Az Umbrella IT-ben elmondták, hogyan használják a kiskereskedők a big data-ot a személyre szabottság javítására három kulcsfontosságú szempont a vásárló számára – választék, kínálat és szállítás
Big data az új olaj
Az 1990-es évek végén a vállalkozók az élet minden területéről felismerték, hogy az adatok értékes erőforrások, amelyek megfelelő felhasználás esetén a befolyásolás erőteljes eszközévé válhatnak. A probléma az volt, hogy az adatok mennyisége ugrásszerűen megnőtt, az információfeldolgozás és -elemzés akkoriban létező módszerei nem voltak elég hatékonyak.
A 2000-es években a technológia nagy ugrást tett. Olyan skálázható megoldások jelentek meg a piacon, amelyek képesek feldolgozni a strukturálatlan információkat, megbirkózni a nagy terhelésekkel, logikai kapcsolatokat építeni, és a kaotikus adatokat egy ember számára is érthető, értelmezhető formátumba fordítani.
Napjainkban a big data az Orosz Föderáció digitális gazdasága program kilenc területének egyikében szerepel, és a vállalatok minősítésében és költségtételeiben a legfelső sorokat foglalja el. A big data technológiákba a legnagyobb beruházásokat a kereskedelmi, pénzügyi és távközlési szektor cégei hajtják végre.
Különféle becslések szerint az orosz big data piac jelenlegi volumene 10-30 milliárd rubel. A Big Data Piaci Résztvevők Szövetségének előrejelzései szerint 2024-re eléri a 300 milliárd rubelt.
Elemzők szerint 10-20 éven belül a big data lesz a kapitalizáció fő eszköze, és az energiaiparhoz hasonló fontosságú szerepet fog játszani a társadalomban.
Kiskereskedelmi sikerképletek
A mai vásárlók már nem a statisztikák arcátlan tömege, hanem jól körülhatárolható, egyedi adottságokkal és igényekkel rendelkező egyének. Szelektívek, és sajnálkozás nélkül átváltanak a versenytárs márkájára, ha ajánlatuk vonzóbbnak tűnik. Ezért a kiskereskedők big data-ot használnak, ami lehetővé teszi számukra, hogy célzott és pontos interakciót tudjanak folytatni az ügyfelekkel, az „egyedi fogyasztó – egyedi szolgáltatás” elvre összpontosítva.
1. Személyre szabott választék és hatékony helykihasználás
A legtöbb esetben a „vásárolni vagy nem vásárolni” végső döntés már az üzletben, az árukkal ellátott polc közelében megtörténik. A Nielsen statisztikái szerint a vásárló mindössze 15 másodpercet tölt a megfelelő termék keresésével a polcon. Ez azt jelenti, hogy egy vállalkozás számára nagyon fontos, hogy egy adott üzletet az optimális választékkal lássa el, és azt megfelelően mutassa be. Ahhoz, hogy a választék megfeleljen a keresletnek, és a kijelző elősegítse az értékesítést, a big data különböző kategóriáit kell tanulmányozni:
- helyi demográfia,
- fizetőképesség,
- vásárlási felfogás,
- hűségprogram vásárlások és még sok más.
Például egy bizonyos árukategória vásárlási gyakoriságának felmérése és a vevő „változhatóságának” mérése egyik termékről a másikra segít azonnal megérteni, hogy melyik tétel fogy jobban, melyik a felesleges, és ezért racionálisabban osztja el a készpénzt. erőforrásokat és tervezze meg az üzlethelyiséget.
A big data alapú megoldások fejlesztésében külön irány a hatékony helykihasználás. Az árusítók most az adatokra támaszkodnak, és nem az intuícióra, amikor árukat helyeznek el.
Az X5 Retail Group hipermarketekben a termékelrendezések automatikusan generálódnak, figyelembe véve a kiskereskedelmi berendezések tulajdonságait, a vásárlói preferenciákat, az egyes árukategóriák értékesítési történetére vonatkozó adatokat és egyéb tényezőket.
Ugyanakkor az elrendezés helyességét és a polcon lévő áruk számát valós időben figyelik: a videoanalitika és a számítógépes látástechnológiák elemzik a kamerákból érkező videofolyamot, és a megadott paraméterek szerint kiemelik az eseményeket. Például az üzlet dolgozói kapnak jelzést, hogy rossz helyen vannak a konzervborsós üvegek, vagy kifogyott a sűrített tej a polcokról.
2. Személyre szabott ajánlat
A fogyasztók személyre szabása kiemelt feladat: az Edelman és az Accenture kutatása szerint a vásárlók 80%-a nagyobb valószínűséggel vásárol egy terméket, ha a kereskedő személyre szabott ajánlatot tesz vagy engedményt ad; ráadásul a válaszadók 48%-a habozás nélkül felkeresi a versenytársakat, ha a termékajánlatok nem pontosak és nem felelnek meg az igényeknek.
Az ügyfelek elvárásainak való megfelelés érdekében a kereskedők aktívan alkalmaznak olyan informatikai megoldásokat és elemző eszközöket, amelyek gyűjtik, strukturálják és elemzik az ügyfelek adatait, hogy segítsenek megérteni a fogyasztót, és személyes szintre emeljék az interakciót. A vásárlók körében népszerű formátumok egyike – a termékajánlók „Érdekelheti” és „Vásároljon ezzel a termékkel” rovata is a korábbi vásárlások és preferenciák elemzése alapján alakul ki.
Az Amazon ezeket az ajánlásokat együttműködő szűrési algoritmusok segítségével állítja elő (olyan ajánlási módszer, amely a felhasználók egy csoportjának ismert preferenciáit használja egy másik felhasználó ismeretlen preferenciáinak előrejelzésére). A cég képviselői szerint az összes eladás 30%-a az Amazon ajánlórendszerének köszönhető.
3. Személyre szabott szállítás
A modern vásárló számára fontos, hogy gyorsan megkapja a kívánt terméket, függetlenül attól, hogy egy webáruházból érkező rendelés kiszállításáról vagy a kívánt termékek megérkezéséről van szó a szupermarketek polcaira. De a sebesség önmagában nem elég: ma már mindent gyorsan szállítanak. Az egyéni megközelítés is értékes.
A legtöbb nagy kereskedő és fuvarozó számos érzékelővel és RFID címkével felszerelt járművel rendelkezik (az áruk azonosítására és nyomon követésére), amelyekről hatalmas mennyiségű információ érkezik: adatok az aktuális helyről, a rakomány méretéről és súlyáról, forgalmi torlódásokról, időjárási körülményekről. és még a sofőr viselkedését is.
Ezen adatok elemzése nemcsak az útvonal leggazdaságosabb és leggyorsabb, valós idejű nyomon követését segíti elő, hanem a szállítási folyamat átláthatóságát is biztosítja a vásárlók számára, akiknek lehetőségük van nyomon követni megrendelésük előrehaladását.
A modern vásárló számára fontos, hogy a kívánt terméket mielőbb megkapja, de ez nem elég, a fogyasztónak is egyéni megközelítésre van szüksége.
A szállítás személyre szabása kulcsfontosságú tényező a vásárló számára az „utolsó mérföld” szakaszában. Az a kiskereskedő, amely a stratégiai döntéshozatali szakaszban egyesíti a vevői és logisztikai adatokat, azonnal felajánlhatja az ügyfélnek, hogy az árut a kibocsátás helyéről vegye át, ahol a leggyorsabb és legolcsóbb lesz a kiszállítás. Az aznapi vagy másnapi áru átvételére tett ajánlat, valamint a kiszállítási engedmény arra ösztönzi az ügyfelet, hogy akár a város másik végébe is menjen.
Az Amazon szokás szerint megelőzte a versenyt a prediktív analitikán alapuló prediktív logisztikai technológia szabadalmaztatásával. A lényeg az, hogy a kiskereskedő adatokat gyűjt:
- a felhasználó korábbi vásárlásairól,
- a kosárba helyezett termékekről,
- a kívánságlistára felvett termékekről,
- a kurzor mozgásáról.
A gépi tanulási algoritmusok elemzik ezeket az információkat, és megjósolják, hogy az ügyfél melyik terméket vásárolja meg a legnagyobb valószínűséggel. A terméket ezután olcsóbb, normál szállítással szállítják a felhasználóhoz legközelebbi szállítási központba.
A modern vásárló kész kétszer fizetni az egyéni megközelítésért és az egyedi élményért – pénzzel és információval. Az ügyfelek személyes preferenciáit figyelembe vevő megfelelő szintű szolgáltatás nyújtása csak big data segítségével lehetséges. Míg az iparági vezetők teljes szerkezeti egységeket hoznak létre a big data területén végzett projektekhez, a kis- és középvállalkozások a dobozos megoldásokra fogadnak. A közös cél azonban a pontos fogyasztói profil felépítése, a fogyasztói fájdalmak megértése és a vásárlási döntést befolyásoló kiváltó okok meghatározása, a vásárlási listák kiemelése és egy átfogó, személyre szabott szolgáltatás létrehozása, amely egyre több vásárlásra ösztönöz.