Инновации в ритейле. BigData
Big Data поможет выстроить закономерности и на их основе принимать решения о новых программах лояльности, изменении торгового пространства или способах кросс-продаж. Вот, что рассказывают практики.
Максим Морозов, представитель по продвижению решений IBM DemandTec, IBM в России и СНГ:
«Большие данные» крупной сетевой розницы и современные инструменты моделирования не только дают необходимую аналитику для принятия любых решений, связанных с работой с покупателями, будь то управление ценами, ассортиментом или промо-акциями, но и позволяют сразу оценить и измерить влияние такого решения на основные финансовые показатели компании.
На какие вопросы может ответить наука управления спросом в розничной торговле:
1) Какова ценовая чувствительность моего покупателя? Как покупатель реагирует на изменение цен? Какие ценовые сегменты можно выделить в каждой категории? На какие товары нужно держать цены ниже конкурентов? Как изменение цен на одни товары каннибализирует спрос на другие товары?
2) Насколько ваш ассортимент удовлетворяет потребности вашего покупателя? Какой должен быть баланс между «федеральным» и «локальным» ассортиментом? Как сократить ассортимент и не потерять покупателей? Какие продукты являются наиболее взаимозаменяемыми? Какие продажи можно ожидать от введения новинок?
3) Достигают ли цели ваши промо-акции? Какие промо-механики работают лучше? Какова каннибализация промо-акций внутри категории? Какой бюджет запросить у поставщика, чтобы окупить затраты на промо-акцию? Какой канал коммуникации лучше выбрать для оповещения покупателей?
4) Сколько пространства необходимо выделить внутри магазина для ваших категорий? Как найти баланс между требуемым запасом и представленностью товаров внутри магазинов? Как эффективно распорядиться пространством – увеличить представленность (количество фейсингов) или увеличить ассортимент?
Аналитика дает ответы на вопросы. «Умные машины» мгновенно превращают инсайты в рекомендации. Специалистам компании остается только соотнести эти рекомендации со своим опытом и видением покупателя. «Большие данные» превращают компании в высокочастотный уловитель потребностей своих клиентов и позволяют в режиме реального времени реагировать на изменения потребительского поведения.
Антон Чернятин, генеральный директор компании RedHelper
Мы в RedHelper каждый день обрабатываем порядка 5 терабайт информации с 20 000 сайтов, на которых есть хотя бы несколько посетителей, т.е. с около 6 млн пользователей коммерческих сайтов. Обработке и аналитике подвергаются страницы сайтов, которые пользуются популярностью среди пользователей, паттерны их поведения, диалоги с операторами виджетов и т.п.
В принципе все сайты ограничиваются определенным меню, по которому можно вывести паттерны поведения и устройства сайтов. Поэтому можно понять, в какой зоне взаимодействия с клиентом есть рост, а в какой нет в вашем интернет-магазине. К примеру, клиенты застревают на слишком сложной системе регистрации, big data помогает отследить количество непрошедших регистрацию, выявить, какой пункт их особенно смущает и они уходят. Кроме того, можно понять, какая страница сайта и в какой момент времени вызывает раздражение. Все это позволяет корректировать работу вашего онлайн-магазина, его маркетинговую политику.
Мария Левина, основатель и генеральный директор интернет-магазина дизайнерской мебели The Furnish
Будущее e-commerce компаний как в России, так и во всем мире во многом будет определяться их способностью не только собирать информацию о паттернах поведения своих посетителей и покупателей на сайте, но и умением грамотно анализировать и делать выводы из собранной информации. Интернет-магазины будут становиться все более «личными» и кастомизированными, а посетителям будет показываться то, что они купят с наибольшей вероятностью. Монстры типа Амазона копают в эту сторону уже очень давно, но в итоге прийти к этому придется всем. Тут есть много вариаций - какую скидку показывать пользователю и предлагать ли ему скидку вообще, какие показывать товары, цвета и рекомендации «похожих товаров», какая общая выкладка на странице должна быть именно для этого пользователя, чтобы его заинтересовать, и так далее. Как ведут себя люди в зависимости от пола, возраста, географии, образования - все эти факторы в идеале стоит учитывать. Также по-разному ведут себя те, кто пришел впервые, и постоянные посетители. В общем, недооценивать big data и потенциальное влияние этой информации на финанcовые результаты компании я бы не стала.
Владимир Панушкин, ГК ИМПУЛЬС-ИВЦ
Главная проблема состоит в интерпретации большого объема данных. Большие данные не имеют никакого смысла, если они не могут за пару минут и одним щелчком мыши быть представлены в виде конкретной понятной картины.
См. также:
