Big Data di layanan ritel

Bagaimana peritel menggunakan data besar untuk meningkatkan personalisasi dalam tiga aspek utama bagi pembeli – bermacam-macam, penawaran, dan pengiriman, diceritakan dalam Umbrella IT

Pada akhir 1990-an, pengusaha dari semua lapisan masyarakat menyadari bahwa data adalah sumber daya yang berharga, jika digunakan dengan benar, dapat menjadi alat pengaruh yang kuat. Masalahnya adalah volume data meningkat secara eksponensial, dan metode pemrosesan dan analisis informasi yang ada saat itu tidak cukup efektif.

Pada tahun 2000-an, teknologi mengambil lompatan kuantum. Solusi terukur telah muncul di pasar yang dapat memproses informasi yang tidak terstruktur, mengatasi beban kerja yang tinggi, membangun koneksi logis, dan menerjemahkan data yang kacau ke dalam format yang dapat ditafsirkan yang dapat dipahami oleh seseorang.

Saat ini, data besar termasuk dalam salah satu dari sembilan bidang program Ekonomi Digital Federasi Rusia, menempati baris teratas dalam peringkat dan item pengeluaran perusahaan. Investasi terbesar dalam teknologi big data dilakukan oleh perusahaan dari sektor perdagangan, keuangan dan telekomunikasi.

Dalam 10-20 tahun, data besar akan menjadi sarana utama kapitalisasi dan akan memainkan peran penting dalam masyarakat yang sebanding dengan industri listrik, kata para analis.

Pembeli saat ini bukan lagi kumpulan statistik tak berwajah, tetapi individu yang terdefinisi dengan baik dengan karakteristik dan kebutuhan unik. Mereka selektif dan akan beralih ke merek pesaing tanpa penyesalan jika penawaran mereka terlihat lebih menarik. Itulah sebabnya pengecer menggunakan data besar, yang memungkinkan mereka berinteraksi dengan pelanggan dengan cara yang terarah dan akurat, dengan fokus pada prinsip "konsumen yang unik - layanan yang unik".

1. Bermacam-macam yang dipersonalisasi dan penggunaan ruang yang efisien

Dalam kebanyakan kasus, keputusan akhir "untuk membeli atau tidak membeli" sudah terjadi di toko dekat rak dengan barang. Menurut statistik Nielsen, pembeli hanya menghabiskan 15 detik untuk mencari produk yang tepat di rak. Artinya, sangat penting bagi bisnis untuk memasok koleksi yang optimal ke toko tertentu dan menyajikannya dengan benar. Agar bermacam-macam dapat memenuhi permintaan, dan tampilan untuk mempromosikan penjualan, perlu mempelajari berbagai kategori data besar:

• demografi lokal,
• solvabilitas,
• persepsi pembelian,
• pembelian program loyalitas dan banyak lagi.

Misalnya, menilai frekuensi pembelian suatu kategori barang tertentu dan mengukur "switchability" pembeli dari satu produk ke produk lain akan membantu untuk segera memahami barang mana yang lebih laku, mana yang mubazir, dan, oleh karena itu, mendistribusikan kembali uang tunai secara lebih rasional. sumber daya dan merencanakan ruang penyimpanan.

Arah terpisah dalam pengembangan solusi berdasarkan data besar adalah penggunaan ruang yang efisien. Ini adalah data, dan bukan intuisi, yang sekarang diandalkan oleh merchandiser saat meletakkan barang.

Di hypermarket Grup Ritel X5, tata letak produk dihasilkan secara otomatis, dengan mempertimbangkan properti peralatan ritel, preferensi pelanggan, data tentang riwayat penjualan kategori barang tertentu, dan faktor lainnya.

Pada saat yang sama, kebenaran tata letak dan jumlah barang di rak dipantau secara real time: analitik video dan teknologi visi komputer menganalisis aliran video yang berasal dari kamera dan menyorot peristiwa sesuai dengan parameter yang ditentukan. Misalnya, karyawan toko akan menerima sinyal bahwa stoples berisi kacang polong kalengan berada di tempat yang salah atau susu kental manis telah habis di rak.

2. Penawaran yang dipersonalisasi

Personalisasi untuk konsumen adalah prioritas: menurut penelitian oleh Edelman dan Accenture, 80% pembeli cenderung membeli produk jika pengecer membuat penawaran yang dipersonalisasi atau memberikan diskon; Selain itu, 48% responden tidak segan-segan mendatangi kompetitor jika rekomendasi produk tidak akurat dan tidak sesuai kebutuhan.

Untuk memenuhi harapan pelanggan, peritel secara aktif menerapkan solusi TI dan alat analitik yang mengumpulkan, menyusun, dan menganalisis data pelanggan untuk membantu memahami konsumen dan membawa interaksi ke tingkat pribadi. Salah satu format populer di kalangan pembeli – bagian rekomendasi produk “Anda mungkin tertarik” dan “beli dengan produk ini” – juga dibentuk berdasarkan analisis pembelian dan preferensi sebelumnya.

Amazon menghasilkan rekomendasi ini menggunakan algoritme pemfilteran kolaboratif (metode rekomendasi yang menggunakan preferensi yang diketahui dari sekelompok pengguna untuk memprediksi preferensi yang tidak diketahui dari pengguna lain). Menurut perwakilan perusahaan, 30% dari semua penjualan disebabkan oleh sistem pemberi rekomendasi Amazon.

3. Pengiriman yang dipersonalisasi

Penting bagi pembeli modern untuk menerima produk yang diinginkan dengan cepat, terlepas dari apakah itu pengiriman pesanan dari toko online atau kedatangan produk yang diinginkan di rak supermarket. Tetapi kecepatan saja tidak cukup: hari ini semuanya dikirimkan dengan cepat. Pendekatan individu juga berharga.

Sebagian besar pengecer dan operator besar memiliki kendaraan yang dilengkapi dengan banyak sensor dan tag RFID (digunakan untuk mengidentifikasi dan melacak barang), dari mana informasi dalam jumlah besar diterima: data tentang lokasi saat ini, ukuran dan berat kargo, kemacetan lalu lintas, kondisi cuaca , dan bahkan perilaku pengemudi.

Analisis data ini tidak hanya membantu membuat jalur rute yang paling ekonomis dan tercepat secara real time, tetapi juga memastikan transparansi proses pengiriman untuk pembeli, yang memiliki kesempatan untuk melacak kemajuan pesanan mereka.

Personalisasi pengiriman adalah faktor kunci bagi pembeli pada tahap "jarak terakhir". Pengecer yang menggabungkan data pelanggan dan logistik pada tahap pengambilan keputusan strategis akan dapat segera menawarkan klien untuk mengambil barang dari titik masalah, di tempat pengiriman tercepat dan termurah. Tawaran untuk menerima barang pada hari yang sama atau berikutnya, bersama dengan diskon pengiriman, akan mendorong klien untuk pergi bahkan ke ujung kota.

Amazon, seperti biasa, unggul dalam persaingan dengan mematenkan teknologi logistik prediktif yang didukung oleh analitik prediktif. Intinya adalah pengecer mengumpulkan data:

• tentang pembelian pengguna sebelumnya,
• tentang produk yang ditambahkan ke keranjang,
• tentang produk yang ditambahkan ke wishlist,
• tentang gerakan kursor.

Algoritme pembelajaran mesin menganalisis informasi ini dan memprediksi produk mana yang kemungkinan besar akan dibeli pelanggan. Barang tersebut kemudian dikirim melalui pengiriman standar yang lebih murah ke pusat pengiriman terdekat dengan pengguna.

Pembeli modern siap membayar dua kali untuk pendekatan individual dan pengalaman unik – dengan uang dan informasi. Memberikan tingkat layanan yang tepat, dengan mempertimbangkan preferensi pribadi pelanggan, hanya dimungkinkan dengan bantuan data besar. Sementara para pemimpin industri menciptakan seluruh unit struktural untuk bekerja dengan proyek-proyek di bidang data besar, usaha kecil dan menengah bertaruh pada solusi kotak. Tetapi tujuan umumnya adalah untuk membangun profil konsumen yang akurat, memahami rasa sakit konsumen dan menentukan pemicu yang memengaruhi keputusan pembelian, menyoroti daftar pembelian, dan membuat layanan personalisasi yang komprehensif yang akan mendorong pembelian lebih banyak lagi.