Data Besar di perkhidmatan runcit

Cara peruncit menggunakan data besar untuk meningkatkan pemperibadian dalam tiga aspek utama untuk pembeli – pelbagai, tawaran dan penghantaran, diberitahu dalam Umbrella IT

Pada akhir 1990-an, usahawan dari semua lapisan masyarakat menyedari bahawa data adalah sumber berharga yang, jika digunakan dengan betul, boleh menjadi alat pengaruh yang berkuasa. Masalahnya ialah volum data meningkat secara eksponen, dan kaedah memproses dan menganalisis maklumat yang wujud pada masa itu tidak cukup berkesan.

Pada tahun 2000-an, teknologi mengambil lompatan kuantum. Penyelesaian berskala telah muncul di pasaran yang boleh memproses maklumat tidak berstruktur, mengatasi beban kerja yang tinggi, membina sambungan logik dan menterjemah data huru-hara ke dalam format yang boleh ditafsirkan yang boleh difahami oleh seseorang.

Hari ini, data besar dimasukkan dalam salah satu daripada sembilan bidang program Ekonomi Digital Persekutuan Rusia, menduduki barisan teratas dalam penilaian dan item perbelanjaan syarikat. Pelaburan terbesar dalam teknologi data besar dibuat oleh syarikat dari sektor perdagangan, kewangan dan telekomunikasi.

Dalam 10-20 tahun, data besar akan menjadi cara utama permodalan dan akan memainkan peranan dalam masyarakat yang setanding dengan kepentingan industri kuasa, kata penganalisis.

Pembeli masa kini bukan lagi kumpulan statistik yang tidak berwajah, tetapi individu yang jelas dengan ciri dan keperluan yang unik. Mereka selektif dan akan bertukar kepada jenama pesaing tanpa menyesal jika tawaran mereka kelihatan lebih menarik. Itulah sebabnya peruncit menggunakan data besar, yang membolehkan mereka berinteraksi dengan pelanggan dengan cara yang disasarkan dan tepat, memfokuskan pada prinsip "pengguna unik - perkhidmatan yang unik."

1. Pelbagai yang diperibadikan dan penggunaan ruang yang cekap

Dalam kebanyakan kes, keputusan muktamad "untuk membeli atau tidak membeli" sudah berlaku di kedai berhampiran rak dengan barangan. Menurut statistik Nielsen, pembeli hanya menghabiskan 15 saat mencari produk yang sesuai di rak. Ini bermakna bahawa adalah sangat penting bagi perniagaan untuk membekalkan pelbagai jenis optimum kepada kedai tertentu dan membentangkannya dengan betul. Agar pelbagai jenis memenuhi permintaan, dan paparan untuk mempromosikan jualan, adalah perlu untuk mengkaji kategori data besar yang berbeza:

• demografi tempatan,
• kesolvenan,
• persepsi membeli,
• pembelian program kesetiaan dan banyak lagi.

Sebagai contoh, menilai kekerapan pembelian bagi kategori barang tertentu dan mengukur "kebolehtukaran" pembeli dari satu produk ke produk lain akan membantu untuk segera memahami item mana yang menjual lebih baik, yang berlebihan, dan, oleh itu, mengagihkan semula wang tunai secara lebih rasional. sumber dan merancang ruang stor.

Arah berasingan dalam pembangunan penyelesaian berdasarkan data besar ialah penggunaan ruang yang cekap. Ia adalah data, dan bukan gerak hati, yang kini bergantung pada peniaga apabila meletakkan barang.

Dalam pasar raya besar X5 Retail Group, susun atur produk dijana secara automatik, dengan mengambil kira sifat peralatan runcit, pilihan pelanggan, data tentang sejarah jualan kategori barangan tertentu dan faktor lain.

Pada masa yang sama, ketepatan susun atur dan bilangan barangan di rak dipantau dalam masa nyata: analisis video dan teknologi penglihatan komputer menganalisis aliran video yang datang daripada kamera dan menyerlahkan acara mengikut parameter yang ditentukan. Sebagai contoh, pekerja kedai akan menerima isyarat bahawa balang kacang dalam tin berada di tempat yang salah atau susu pekat telah kehabisan di rak.

2. Tawaran peribadi

Pemperibadian untuk pengguna adalah keutamaan: menurut penyelidikan oleh Edelman dan Accenture, 80% pembeli lebih berkemungkinan membeli produk jika peruncit membuat tawaran diperibadikan atau memberikan diskaun; selain itu, 48% responden tidak teragak-agak untuk pergi ke pesaing jika cadangan produk tidak tepat dan tidak memenuhi keperluan.

Untuk memenuhi jangkaan pelanggan, peruncit sedang giat melaksanakan penyelesaian IT dan alatan analitik yang mengumpul, menstruktur dan menganalisis data pelanggan untuk membantu memahami pengguna dan membawa interaksi ke tahap peribadi. Salah satu format yang popular di kalangan pembeli - bahagian pengesyoran produk "anda mungkin berminat" dan "beli dengan produk ini" - juga dibentuk berdasarkan analisis pembelian dan pilihan masa lalu.

Amazon menjana pengesyoran ini menggunakan algoritma penapisan kolaboratif (kaedah pengesyoran yang menggunakan keutamaan sekumpulan pengguna yang diketahui untuk meramalkan pilihan yang tidak diketahui pengguna lain). Menurut wakil syarikat, 30% daripada semua jualan adalah disebabkan oleh sistem pengesyor Amazon.

3. Penghantaran peribadi

Adalah penting bagi pembeli moden untuk menerima produk yang dikehendaki dengan cepat, tidak kira sama ada ia adalah penghantaran pesanan dari kedai dalam talian atau ketibaan produk yang dikehendaki di rak pasar raya. Tetapi kelajuan sahaja tidak mencukupi: hari ini semuanya dihantar dengan cepat. Pendekatan individu juga bernilai.

Kebanyakan peruncit dan pembawa besar mempunyai kenderaan yang dilengkapi dengan banyak penderia dan tag RFID (digunakan untuk mengenal pasti dan menjejaki barangan), dari mana sejumlah besar maklumat diterima: data tentang lokasi semasa, saiz dan berat kargo, kesesakan lalu lintas, keadaan cuaca , dan juga tingkah laku pemandu.

Analisis data ini bukan sahaja membantu mencipta laluan yang paling menjimatkan dan terpantas dalam masa nyata, tetapi juga memastikan ketelusan proses penghantaran untuk pembeli, yang mempunyai peluang untuk menjejaki kemajuan pesanan mereka.

Pemperibadian penghantaran ialah faktor utama untuk pembeli pada peringkat "perbatuan terakhir". Peruncit yang menggabungkan data pelanggan dan logistik pada peringkat membuat keputusan strategik akan dapat menawarkan pelanggan dengan segera untuk mengambil barang dari tempat pengeluaran, di mana ia akan menjadi yang terpantas dan paling murah untuk menghantarnya. Tawaran untuk menerima barangan pada hari yang sama atau seterusnya, bersama-sama dengan diskaun untuk penghantaran, akan menggalakkan pelanggan untuk pergi ke hujung bandar yang lain.

Amazon, seperti biasa, mendahului persaingan dengan mempatenkan teknologi logistik ramalan yang dikuasakan oleh analitik ramalan. Intinya ialah peruncit mengumpul data:

• tentang pembelian masa lalu pengguna,
• tentang produk yang ditambahkan pada troli,
• tentang produk yang ditambahkan pada senarai hajat,
• tentang pergerakan kursor.

Algoritma pembelajaran mesin menganalisis maklumat ini dan meramalkan produk yang paling mungkin dibeli oleh pelanggan. Item tersebut kemudiannya dihantar melalui penghantaran standard yang lebih murah ke hab penghantaran yang paling dekat dengan pengguna.

Pembeli moden bersedia membayar untuk pendekatan individu dan pengalaman unik dua kali - dengan wang dan maklumat. Menyediakan tahap perkhidmatan yang betul, dengan mengambil kira pilihan peribadi pelanggan, hanya boleh dilakukan dengan bantuan data besar. Walaupun pemimpin industri mencipta keseluruhan unit struktur untuk bekerja dengan projek dalam bidang data besar, perniagaan kecil dan sederhana bertaruh pada penyelesaian kotak. Tetapi matlamat bersama adalah untuk membina profil pengguna yang tepat, memahami kesakitan pengguna dan menentukan pencetus yang mempengaruhi keputusan pembelian, menyerlahkan senarai pembelian dan mencipta perkhidmatan diperibadikan komprehensif yang akan menggalakkan pembelian lebih banyak lagi.