Com els minoristes utilitzen el big data per millorar la personalització en tres aspectes clau per al comprador: assortiment, oferta i lliurament, explicat a Umbrella IT
El big data és el nou petroli
A finals de la dècada de 1990, emprenedors de tots els àmbits de la vida es van adonar que les dades són un recurs valuós que, si s'utilitzen correctament, poden esdevenir una poderosa eina d'influència. El problema era que el volum de dades va augmentar de manera exponencial i els mètodes de processament i anàlisi de la informació que existien en aquell moment no eren prou efectius.
A la dècada del 2000, la tecnologia va fer un salt quàntic. Al mercat han aparegut solucions escalables que poden processar informació no estructurada, fer front a grans càrregues de treball, construir connexions lògiques i traduir dades caòtiques a un format interpretable que una persona pugui entendre.
Avui dia, el big data s'inclou en una de les nou àrees del programa Economia digital de la Federació de Rússia, ocupant les primeres línies en les qualificacions i les despeses de les empreses. Les majors inversions en tecnologies de big data les fan empreses dels sectors comercial, financer i de telecomunicacions.
Segons diverses estimacions, el volum actual del mercat de big data rus és de 10 a 30 milions de rubles. Segons les previsions de l'Associació de Participants del Mercat de Big Data, el 2024 arribarà als 300 milions de rubles.
D'aquí a 10-20 anys, les grans dades es convertiran en el principal mitjà de capitalització i tindran un paper en la societat comparable en importància a la indústria elèctrica, diuen els analistes.
Fórmules d'èxit al detall
Els compradors actuals ja no són una massa sense rostre d'estadístiques, sinó individus ben definits amb característiques i necessitats úniques. Són selectius i canviaran a la marca d'un competidor sense penedir-se si la seva oferta sembla més atractiva. És per això que els minoristes utilitzen big data, que els permet interactuar amb els clients d'una manera específica i precisa, centrant-se en el principi d'"un consumidor únic: un servei únic".
1. Assortiment personalitzat i ús eficient de l'espai
En la majoria dels casos, la decisió final de "comprar o no comprar" ja té lloc a la botiga prop de la prestatgeria amb productes. Segons les estadístiques de Nielsen, el comprador només passa 15 segons buscant el producte adequat al prestatge. Això vol dir que és molt important per a una empresa subministrar l'assortiment òptim a una botiga concreta i presentar-la correctament. Perquè l'assortiment pugui satisfer la demanda i la pantalla per promoure les vendes, cal estudiar diferents categories de big data:
- demografia local,
- solvència,
- percepció de compra,
- compres de programes de fidelització i molt més.
Per exemple, avaluar la freqüència de compres d'una determinada categoria de béns i mesurar la "canviabilitat" d'un comprador d'un producte a un altre ajudarà a entendre immediatament quin article es ven millor, quin és redundant i, per tant, redistribuir l'efectiu de manera més racional. recursos i planificar l'espai de la botiga.
Una direcció a part en el desenvolupament de solucions basades en big data és l'ús eficient de l'espai. Són les dades, i no la intuïció, en què ara confien els comerciants a l'hora de distribuir la mercaderia.
Als hipermercats X5 Retail Group, els dissenys de productes es generen automàticament, tenint en compte les propietats dels equips de venda al detall, les preferències dels clients, les dades sobre l'historial de vendes de determinades categories de béns i altres factors.
Al mateix temps, la correcció de la disposició i el nombre de mercaderies a la prestatgeria es controlen en temps real: les tecnologies d'anàlisi de vídeo i visió per ordinador analitzen el flux de vídeo procedent de les càmeres i destaquen els esdeveniments segons els paràmetres especificats. Per exemple, els empleats de la botiga rebran un senyal que els pots de pèsols en conserva estan al lloc equivocat o que la llet condensada s'ha acabat als prestatges.
2. Oferta personalitzada
La personalització per als consumidors és una prioritat: segons la investigació d'Edelman i Accenture, el 80% dels compradors tenen més probabilitats de comprar un producte si un minorista fa una oferta personalitzada o fa un descompte; a més, el 48% dels enquestats no dubta a acudir als competidors si les recomanacions de producte no són precises i no responen a les necessitats.
Per satisfer les expectatives dels clients, els minoristes estan implementant activament solucions informàtiques i eines d'anàlisi que recullen, estructuren i analitzen les dades dels clients per ajudar a comprendre el consumidor i portar la interacció a un nivell personal. Un dels formats populars entre els compradors -la secció de recomanacions de productes "pot estar interessat" i "compra amb aquest producte"- també es forma a partir de l'anàlisi de compres i preferències anteriors.
Amazon genera aquestes recomanacions mitjançant algorismes de filtratge col·laboratiu (un mètode de recomanació que utilitza les preferències conegudes d'un grup d'usuaris per predir les preferències desconegudes d'un altre usuari). Segons els representants de l'empresa, el 30% de totes les vendes es deuen al sistema de recomanació d'Amazon.
3. Lliurament personalitzat
És important que un comprador modern rebi ràpidament el producte desitjat, independentment de si es tracta del lliurament d'una comanda d'una botiga en línia o de l'arribada dels productes desitjats a les prestatgeries del supermercat. Però la velocitat per si sola no és suficient: avui tot es lliura ràpidament. L'enfocament individual també és valuós.
La majoria de grans comerciants i transportistes tenen vehicles equipats amb molts sensors i etiquetes RFID (utilitzades per identificar i fer el seguiment de mercaderies), dels quals es reben grans quantitats d'informació: dades sobre la ubicació actual, mida i pes de la càrrega, congestió del trànsit, condicions meteorològiques. , i fins i tot el comportament del conductor.
L'anàlisi d'aquestes dades no només ajuda a crear la ruta més econòmica i ràpida de la ruta en temps real, sinó que també garanteix la transparència del procés de lliurament per als compradors, que tenen l'oportunitat de fer un seguiment del progrés de la seva comanda.
És important que un comprador modern rebi el producte desitjat el més aviat possible, però això no és suficient, el consumidor també necessita un enfocament individual.
La personalització de l'entrega és un factor clau per al comprador en l'etapa de l'"última milla". Un minorista que combini dades de clients i logístiques en l'etapa de presa de decisions estratègiques podrà oferir ràpidament al client la recollida de la mercaderia des del punt d'emissió, on serà el més ràpid i econòmic lliurar-la. L'oferta de rebre la mercaderia el mateix dia o l'endemà, juntament amb un descompte en el lliurament, animarà el client a anar fins i tot a l'altre extrem de la ciutat.
Amazon, com és habitual, es va avançar a la competència patentant la tecnologia de logística predictiva impulsada per l'anàlisi predictiva. La conclusió és que el minorista recopila dades:
- sobre les compres anteriors de l'usuari,
- sobre els productes afegits al carretó,
- sobre els productes afegits a la llista de desitjos,
- sobre els moviments del cursor.
Els algorismes d'aprenentatge automàtic analitzen aquesta informació i prediuen quin producte és més probable que compri el client. A continuació, l'article s'envia mitjançant un enviament estàndard més barat al centre d'enviament més proper a l'usuari.
El comprador modern està disposat a pagar per un enfocament individual i una experiència única dues vegades, amb diners i informació. Oferir el nivell de servei adequat, tenint en compte les preferències personals dels clients, només és possible amb l'ajuda de big data. Mentre els líders del sector creen unitats estructurals senceres per treballar amb projectes en l'àmbit del big data, les petites i mitjanes empreses aposten per solucions en caixa. Però l'objectiu comú és construir un perfil de consumidor precís, comprendre els dolors del consumidor i determinar els desencadenants que afecten la decisió de compra, destacar les llistes de compra i crear un servei personalitzat integral que afavoreixi cada vegada més la compra.