Големи податоци на услуга на малопродажба

Како трговците на мало користат големи податоци за да ја подобрат персонализацијата во три клучни аспекти за купувачот – асортиман, понуда и испорака, кажано во Umbrella IT

Во доцните 1990-ти, претприемачите од сите сфери на животот сфатија дека податоците се вреден ресурс кој, доколку се користи правилно, може да стане моќна алатка за влијание. Проблемот беше што обемот на податоци се зголеми експоненцијално, а методите на обработка и анализа на информациите што постоеја во тоа време не беа доволно ефективни.

Во 2000-тите, технологијата направи квантен скок. На пазарот се појавија скалабилни решенија кои можат да обработат неструктурирани информации, да се справат со големи оптоварувања, да градат логички врски и да преведат хаотични податоци во формат што може да се толкува што може да го разбере човекот.

Денес, големите податоци се вклучени во една од деветте области на програмата Дигитална економија на Руската Федерација, заземајќи ги првите линии во рејтингот и ставките за трошоци на компаниите. Најголемите инвестиции во технологиите за големи податоци ги прават компаниите од трговскиот, финансискиот и телекомуникацискиот сектор.

За 10-20 години, големите податоци ќе станат главно средство за капитализација и ќе играат улога во општеството споредлива по важност со електроенергетската индустрија, велат аналитичарите.

Денешните купувачи повеќе не се безлична маса статистика, туку добро дефинирани поединци со уникатни карактеристики и потреби. Тие се селективни и без жалење ќе се префрлат на брендот на конкурентот доколку нивната понуда изгледа попривлечна. Затоа трговците на мало користат големи податоци, што им овозможува да комуницираат со клиентите на насочен и прецизен начин, фокусирајќи се на принципот „уникатен потрошувач – единствена услуга“.

1. Персонализиран асортиман и ефикасно користење на просторот

Во повеќето случаи, конечната одлука „да се купи или да не се купи“ се случува веќе во продавницата во близина на полицата со стоки. Според статистиката на Нилсен, купувачот троши само 15 секунди барајќи го вистинскиот производ на полицата. Тоа значи дека за бизнисот е многу важно да обезбеди оптимален асортиман на одредена продавница и правилно да го презентира. За да може асортиманот да ја задоволи побарувачката, а приказот да ја промовира продажбата, неопходно е да се проучат различни категории на големи податоци:

• локална демографија,
• солвентност,
• куповна перцепција,
• купување на програма за лојалност и многу повеќе.

На пример, проценката на зачестеноста на купувањата на одредена категорија стоки и мерењето на „префрлувањето“ на купувачот од еден производ на друг ќе помогне веднаш да се разбере кој артикал подобро се продава, што е вишок и, според тоа, порационално да се прераспредели готовината. ресурси и планираат простор за продавница.

Посебна насока во развојот на решенија базирани на големи податоци е ефикасното користење на просторот. Тоа е податок, а не интуиција, на кои трговците сега се потпираат при поставување на стоки.

Во хипермаркетите на X5 Retail Group, распоредот на производите се генерира автоматски, земајќи ги предвид својствата на малопродажната опрема, преференциите на клиентите, податоците за историјата на продажбата на одредени категории на стоки и други фактори.

Во исто време, исправноста на распоредот и бројот на стоки на полицата се следат во реално време: видео аналитиката и технологиите за компјутерска визија го анализираат видео потокот што доаѓа од камерите и ги истакнуваат настаните според наведените параметри. На пример, вработените во продавницата ќе добијат сигнал дека теглите со конзервиран грашок се на погрешно место или дека кондензираното млеко истечело на полиците.

2. Персонализирана понуда

Приоритет е персонализацијата за потрошувачите: според истражувањето на Edelman и Accenture, 80% од купувачите имаат поголема веројатност да купат производ ако трговецот на мало направи персонализирана понуда или даде попуст; уште повеќе, 48% од испитаниците не се двоумат да одат кај конкурентите доколку препораките за производите не се точни и не ги задоволуваат потребите.

За да ги исполнат очекувањата на клиентите, трговците на мало активно имплементираат ИТ решенија и алатки за аналитика кои собираат, структурираат и анализираат податоци за клиентите за да помогнат да се разбере потрошувачот и да се донесе интеракцијата на лично ниво. Еден од популарните формати меѓу купувачите - делот за препораки за производи „можеби ќе ве интересира“ и „купи со овој производ“ - исто така се формира врз основа на анализа на претходните купувања и преференции.

Амазон ги генерира овие препораки користејќи алгоритми за заедничко филтрирање (метод на препораки што ги користи познатите преференции на група корисници за да ги предвиди непознатите преференции на друг корисник). Според претставниците на компанијата, 30% од сите продажби се должат на системот за препораки на Амазон.

3. Персонализирана испорака

За современиот купувач е важно брзо да го добие посакуваниот производ, без разлика дали се работи за испорака на нарачка од онлајн продавница или пристигнување на посакуваните производи на полиците на супермаркетите. Но, само брзината не е доволна: денес сè се испорачува брзо. Вреден е и индивидуалниот пристап.

Повеќето големи трговци на мало и превозници имаат возила опремени со многу сензори и RFID ознаки (кои се користат за идентификување и следење на стоката), од кои се добиваат огромни количини на информации: податоци за моменталната локација, големината и тежината на товарот, сообраќајниот метеж, временските услови , па дури и однесувањето на возачот.

Анализата на овие податоци не само што помага да се создаде најекономична и најбрза патека на рутата во реално време, туку и обезбедува транспарентност на процесот на испорака за купувачите, кои имаат можност да го следат напредокот на нивната нарачка.

Персонализирањето на испораката е клучен фактор за купувачот во фазата „последна милја“. Трговецот на мало што ги комбинира податоците за клиентите и логистиката во фазата на стратегиско одлучување ќе може веднаш да му понуди на клиентот да ја подигне стоката од местото на издавање, каде што ќе биде најбрзо и најевтино да се испорача. Понудата да се прими робата истиот ден или следниот ден, заедно со попуст при испорака, ќе го поттикне клиентот да оди дури и до другиот крај на градот.

Амазон, како и обично, отиде пред конкуренцијата со патентирање на технологија за предвидлива логистичка технологија, напојувана со предвидлива аналитика. Во крајна линија е дека трговецот на мало собира податоци:

• за минатите купувања на корисникот,
• за производите додадени во количката,
• за производите додадени на списокот со желби,
• за движењата на курсорот.

Алгоритмите за машинско учење ги анализираат овие информации и предвидуваат кој производ клиентот најверојатно ќе го купи. Предметот потоа се испраќа преку поевтина стандардна испорака до центарот за испорака најблиску до корисникот.

Современиот купувач е подготвен двапати да плати за индивидуален пристап и уникатно искуство – со пари и информации. Обезбедувањето на соодветно ниво на услуга, земајќи ги предвид личните преференци на клиентите, е можно само со помош на големи податоци. Додека лидерите во индустријата создаваат цели структурни единици за работа со проекти од областа на големите податоци, малите и средни бизниси се обложуваат на решенија во кутии. Но, заедничката цел е да се изгради точен профил на потрошувачите, да се разберат болките на потрошувачите и да се одредат предизвикувачите кои влијаат на одлуката за купување, да се истакнат списоците за купување и да се создаде сеопфатна персонализирана услуга која ќе го поттикне купувањето се повеќе и повеќе.