatkuvasti ajan tasalla.

Online-oppimisessa taas luodaan tekoälymalli, joka oppii autonomisesti reaaliajassa verkkokaupassa. Jokainen koriin lisäys, transaktio tai ei-transaktio opettavat sitä. Jos verkkokauppaan tulee uusi hittituote, malli oppii muutamissa sekunneissa suosittelemaan sitä käyttäjille. Aiemmilla menetelmillä tämä ei ole ollut mahdollista.

Sitä ei opeteta enää lainkaan ihmisten toimesta. Siksi se on helpompaa ottaa käyttöön myös verkkokaupassa, jossa ei ole valtavia asiakasmääriä. Lisäksi online-oppiva tekoäly on merkittävästi tehokkaampi kuin aiemmat tekoälyyn perustuvat suosittelumoottorit.

Tehoja markkinointiin tekoälyn avulla

Verkkokauppiaalle tutuimmat ja käytetyimmät tekoälyn ilmiselvät sovellukset ovat nimenomaan markkinoinnissa.

Tekoäly voi koneoppimisen avulla selvittää, mitä kullekin käyttäjälle kannattaa markkinoida, ja näin parantaa markkinoinnin tehokkuutta. Automatisoitu markkinointikone myös hoitaa viestien lähettämisen parhaimmassa tapauksessa se jopa laatii tehokkaampia markkinointiviestejä kuin ihmisasiantuntija.

Koneoppimista on kuitenkin hankala hyödyntää markkinoinnin tehostamisessa, jollei nykyistä asiakasmassaa ole paljon. Tämä vaatii yleensä suuremman, olemassa olevan datamassan.

Lähetä oikea viesti oikealle asiakkaallesi, juuri oikeaan aikaan

Tekoäly seuraa asiakkaasi käyttäytymistä, ja määrittelee sen perusteella, millaiset viestit ohjaisivat häntä tehokkaimmin ostamisen äärelle ja edelleen kohti ostopäätöstä

”Tekoälyn avulla lähetät asiakkaallesi sen viestin, jonka hän todennäköisimmin kullakin hetkellä haluaa. Asiakkaasi käyttäytymisen mukaan valitut viestit ja niiden lähettämisen ajankohdat ohjaavat verkkokauppaasi erittäin laadukasta liikennettä,” vinkkaa Netraudan Juha Saarinen.

Tekoälyn avulla voidaan siis ikään kuin ajastaa markkinointiviestejä lähtemään asiakkaalle silloin, kuin heidän oman verkkokäytöksensä perusteella vaikuttaa todennäköisimmiltä, että niistä olisi heille hyötyä.

Tuotesuosittelu auttaa asiakastasi ostamaan

TuotesuositteluKoneoppivan analytiikan avulla löydät varmasti sellaisia oivalluksia asiakkaistasi, jotka eivät ole paljain silmin nähtävissä.

”Mieti, kuinka voisit käyttää tekoälyä auttaaksesi asiakastasi aidosti. Tekoäly selvittää, mitä voit kunkin tuotteen kylkeen myydä, että hän saa siitä mahdollisimman paljon irti,” opastaa Jarno Kartela.

Tekoäly kannattaa siis toisin sanoen valjastaa myös arvioimaan, mitä asiakkaasi haku- ja ostokäyttäytymisensä perusteella ostajana arvostaa. Käyttäjän haku- ja transaktiohistorian perusteella todennäköisesti selviää hyvinkin tarkasti, arvostaako hän esimerkiksi edullisuutta, vai hakeeko premium-tuotteita.

Tekoäly pystyy myös kartoittamaan pidemmän aikavälin suositusketjuja. Esimerkiksi autokaupassa tekoälyyn pohjautuvat CRM-järjestelmät osaavat ennustaa häkellyttävän täsmällisesti, koska autonostajalle kannattaa tarjota huoltoa, renkaanvaihtoa tai akunvaihtoa.

Tunnista, mitä asiakkaasi arvostaa

Suosittelutaktiikoita on monenlaisia, eikä asiantuntijoiden mukaan kenellekään käyttäjälle ole yhtä oikeaa suosittelua. Suurin osa suosituksista perustuu todennäkököisyyksiin, joita tekoäly seulovat käyttäjän tai suuremman käyttäjäjoukon tyypillisistä liikkeistä, valinnoista ja mieltymyksistä.

Esimerkiksi Amazon tarjoaa asiakkailleen tekoälyn laatimia käyttäjäkohtaisia suosituksia sekä sähköpostilla että verkkokauppansa ostoprosessin jokaisessa käänteessä. Suuri panostus tuottaa uskomattomia tuloksia: Amazon on ilmoittanut tekevänsä jopa 35 % koko myynnistä ”suosittelukoneen” kautta.

Chatbotit verkkokaupan kansainvälisiä myyjiä

Chatbotit auttavat asiakasta ostamaan, suosittelevat sopivia tuotteita ja vaihtoehtoja, sekä vahvistavat asiakkaan ostopäätöstä.

Chatbotteja voisi ajatella ikään kuin käyttöliittyminä tekoälyyn. Ihminen antaa robotille sanallisia viestejä, jotka se tulkitsee eli purkaa komennoiksi, ja tämä suorittaa sille etukäteen laaditusta toimintojen ja vastausviestien joukosta tilanteeseen sopivimmat.

Ostaessasi monimutkaista tuotetta jossa on useita komponentteja, chatbot huolehtii, että sinulla on kaikki tuotteen kokoamiseen ja asentamiseen tarvittavat palaset.

”Jos vaikkapa tietokoneharrastaja kokoaa uutta konetta ja ostaa komponentteja verkkokaupasta, tekoälyä hyödyntävä chatbot voi varmistaa, että asiakas on tietoisesti jättänyt tilauksesta koneeseen tarvittavat, mutta tilauksesta puuttuvat osat pois,” havainnollistaa Houston Analyticsin Tommi Havukainen.

 

Onko muilla kuin valtavilla verkkokaupan jättiläisillä mahdollisuuksia lähteä hyödyntämään tekoälyä edelläkävijöiden etulinjassa?

Suurin osa suomalaisista verkkokaupoista on joko pieniä tai keskisuuria. Kuinka tekoälykokeilut voisi aloittaa, ellei ole vielä tajunnut ryhtyä keräämään dataa? Eikö pienikin projekti tule aivan valtavan kalliiksi?

Pyysimme asiantuntijoitamme pohtimaan mahdollisia ensiaskeleita myös pienemmille tekijöille.

Lataa ja lue koko verkkoversio alta.

Lue koko verkkoversio

Lue koko verkko-opas ja saat samalla oppaan pdf-version sähköpostiisi

Pidempi versio sisältää
vielä seuraavat luvut: 

3. Kuinka pääsen alkuun?

4. Valmiit työkalut testiin!

5. Aloita nyt!

Haastamme jokaisen verkkokauppiaan tekemään ainakin yhden tekoälykokeilun omalla datallaan jo tällä viikolla.

”Jos aloitat heti, missä oletkaan ensi vuonna tähän aikaan? Ne, jotka käynnistävät uuden oppimisensa tänään, ovat silloin jo vuoden edellä niitä, jotka vielä vasta harkitsevat asiaa. Aloita heti ja testaa, mitä siitä saa irti!” Antti Merilehto kannustaa kaikkia verkko- kauppiaita nopeaan toimintaan.

Aina on mahdollista ottaa yritystäsi eteenpäin vieviä askeleita, olivatpa ne kuinka pieniä tahansa.

”Mikäli verkkokauppiaalla ei ole käytettävissään laajaa tietomassaa asiakkaiden käyttäytymisestä, markkinoinnin optimointia saattaa olla vaikea aloittaa. Silloin kannattaa keskittyä verkkokaupan toiminnan optimointiin. Se on mahdollista aloittaa jopa ilman minkäänlaista tietomassaa”, neuvoo Fourkindin Jarno Kartela.

Jos omasta tiimistä löytyy sopiva yhdistelmä IT-ja liiketoimintaosaamista, homma on parasta vain pyöräyttää käyntiin, vaikka edes pienellä kokeilulla.

”Jokainen business ja sen tekniset ratkaisut ovat kuitenkin omanlaisiaan. Loppupeleissä tätä osa-aluetta ei pysty etukäteen kouluttamaan tai rekrytoimaan,” Netraudan Juha Saarinen summaa.

Lue alta caset tekoälyn soveltamisesta