D2C 葡萄酒俱乐部正变得越来越数据驱动。特别是Firstleaf这家初创公司严重依赖其机器学习平台来增加订阅并保持客户订购。 

有大量的数字葡萄酒俱乐部试图吸引订阅用户,其中大多数提供基于葡萄酒专家挑选的精选包装盒。 Firstleaf 公司成立于 2016 年,一直试图建立一种更加数据驱动的葡萄酒选择方法。这家葡萄酒初创公司于 2017 年开始使用它所说的专有 AI 模型来建立用户的口味档案。从那时起,该公司的数据科学团队继续调整模型和随附的测验,通过添加新工具来帮助每个用户缩小数千瓶的范围。据该公司称,这个想法是为每个俱乐部成员创建“葡萄酒指纹”。

多年来,这种个性化模型已成为 Firstleaf 业务模型的重要组成部分。Firstleaf 的研究和机器学习负责人 Matt Martz 说,如今,用户可以通过大约 410,000 条路径通过测验来获取他们的葡萄酒推荐套装。

Firstleaf 的方法从其新客户测验开始 – 用于组装客户的六种葡萄酒的第一笔订单。它的订阅让会员可以选择每月、两个月或三个月接收订单。定价取决于订单数量。例如,六瓶装的价格为 79.98 美元加上 9.95 美元的运费和税费,而 12 瓶装的价格为 159.95 美元加上税费和免运费。

从 2017 年到 2020 年,Firstleaf 的年收入增长了 475%,该公司将此归功于其算法依赖模型。 8 月份,该公司的活跃用户达到 150,000 名。 Martz 表示,到目前为止,96% 的受访用户“认为他们的订阅很有价值”。 

虚拟葡萄酒俱乐部测验并不是什么新鲜事。其他初创公司,如 Winc 和 Bright Cellars,也使用这种策略来提供来自数千个 SKU 的推荐套装。然而,Martz 指出,与传统测验不同——根据巧克力或水果等口味偏好推荐瓶子——Firstleaf 的个性化依赖于葡萄酒的化学成分。为了更准确地确定建议,测验询问了酸度、矿物质和地区葡萄酒偏好等组成部分。 “葡萄酒本身的成分是数据的关键,”Martz说。 

Martz 表示,这个过程是基于用户对瓶子风味特征的评价,然后教公司的算法如何了解客户的未来需求。“这让用户可以更好地控制俱乐部体验。”

据 Martz 称,他的团队持续监控 14 个不同的 KPI,以确定公司算法的成功程度。其中包括客户迄今为止的订单数量、他们是否购买了推荐套装、他们是否已经推荐了朋友以及他们成为 Firstleaf 用户的时间。Firstleaf 使用这些指标的组合来提示客户的下一个订单,例如如果客户重复购买同一瓶,则建议“双订单”数量功能。

这也有助于 Firstleaf 制定营销策略,例如电子邮件通知和促销,以防止客户流失。Martz 解释说,该模型跟踪客户从注册第一天到第 14 天的行为。“这有助于我们了解干预转化营销的最佳时间,”他说。

例如,这些数据有助于告知 Firstleaf 何时联系客户并建议他们更新他们的葡萄酒资料,如果他们有一段时间没有下订单。

依赖预捆绑套装的葡萄酒俱乐部也在寻求使用数据来更好地个性化他们的报价。 

酒类电子商务提供商 Drinks 的联合创始人兼CEO Zac Brandenberg 表示,大多数消费者选择订阅葡萄酒是为了方便。因此,让客户有兴趣为下一次膳食搭配或社交环境补充订单取决于服务。Brandenberg 说,了解第一方数据并将其与当前选择相匹配对于线上葡萄酒俱乐部的成功至关重要。

Drinks 专注于预先选择的套装,为每个订单使用各种数据点。该公司确实允许客户组装自己的套装。然而,大部分销售来自预先捆绑的套装——通常由饮料工作人员或有影响力的人策划,Brandenberg 说。 。” 

俱乐部自己的专有引擎 Pair 使用数据来识别最有可能吸引特定消费者的葡萄酒品牌元素。该算法将来自数百万消费者订单和调查结果的数据与葡萄酒的属性进行比较;这可以包括品种、年份、品牌和包装。例如,Pair 分析表明,千禧一代女性更愿意购买桃红葡萄酒而不是灰比诺。 

Brandenberg表示,尽管存在所有这些变化,但无限的选择往往会让许多顾客不知所措——无论是店内还是网上。“这就是策展变得越来越重要的原因,无论是基于客户自己的历史还是实施员工选择。” 

By 汤海泉

交流加微信:alonzotang。D2CBrand.com发起人,海外网红大师KOLGURU.com创始人,宝发惠聚(DIGGOODS.com)创始人,从事跨境电商多年,喜欢刨根问底研究D2C/DTC品牌的成长路径。

发表评论

邮箱地址不会被公开。 必填项已用*标注