Методические материалы → Офлайн-ритейл

Компании и рынки

Технологии изучения паттернов покупательского поведения при помощи Big Data

Про методы/технологии сбора и анализа данных о покупательском поведении, построение выводов и их практическое применение рассказывает Анастасия Конькова, руководитель отдела компании Loyalty Partners Vostok (управляющая компания программы «Малина»)

На сегодняшний день человек окружен абсолютно разными устройствами – мобильные телефоны, планшеты, бытовая техника, машины и т.д. С каждым годом устройства становятся все более мощными и предоставляют человеку все больше возможностей. И это уже вопрос ближайшего будущего, когда устройства «поумнеют» настолько, что начнут сами взаимодействовать между собой. Такая концепция названа «Интернет вещей» (Internet of Things). Это сеть, соединяющая все возможные объекты. С учетом огромного количества устройств, объем данных, которые они будут генерировать, колоссальный. В связи с этим встает вопрос о том, как с ними работать.

Основные технологии, позволяющие работать с таким количеством данных, подразумевают их параллельную обработку, масштабируемую на сотни и тысячи узлов:

  1. NoSQL – ряд подходов, направленных на реализацию хранилищ баз данных. Применяется к базам данных, в которых делается попытка решить проблемы масштабируемости и доступности за счет атомарности и согласованности данных.
  2. MapReduce – это фреймворк для вычисления некоторых наборов распределенных задач с использованием большого количества компьютеров.
  3. Hadoop – набор утилит, библиотек и программный каркас для разработки и выполнения распределенных программ, работающих на кластерах из сотен и тысяч узлов.

В будущем данные с устройств позволят более детально изучить не только поведение и предпочтения людей (покупателей), но и их физическое, а также психологическое состояние (всевозможные браслеты и часы для отслеживания пульса и т.п. уже существуют).

Для изучения и прогнозирования поведения клиента обычно используются следующие методы:

  1. Прогнозирование (Классификация, регрессионный анализ и др.) – для предсказания конкретного показателя – например, товара, который выберет клиент.
  2. Сегментация (Кластеризация) – для разделения людей на группы с похожим поведением. В дальнейшем, можно работать с каждой из групп в отдельности, опираясь на схожие потребности клиентов внутри группы. Например: выбрать группу людей с высокой суммой покупок, а затем предлагать им более дорогие товары.
  3. Ассоциативные правила – для нахождения типичных паттернов поведения клиентов, что позволяет делать рекомендации по товарам/товарным группам (часто используется для онлайн-магазинов). Например: если клиент выбирает пульт, система предлагает ему батарейки.
  4. Нейронные сети – обучающиеся алгоритмы, позволяющие сегментировать клиентов, а также прогнозировать их поведение.

Новые данные позволят улучшить модели по всем направлениям. Так, например, если сейчас вы знаете, что человек покупает молоко с периодичностью раз в две недели, по истечении данного срока можно отправить ему напоминание или интересное предложение со скидкой. Однако в будущем, имея данные в том числе с самих товаров, вы будете знать, закончился ли/испортился ли товар или он на исходе – и при необходимости, если клиент будет проезжать мимо вашего магазина (или будет изучать ваш сайт с целью других покупок), вы сможете ему напомнить об этом – по смартфону или любому другому устройству.

С точки зрения маркетинга, новая информация о товарах и их использовании позволит по-новому взглянуть на взаимодействие с клиентами. Это приведет к исключительной персонализации будущих предложений. Если знания, полученные из анализа новых данных, будут использоваться в рекламных кампаниях и платформах, это позволит предугадывать поведение клиента и предлагать ему то, что ему нужно и даже то, о чем он еще не успел подумать.

Конечно, активное взаимодействие устройств – это вопрос ближайшего, но все-таки будущего. Однако в упрощенному виде концепция работает уже сейчас. Так, например, если участник программы «Малина» установил наше мобильное приложение на свой телефон, то при его нахождении вблизи точек партнеров мы можем стимулировать человека посетить ту или иную локацию, отправив push-уведомление. При этом это может быть, как просто оповещение, так и конкретное персональное предложение, основанное на поведении клиента и целях наших партнеров.


См. также:

Новые технологии в розничной торговле.Big Data

Инструменты Big Data. Мнения практиков

Автор: Александр

Подписаться на новости

Читайте также

1 декабря / Комментарии

С чего начинать автоматизацию в ритейле?

Автоматизация в наше время охватывает все области бизнеса – в целом, и ритейла – в частности. Но порой встает вопрос – с чего начать автоматизацию? В каком из направлений ее углубить? Какие существуют решения? На эти вопросы попытались ответить эксперты…

далее →

30 ноября / Комментарии

Инновации в ритейле. Какие технологии для ритейла «выстрелят» в ближайшей перспективе?

Традиционно в конце года мы пытаемся заглянуть в будущее - какие технологии для ритейла получат наибольшее развитие в ближайшей перспективе, станут более доступными, и т.д. Вот, что рассказали опрошенные нами эксперты и представители компаний, работающих на этом рынке... 

далее →

23 ноября / Комментарии

Роль персонала магазина в повышении объема продаж

На сегодняшний день конкуренция в сфере продаж достигла такого уровня, что в целях сохранения покупательского спроса все механизмы по его привлечению должны работать на полных оборотах. И все больше внимания в этом заслуживает человеческий фактор, а именно – сотрудники, напрямую влияющие на объем продаж, и принципы их взаимодействия с клиентом. В этом материале специалисты-практики дали свои рекомендации по улучшению работы персонала магазина и рассказали о своем опыте в этой сфере.

далее →

22 ноября / Комментарии

Как привязать к себе клиента, обеспечить его лояльность

В условиях растущей конкуренции, бизнес безусловно волнует тема повышения лояльности клиентов, ведь это – залог надежности и стабильной работы. Но лояльность – это не про разовые акции, работа в этой сфере должна носить непрерывный и продуманный характер. В этом материале специалисты-практики дают рекомендации и рассказывают о своем опыте по формированию и увеличению лояльности.

далее →

16 ноября / Комментарии

Формула расчета прибыли 2.0

Если вы раньше читали мои статьи, смотрели лекции вживую или на YouTube, то наверняка не раз слышали о формуле расчета прибыли – $=L×C×P×Q.
Весь этот год мы анализировали, какие еще данные критически важны, и пришли к выводу, что раньше не учитывали четыре параметра при сборе данных, которые сильно влияют на интерпретацию происходящего.

далее →

X
Нажмите «Нравится»,
чтобы читать Shopolog.ru в Facebook