Big Data u službi maloprodaje

Kako trgovci koriste velike podatke za poboljšanje personalizacije u tri ključna aspekta za kupca – asortiman, ponudu i isporuku, govori Umbrella IT

U kasnim 1990-ima, 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 količina podataka eksponencijalno povećavala, a metode obrade i analize informacija koje su tada postojale nisu bile dovoljno učinkovite.

U 2000-ima tehnologija je napravila kvantni skok. Na tržištu su se pojavila skalabilna rješenja koja mogu obraditi nestrukturirane informacije, nositi se s velikim radnim opterećenjima, izgraditi logičke veze i prevesti kaotične podatke u format koji je razumljiv osobi.

Danas su veliki podaci uključeni u jedno od devet područja programa Digitalne ekonomije Ruske Federacije, zauzimajući prve redove u ocjenama i stavkama troškova tvrtki. Najveća ulaganja u big data tehnologije imaju tvrtke iz trgovačkog, financijskog i telekomunikacijskog sektora.

Za 10-20 godina veliki podaci postat će glavno sredstvo kapitalizacije i igrat će ulogu u društvu koja se po važnosti može usporediti s energetskom industrijom, kažu analitičari.

Današnji kupci više nisu bezlična masa statistika, već dobro definirani pojedinci s jedinstvenim karakteristikama i potrebama. Izbirljivi su i bez žaljenja će prijeći na konkurentsku marku ako im se njihova ponuda učini privlačnijom. Zato se trgovci koriste velikim podacima koji im omogućuju ciljanu i točnu interakciju s kupcima, fokusirajući se na načelo “jedinstveni potrošač – jedinstvena usluga”.

1. Personalizirani asortiman i učinkovito korištenje prostora

U većini slučajeva, konačna odluka "kupiti ili ne kupiti" se događa već u trgovini u blizini police s robom. Prema statistici tvrtke Nielsen, kupac potroši samo 15 sekundi tražeći pravi proizvod na polici. To znači da je za poduzeće vrlo važno opskrbiti pojedinu trgovinu optimalnim asortimanom i pravilno ga prezentirati. Kako bi asortiman zadovoljio potražnju, a displej pospješio prodaju, potrebno je proučiti različite kategorije big data:

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

Na primjer, procjena učestalosti kupnje određene kategorije robe i mjerenje "promjenjivosti" kupca s jednog proizvoda na drugi pomoći će odmah shvatiti koji se artikl bolje prodaje, koji je suvišan i, prema tome, racionalnije preraspodijeliti gotovinu resurse i planirati skladišni prostor.

Zaseban smjer u razvoju rješenja temeljenih na velikim podacima je učinkovito korištenje prostora. Trgovci se sada oslanjaju na podatke, a ne na intuiciju, kada izlažu robu.

U hipermarketima X5 Retail Group izgledi proizvoda generiraju se automatski, uzimajući u obzir svojstva maloprodajne opreme, preferencije kupaca, podatke o povijesti prodaje određenih kategorija robe i druge čimbenike.

Istodobno se u stvarnom vremenu prati ispravnost rasporeda i broj robe na polici: video analitika i tehnologije računalnog vida analiziraju video stream koji dolazi s kamera i ističu događaje prema zadanim parametrima. Na primjer, zaposlenici trgovine dobit će signal da su staklenke 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, veća je vjerojatnost da će 80% kupaca kupiti proizvod ako trgovac napravi personaliziranu ponudu ili popust; štoviše, 48% ispitanika ne oklijeva otići do konkurencije ako preporuke proizvoda nisu točne 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 razumjeti potrošača i doveli interakciju na osobnu razinu. Jedan od popularnih formata među kupcima – odjeljak preporuka proizvoda “možda bi vas zanimalo” i “kupite uz ovaj proizvod” – također je formiran na temelju analize prošlih kupnji i preferencija.

Amazon generira te preporuke pomoću algoritama kolaborativnog filtriranja (metoda preporuke koja koristi poznate preferencije grupe korisnika za predviđanje nepoznatih preferencija drugog korisnika). Prema predstavnicima tvrtke, 30% ukupne prodaje je zahvaljujući sustavu preporuka Amazona.

3. Personalizirana dostava

Za suvremenog kupca važno je brzo dobiti željeni proizvod, bez obzira radi li se o isporuci narudžbe iz online trgovine ili o dolasku željenih proizvoda na police supermarketa. Ali sama brzina nije dovoljna: danas se sve brzo isporučuje. Individualni pristup je također vrijedan.

Većina velikih trgovaca i prijevoznika ima vozila opremljena mnogim senzorima i RFID oznakama (koje se koriste za identifikaciju i praćenje robe), iz kojih se dobivaju ogromne količine informacija: podaci o trenutnoj lokaciji, veličini i težini tereta, prometnoj gužvi, vremenskim uvjetima , pa čak i ponašanje vozača.

Analiza ovih podataka ne samo da pomaže stvoriti najekonomičniju i najbržu trasu rute u stvarnom vremenu, već također osigurava transparentnost procesa isporuke za kupce, koji imaju priliku pratiti napredak svoje narudžbe.

Personalizacija dostave ključni je čimbenik za kupca u fazi "posljednje milje". Maloprodaja koja spaja kupčeve i logističke podatke u fazi strateškog odlučivanja moći će klijentu promptno ponuditi preuzimanje robe s mjesta izdavanja, gdje će je najbrže i najjeftinije dostaviti. Ponuda preuzimanja robe isti ili sljedeći dan, uz popust na dostavu, potaknut će kupca da ode i na drugi kraj grada.

Amazon je, kao i obično, otišao ispred konkurencije patentiranjem prediktivne logističke tehnologije koju pokreće prediktivna analitika. Suština je da trgovac na malo prikuplja podatke:

• o prošlim kupnjama korisnika,
• o dodanim proizvodima u košaricu,
• o proizvodima dodanim na listu želja,
• o pokretima kursora.

Algoritmi strojnog učenja analiziraju te informacije i predviđaju koji će proizvod kupac najvjerojatnije kupiti. Stavka se zatim šalje jeftinijom standardnom dostavom do središta za dostavu najbližeg korisniku.

Suvremeni kupac spreman je individualni pristup i jedinstveno iskustvo platiti dvostruko – novcem i informacijama. Pružanje odgovarajuće razine usluge, uzimajući u obzir osobne preferencije kupaca, moguće je samo uz pomoć velikih podataka. Dok lideri u industriji stvaraju čitave strukturne jedinice za rad s projektima u području velikih podataka, male i srednje tvrtke se klade na rješenja u kutiji. Ali zajednički cilj je izgraditi točan profil potrošača, razumjeti muke potrošača i odrediti okidače koji utječu na odluku o kupnji, istaknuti popise za kupnju i stvoriti sveobuhvatnu personaliziranu uslugu koja će poticati sve veću kupnju.