Big Data na usluzi maloprodaji

Kako trgovci koriste velike podatke za poboljšanje personalizacije u tri ključna aspekta za kupca – asortiman, ponuda i isporuka, ispričano u Umbrella IT

Krajem 1990-ih, poduzetnici iz svih sfera života shvatili su da su podaci vrijedan resurs koji, ako se pravilno koristi, može postati moćno oruđe utjecaja. Problem je bio u tome što se obim podataka eksponencijalno povećavao, a metode obrade i analize informacija koje su postojale u to vrijeme nisu bile dovoljno efikasne.

2000-ih godina tehnologija je napravila kvantni skok. Na tržištu su se pojavila skalabilna rješenja koja mogu obraditi nestrukturirane informacije, nositi se s velikim radnim opterećenjem, graditi logičke veze i prevesti haotične podatke u format koji se može interpretirati i koji čovjek može razumjeti.

Danas su veliki podaci uključeni u jednu od devet oblasti programa Digitalna ekonomija Ruske Federacije, zauzimajući vrhove u ocjenama i stavkama troškova kompanija. Najveća ulaganja u tehnologije velikih podataka ostvaruju kompanije iz trgovinskog, finansijskog i telekomunikacijskog sektora.

Za 10-20 godina veliki podaci će postati glavno sredstvo kapitalizacije i igraće ulogu u društvu koja je po važnosti uporediva sa elektroprivredom, kažu analitičari.

Današnji kupci više nisu bezlična masa statistike, već dobro definirani pojedinci sa jedinstvenim karakteristikama i potrebama. Oni su selektivni i bez žaljenja će se prebaciti na konkurentsku marku ako im se ponuda učini privlačnijom. Zato trgovci koriste velike podatke, koji im omogućavaju ciljanu i tačnu interakciju s kupcima, fokusirajući se na princip „jedinstven potrošač – jedinstvena usluga“.

1. Personalizovani asortiman i efikasno korišćenje prostora

U većini slučajeva, konačna odluka „kupiti ili ne kupiti“ se dešava već u prodavnici blizu police sa robom. Prema Nielsenovim statistikama, kupac potroši samo 15 sekundi tražeći pravi proizvod na polici. To znači da je za posao veoma važno da opskrbi optimalan asortiman određenoj radnji i da ga pravilno prezentira. Da bi asortiman zadovoljio potražnju, a displej promovirao prodaju, potrebno je proučiti različite kategorije velikih podataka:

• lokalna demografija,
• solventnost,
• percepcija kupovine,
• kupovine programa lojalnosti i još mnogo toga.

Na primjer, procjena učestalosti kupovine određene kategorije robe i mjerenje „prebacivanja“ kupca s jednog proizvoda na drugi pomoći će da se odmah shvati koja se stavka bolje prodaje, a koja je suvišna, te da se stoga racionalnije preraspodijeli gotovina. resurse i planirati skladišni prostor.

Poseban pravac u razvoju rešenja zasnovanih na velikim podacima je efikasno korišćenje prostora. To su podaci, a ne intuicija, na koje se trgovci sada oslanjaju kada izlažu robu.

U hipermarketima X5 Retail Group, rasporedi proizvoda se generišu automatski, uzimajući u obzir svojstva maloprodajne opreme, preferencije kupaca, podatke o istoriji prodaje određenih kategorija robe i druge faktore.

Istovremeno se prati ispravnost rasporeda i broj robe na polici u realnom vremenu: video analitika i tehnologije kompjuterskog vida analiziraju video stream koji dolazi iz kamera i ističu događaje prema navedenim parametrima. Na primjer, zaposlenici trgovine će dobiti signal da su tegle konzerviranog graška na pogrešnom mjestu ili da je kondenzirano mlijeko nestalo na policama.

2. Personalizirana ponuda

Personalizacija za potrošače je prioritet: prema istraživanju Edelmana i Accenturea, 80% kupaca je vjerojatnije da će kupiti proizvod ako trgovac napravi personaliziranu ponudu ili popust; štaviše, 48% ispitanika ne okleva da ode kod konkurenata ako preporuke proizvoda nisu tačne i ne zadovoljavaju potrebe.

Kako bi ispunili očekivanja kupaca, trgovci na malo aktivno implementiraju IT rješenja i analitičke alate koji prikupljaju, strukturiraju i analiziraju podatke o kupcima kako bi pomogli u razumijevanju potrošača i doveli interakciju na lični nivo. Jedan od popularnih formata među kupcima – odjeljak preporuka proizvoda „možda ste zainteresirani“ i „kupite s ovim proizvodom“ – također se formira na osnovu analize prošlih kupovina i preferencija.

Amazon generiše ove preporuke koristeći algoritame za kolaborativno filtriranje (metoda preporuke koja koristi poznate preferencije grupe korisnika za predviđanje nepoznatih preferencija drugog korisnika). Prema riječima predstavnika kompanije, 30% ukupne prodaje je zbog Amazonovog sistema preporuka.

3. Personalizirana dostava

Modernom kupcu je važno da brzo dobije željeni proizvod, bez obzira radi li se o isporuci narudžbe iz online trgovine ili dolasku željenog proizvoda na police supermarketa. Ali sama brzina nije dovoljna: danas se sve isporučuje brzo. Individualni pristup je također vrijedan.

Većina velikih trgovaca i prevoznika ima vozila opremljena mnogim senzorima i RFID oznakama (koriste se za identifikaciju i praćenje robe), od kojih se primaju ogromne količine informacija: podaci o trenutnoj lokaciji, veličini i težini tereta, gužvi u saobraćaju, vremenskim prilikama , pa čak i ponašanje vozača.

Analiza ovih podataka ne samo da pomaže u stvaranju najekonomičnije i najbrže trase rute u realnom vremenu, već i osigurava transparentnost procesa isporuke za kupce, koji imaju priliku pratiti napredak svoje narudžbe.

Personalizacija isporuke je ključni faktor za kupca u fazi „poslednje milje“. Prodavac koji kombinuje podatke o kupcima i logistici u fazi strateškog odlučivanja moći će da odmah ponudi klijentu da preuzme robu sa mesta izdavanja, gde će biti najbrže i najjeftinije da je isporuči. Ponuda za prijem robe istog ili sledećeg dana, uz popust na dostavu, podstaći će klijenta da ode čak i na drugi kraj grada.

Amazon je, kao i obično, otišao ispred konkurencije patentirajući tehnologiju prediktivne logistike koju pokreće prediktivna analitika. Suština je da trgovac prikuplja podatke:

• o prethodnim kupovinama korisnika,
• o proizvodima dodatim u košaricu,
• o proizvodima dodanim na listu želja,
• o kretanju kursora.

Algoritmi mašinskog učenja analiziraju ove informacije i predviđaju koji će proizvod kupac najvjerovatnije kupiti. Artikal se zatim šalje jeftinijom standardnom dostavom u čvorište za otpremu najbliže korisniku.

Savremeni kupac je spreman da plati individualni pristup i jedinstveno iskustvo dva puta – novcem i informacijama. Pružanje odgovarajućeg nivoa usluge, uzimajući u obzir lične preferencije kupaca, moguće je samo uz pomoć velikih podataka. Dok lideri u industriji stvaraju čitave strukturne jedinice za rad na projektima iz oblasti velikih podataka, mala i srednja preduzeća klade se na rešenja u kutijama. Ali zajednički cilj je izgraditi tačan profil potrošača, razumjeti muke potrošača i odrediti pokretače koji utječu na odluku o kupovini, istaknuti liste za kupovinu i stvoriti sveobuhvatnu personaliziranu uslugu koja će potaknuti kupovinu sve više i više.