Big Data ao servizo do retail

Como os venda polo miúdo usan o big data para mellorar a personalización en tres aspectos clave para o comprador: surtido, oferta e entrega, contado en Umbrella IT

A finais dos anos 1990, emprendedores de todos os ámbitos da vida decatáronse de que os datos son un recurso valioso que, se se usan correctamente, poden converterse nunha poderosa ferramenta de influencia. O problema era que o volume de datos aumentou exponencialmente, e os métodos de procesamento e análise da información que existían naquel momento non eran o suficientemente eficaces.

Nos anos 2000, a tecnoloxía deu un salto cuántico. No mercado apareceron solucións escalables que poden procesar información non estruturada, facer fronte a altas cargas de traballo, construír conexións lóxicas e traducir datos caóticos a un formato interpretable que poida ser entendido por unha persoa.

Hoxe, o big data está incluído nunha das nove áreas do programa de Economía Dixital da Federación Rusa, ocupando as primeiras liñas nas clasificacións e partidas de gastos das empresas. Os maiores investimentos en tecnoloxías de big data realízanos empresas do sector comercial, financeiro e das telecomunicacións.

Dentro de 10-20 anos, o big data converterase no principal medio de capitalización e desempeñará un papel na sociedade comparable en importancia á industria eléctrica, din os analistas.

Os compradores de hoxe xa non son unha masa sen rostro de estatísticas, senón individuos ben definidos con características e necesidades únicas. Son selectivos e cambiarán sen arrepentirse á marca dun competidor se a súa oferta parece máis atractiva. É por iso que os venda polo miúdo usan big data, que lles permiten interactuar cos clientes dun xeito específico e preciso, centrándose no principio de "un consumidor único: un servizo único".

1. Surtido personalizado e uso eficiente do espazo

Na maioría dos casos, a decisión final de "comprar ou non comprar" ten lugar xa na tenda preto do andel con produtos. Segundo as estatísticas de Nielsen, o comprador gasta só 15 segundos buscando o produto axeitado no andel. Isto significa que é moi importante que unha empresa proporcione o surtido óptimo a unha determinada tenda e o presente correctamente. Para que o surtido satisfaga a demanda e a pantalla para promover as vendas, é necesario estudar diferentes categorías de big data:

• demografía local,
• solvencia,
• percepción de compra,
• compras por programas de fidelización e moito máis.

Por exemplo, avaliar a frecuencia das compras dunha determinada categoría de bens e medir a "cambiabilidade" dun comprador dun produto a outro axudará a comprender de inmediato que artigo se vende mellor, cal é redundante e, polo tanto, redistribuír o diñeiro de forma máis racional. recursos e planificar o espazo da tenda.

Unha dirección separada no desenvolvemento de solucións baseadas en big data é o uso eficiente do espazo. Son os datos, e non a intuición, nos que agora confían os comerciantes á hora de distribuír a mercadoría.

Nos hipermercados X5 Retail Group, os deseños de produtos xéranse automaticamente, tendo en conta as propiedades dos equipos de venda polo miúdo, as preferencias dos clientes, os datos sobre o historial de vendas de determinadas categorías de mercadorías e outros factores.

Ao mesmo tempo, a corrección do deseño e o número de mercadorías no andel son monitorizadas en tempo real: as tecnoloxías de análise de vídeo e visión por ordenador analizan o fluxo de vídeo procedente das cámaras e destacan eventos segundo os parámetros especificados. Por exemplo, os empregados das tendas recibirán un sinal de que os frascos de chícharos enlatados están no lugar equivocado ou de que se esgotou o leite condensado nos estantes.

2. Oferta personalizada

A personalización para os consumidores é unha prioridade: segundo a investigación de Edelman e Accenture, o 80% dos compradores teñen máis probabilidades de comprar un produto se un comerciante fai unha oferta personalizada ou fai un desconto; ademais, o 48% dos enquisados ​​non dubida en acudir aos competidores se as recomendacións de produtos non son precisas e non responden ás necesidades.

Para satisfacer as expectativas dos clientes, os comerciantes están implementando activamente solucións de TI e ferramentas de análise que recollen, estruturan e analizan os datos dos clientes para axudar a comprender o consumidor e levar a interacción a un nivel persoal. Un dos formatos populares entre os compradores -a sección de recomendacións de produtos "pode ​​estar interesado" e "comprar con este produto"- tamén se forma a partir da análise de compras e preferencias pasadas.

Amazon xera estas recomendacións mediante algoritmos de filtrado colaborativo (un método de recomendación que utiliza as preferencias coñecidas dun grupo de usuarios para predicir as preferencias descoñecidas doutro usuario). Segundo os representantes da empresa, o 30% de todas as vendas débense ao sistema de recomendación de Amazon.

3. Entrega personalizada

É importante que un comprador moderno reciba rapidamente o produto desexado, independentemente de se se trate da entrega dun pedido desde unha tenda en liña ou da chegada dos produtos desexados aos estantes do supermercado. Pero a velocidade por si soa non é suficiente: hoxe todo entrégase rapidamente. O enfoque individual tamén é valioso.

A maioría dos grandes venda polo miúdo e transportistas teñen vehículos equipados con moitos sensores e etiquetas RFID (utilizadas para identificar e rastrexar mercadorías), das que se reciben grandes cantidades de información: datos sobre a localización actual, tamaño e peso da carga, conxestión de tráfico, condicións meteorolóxicas. , e mesmo o comportamento do condutor.

A análise destes datos non só axuda a crear a ruta máis económica e rápida da ruta en tempo real, senón que tamén garante a transparencia do proceso de entrega para os compradores, que teñen a oportunidade de seguir o progreso do seu pedido.

A personalización da entrega é un factor clave para o comprador na fase da "última milla". Un comerciante que combine datos de clientes e de loxística na fase de toma de decisións estratéxicas poderá ofrecer ao cliente rapidamente a recollida da mercadoría desde o punto de emisión, onde será o máis rápido e barato entregala. A oferta de recibir a mercadoría o mesmo día ou o seguinte, xunto cun desconto na entrega, animará o cliente a ir ata o outro extremo da cidade.

Amazon, como é habitual, adiantouse á competencia ao patentar a tecnoloxía de loxística preditiva impulsada por análises preditivas. A conclusión é que o comerciante recolle datos:

• sobre as compras pasadas do usuario,
• sobre os produtos engadidos ao carro,
• sobre produtos engadidos á lista de desexos,
• sobre os movementos do cursor.

Os algoritmos de aprendizaxe automática analizan esta información e predín que produto é máis probable que compre o cliente. Despois, o artigo envíase mediante un envío estándar máis barato ao centro de envío máis próximo ao usuario.

O comprador moderno está preparado para pagar por un enfoque individual e unha experiencia única dúas veces, con diñeiro e información. Ofrecer o nivel adecuado de servizo, tendo en conta as preferencias persoais dos clientes, só é posible coa axuda de big data. Mentres os líderes do sector están a crear unidades estruturais enteiras para traballar con proxectos no campo do big data, as pequenas e medianas empresas apostan por solucións en caixa. Pero o obxectivo común é construír un perfil de consumidor preciso, comprender as dores do consumidor e determinar os factores desencadenantes que afectan á decisión de compra, destacar as listas de compra e crear un servizo personalizado e integral que fomente cada vez máis a compra.