Umbrella IT stāsta par to, kā mazumtirgotāji izmanto lielos datus, lai uzlabotu personalizāciju trīs pircēja galvenajos aspektos – sortimentā, piedāvājumā un piegādē.
Lielie dati ir jaunā eļļa
Deviņdesmito gadu beigās uzņēmēji no dažādām dzīves jomām saprata, ka dati ir vērtīgs resurss, kas, pareizi izmantojot, var kļūt par spēcīgu ietekmes instrumentu. Problēma bija tā, ka datu apjoms pieauga eksponenciāli, un tajā laikā pastāvošās informācijas apstrādes un analīzes metodes nebija pietiekami efektīvas.
2000. gados tehnoloģija veica milzīgu lēcienu. Tirgū ir parādījušies mērogojami risinājumi, kas spēj apstrādāt nestrukturētu informāciju, tikt galā ar lielu slodzi, veidot loģiskus savienojumus un pārtulkot haotiskus datus cilvēkam saprotamā interpretējamā formātā.
Mūsdienās lielie dati ir iekļauti vienā no deviņām Krievijas Federācijas digitālās ekonomikas programmas jomām, ieņemot augstākās rindas uzņēmumu reitingos un izdevumu posteņos. Lielākās investīcijas lielo datu tehnoloģijās veic tirdzniecības, finanšu un telekomunikāciju nozares uzņēmumi.
Pēc dažādām aplēsēm, pašreizējais Krievijas lielo datu tirgus apjoms ir no 10 miljardiem līdz 30 miljardiem rubļu. Pēc Lielo datu tirgus dalībnieku asociācijas prognozēm, līdz 2024. gadam tas sasniegs 300 miljardus rubļu.
Pēc 10-20 gadiem lielie dati kļūs par galveno kapitalizācijas līdzekli un spēlēs sabiedrībā nozīmīgu lomu, kas ir salīdzināma ar enerģētikas nozari, norāda analītiķi.
Mazumtirdzniecības veiksmes formulas
Mūsdienu pircēji vairs nav statistikas datu masa bez sejas, bet gan skaidri definētas personas ar unikālām īpašībām un vajadzībām. Viņi ir selektīvi un bez nožēlas pāries uz konkurenta zīmolu, ja viņu piedāvājums šķitīs pievilcīgāks. Tāpēc mazumtirgotāji izmanto lielos datus, kas ļauj mērķtiecīgi un precīzi mijiedarboties ar klientiem, koncentrējoties uz principu “unikāls patērētājs – unikāls pakalpojums”.
1. Personalizēts sortiments un efektīva telpas izmantošana
Vairumā gadījumu gala lēmums “pirkt vai nepirkt” notiek jau veikalā pie plaukta ar precēm. Saskaņā ar Nielsen statistiku, pircējs pavada tikai 15 sekundes, lai plauktā meklētu pareizo preci. Tas nozīmē, ka biznesam ir ļoti svarīgi konkrētam veikalam piegādāt optimālo sortimentu un to pareizi pasniegt. Lai sortiments atbilstu pieprasījumam un displejs veicinātu pārdošanu, ir jāizpēta dažādas lielo datu kategorijas:
- vietējā demogrāfija,
- maksātspēja,
- pirkšanas uztvere,
- lojalitātes programmu pirkumi un daudz kas cits.
Piemēram, novērtējot noteiktas preču kategorijas pirkšanas biežumu un izmērot pircēja “pārslēdzamību” no vienas preces uz citu, tas palīdzēs uzreiz saprast, kura prece pārdodas labāk, kura ir lieka, un līdz ar to racionālāk pārdalīt skaidru naudu. resursus un plānojiet veikala telpu.
Atsevišķs virziens uz lielajiem datiem balstītu risinājumu izstrādē ir efektīva telpas izmantošana. Tirgotāji tagad paļaujas uz datiem, nevis intuīciju, izkārtojot preces.
X5 Retail Group hipermārketos preču izkārtojumi tiek ģenerēti automātiski, ņemot vērā mazumtirdzniecības aprīkojuma īpašības, klientu vēlmes, datus par atsevišķu preču kategoriju pārdošanas vēsturi un citus faktorus.
Vienlaikus reāllaikā tiek uzraudzīts izkārtojuma pareizība un preču skaits plauktā: video analītika un datorredzes tehnoloģijas analizē video straumi, kas nāk no kamerām, un izceļ notikumus atbilstoši norādītajiem parametriem. Piemēram, veikala darbinieki saņems signālu, ka konservēto zirņu burkas atrodas nepareizā vietā vai plauktos ir beidzies kondensētais piens.
2. Personalizēts piedāvājums
Personalizēšana patērētājiem ir prioritāte: saskaņā ar Edelman un Accenture pētījumu, 80% pircēju, visticamāk, iegādāsies preci, ja mazumtirgotājs piedāvā personalizētu piedāvājumu vai piešķir atlaidi; turklāt 48% aptaujāto nekavējas doties pie konkurentiem, ja produktu ieteikumi nav precīzi un neatbilst vajadzībām.
Lai apmierinātu klientu vēlmes, mazumtirgotāji aktīvi ievieš IT risinājumus un analīzes rīkus, kas apkopo, strukturē un analizē klientu datus, lai palīdzētu izprast patērētāju un padarītu mijiedarbību personiskā līmenī. Viens no pircēju vidū iecienītākajiem formātiem – preču ieteikumu sadaļa “jums varētu interesēt” un “pērc ar šo preci” – arī veidojas, balstoties uz iepriekšējo pirkumu un preferenču analīzi.
Amazon ģenerē šos ieteikumus, izmantojot sadarbības filtrēšanas algoritmus (ieteikuma metodi, kas izmanto zināmās lietotāju grupas preferences, lai paredzētu cita lietotāja nezināmās preferences). Saskaņā ar uzņēmuma pārstāvju teikto, 30% no visiem pārdošanas apjomiem ir saistīti ar Amazon ieteikto sistēmu.
3. Personalizēta piegāde
Mūsdienu pircējam ir svarīgi ātri saņemt vēlamo preci neatkarīgi no tā, vai tā ir pasūtījuma piegāde no interneta veikala vai vēlamās preces nonākšana lielveikalu plauktos. Taču ar ātrumu vien nepietiek: šodien viss tiek piegādāts ātri. Vērtīga ir arī individuālā pieeja.
Lielākajai daļai lielo mazumtirgotāju un pārvadātāju ir transportlīdzekļi, kas aprīkoti ar daudziem sensoriem un RFID tagiem (ko izmanto preču identificēšanai un izsekošanai), no kuriem tiek saņemts milzīgs informācijas apjoms: dati par pašreizējo atrašanās vietu, kravas izmēru un svaru, satiksmes sastrēgumiem, laika apstākļiem. un pat vadītāja uzvedību.
Šo datu analīze palīdz ne tikai izveidot visekonomiskāko un ātrāko maršruta izsekošanu reāllaikā, bet arī nodrošina piegādes procesa caurspīdīgumu pircējiem, kuriem ir iespēja sekot līdzi sava pasūtījuma gaitai.
Mūsdienu pircējam ir svarīgi saņemt vēlamo preci pēc iespējas ātrāk, taču ar to nepietiek, patērētājam nepieciešama arī individuāla pieeja.
Piegādes personalizēšana ir galvenais faktors pircējam “pēdējās jūdzes” posmā. Mazumtirgotājs, kas stratēģiskā lēmuma pieņemšanas stadijā apvieno klientu un loģistikas datus, varēs operatīvi piedāvāt klientam preces izņemt no izdošanas vietas, kur tās piegādāt būs visātrāk un lētāk. Piedāvājums saņemt preces tajā pašā vai nākamajā dienā kopā ar atlaidi piegādei mudinās klientu doties pat uz otru pilsētas galu.
Amazon, kā parasti, apsteidza konkurenci, patentējot prognozēšanas loģistikas tehnoloģiju, ko nodrošina prognozējošā analītika. Galvenais ir tas, ka mazumtirgotājs vāc datus:
- par lietotāja iepriekšējiem pirkumiem,
- par grozā pievienotajām precēm,
- par vēlmju sarakstam pievienotajiem produktiem,
- par kursora kustībām.
Mašīnmācīšanās algoritmi analizē šo informāciju un prognozē, kuru produktu klients, visticamāk, iegādāsies. Pēc tam prece tiek nosūtīta uz lietotājam tuvāko piegādes centru, izmantojot lētāku standarta piegādi.
Mūsdienu pircējs ir gatavs maksāt par individuālu pieeju un unikālu pieredzi divreiz – ar naudu un informāciju. Pareiza servisa līmeņa nodrošināšana, ņemot vērā klientu personīgās vēlmes, ir iespējama tikai ar lielo datu palīdzību. Kamēr nozares līderi veido veselas struktūrvienības, lai strādātu ar projektiem lielo datu jomā, mazie un vidējie uzņēmumi liek likmes uz kastītiem risinājumiem. Taču kopējais mērķis ir izveidot precīzu patērētāja profilu, izprast patērētāju sāpes un noteikt trigerus, kas ietekmē pirkuma lēmumu, izcelt pirkumu sarakstus un izveidot visaptverošu personalizētu pakalpojumu, kas mudinās pirkt arvien vairāk.