Big Data pərakəndə satış xidmətində

Pərakəndə satıcılar alıcı üçün üç əsas aspektdə fərdiləşdirməni təkmilləşdirmək üçün böyük datadan necə istifadə edirlər – çeşid, təklif və çatdırılma, Umbrella IT-də izah edilir

1990-cı illərin sonlarında cəmiyyətin bütün təbəqələrindən olan sahibkarlar başa düşdülər ki, verilənlər dəyərli resursdur və düzgün istifadə edilərsə, güclü təsir alətinə çevrilə bilər. Problem onda idi ki, məlumatların həcmi eksponent olaraq artdı və o dövrdə mövcud olan məlumatların işlənməsi və təhlili üsulları kifayət qədər effektiv deyildi.

2000-ci illərdə texnologiya bir kvant sıçrayışı etdi. Bazarda strukturlaşdırılmamış məlumatları emal edə, yüksək iş yüklərinin öhdəsindən gələ, məntiqi əlaqələr qura və xaotik məlumatları insan tərəfindən başa düşülən şərh edilə bilən formata çevirə bilən miqyaslı həllər peyda oldu.

Bu gün böyük verilənlər Rusiya Federasiyasının Rəqəmsal İqtisadiyyatı proqramının doqquz sahəsindən birinə daxildir və şirkətlərin reytinqlərində və xərc maddələrində birinci yerləri tutur. Böyük məlumat texnologiyalarına ən böyük investisiyalar ticarət, maliyyə və telekommunikasiya sektorlarından olan şirkətlər tərəfindən edilir.

Analitiklərin fikrincə, 10-20 ildən sonra böyük verilənlər kapitallaşmanın əsas vasitəsinə çevriləcək və cəmiyyətdə əhəmiyyətinə görə elektrik sənayesi ilə müqayisə edilə bilən rol oynayacaq.

Bu gün alıcılar artıq simasız bir statistika kütləsi deyil, unikal xüsusiyyətlərə və ehtiyaclara malik olan yaxşı müəyyən edilmiş şəxslərdir. Onlar seçicidirlər və təklifi daha cəlbedici görünsə, peşman olmadan rəqibin brendinə keçəcəklər. Buna görə pərakəndə satıcılar “unikal istehlakçı – unikal xidmət” prinsipinə diqqət yetirərək müştərilərlə məqsədyönlü və dəqiq şəkildə qarşılıqlı əlaqə qurmağa imkan verən böyük datadan istifadə edirlər.

1. Fərdi çeşid və məkandan səmərəli istifadə

Əksər hallarda, "almaq və ya almamaq" haqqında son qərar artıq malların olduğu rəfin yaxınlığındakı mağazada verilir. Nielsen-in statistikasına görə, alıcı rəfdə düzgün məhsulu axtarmağa cəmi 15 saniyə sərf edir. Bu o deməkdir ki, biznes üçün konkret mağazaya optimal çeşid təqdim etmək və onu düzgün təqdim etmək çox vacibdir. Çeşidlərin tələbata cavab verməsi və displeyin satışı təşviq etmək üçün böyük məlumatların müxtəlif kateqoriyalarını öyrənmək lazımdır:

• yerli demoqrafik,
• ödəmə qabiliyyəti,
• satınalma qavrayışı,
• loyallıq proqramı satınalmaları və daha çox.

Məsələn, müəyyən bir kateqoriyalı malların satınalma tezliyini qiymətləndirmək və alıcının bir məhsuldan digərinə "dəyişmə qabiliyyətini" ölçmək, hansı məhsulun daha yaxşı satıldığını, hansının lazımsız olduğunu dərhal anlamağa kömək edəcək və buna görə də pul vəsaitlərini daha rasional şəkildə yenidən bölüşdürür. resursları və mağaza yerini planlaşdırın.

Böyük verilənlərə əsaslanan həllərin hazırlanmasında ayrıca istiqamət məkandan səmərəli istifadədir. İndi merçendayzerlər mal yerləşdirərkən intuisiyaya deyil, verilənlərə güvənirlər.

X5 Retail Group hipermarketlərində pərakəndə satış avadanlığının xassələri, müştərilərin seçimləri, müəyyən kateqoriyalı malların satış tarixinə dair məlumatlar və digər amillər nəzərə alınmaqla məhsul planları avtomatik olaraq yaradılır.

Eyni zamanda, planın düzgünlüyünə və rəfdəki malların sayına real vaxt rejimində nəzarət edilir: video analitika və kompüter görmə texnologiyaları kameralardan gələn video axını təhlil edir və göstərilən parametrlərə uyğun olaraq hadisələri işıqlandırır. Məsələn, mağaza işçiləri konservləşdirilmiş noxud qablarının səhv yerdə olması və ya rəflərdə qatılaşdırılmış südün bitməsi barədə siqnal alacaqlar.

2. Fərdi təklif

İstehlakçılar üçün fərdiləşdirmə prioritetdir: Edelman və Accenture tərəfindən aparılan araşdırmalara görə, pərakəndə satıcı fərdi təklif edərsə və ya endirim edərsə, alıcıların 80%-nin məhsul almaq ehtimalı daha yüksəkdir; üstəlik, respondentlərin 48%-i məhsul tövsiyələri dəqiq deyilsə və ehtiyaclara cavab vermirsə, rəqiblərə getməkdən çəkinmir.

Müştəri gözləntilərini qarşılamaq üçün pərakəndə satıcılar istehlakçını anlamaq və qarşılıqlı əlaqəni şəxsi səviyyəyə çatdırmaq üçün müştəri məlumatlarını toplayan, strukturlaşdıran və təhlil edən İT həlləri və analitik alətləri fəal şəkildə tətbiq edirlər. Alıcılar arasında populyar formatlardan biri – “maraqlana bilər” və “bu məhsulla alın” məhsul tövsiyələri bölməsi də keçmiş satınalmaların və üstünlüklərin təhlili əsasında formalaşır.

Amazon bu tövsiyələri birgə filtrləmə alqoritmlərindən (başqa istifadəçinin naməlum üstünlüklərini proqnozlaşdırmaq üçün bir qrup istifadəçinin məlum üstünlüklərindən istifadə edən tövsiyə üsulu) istifadə edərək yaradır. Şirkət nümayəndələrinin fikrincə, bütün satışların 30%-i Amazon tövsiyə sisteminin hesabınadır.

3. Fərdi çatdırılma

İnternet mağazadan sifarişin çatdırılması və ya istədiyiniz məhsulların supermarket rəflərinə gəlməsi olmasından asılı olmayaraq müasir alıcının istədiyi məhsulu tez bir zamanda əldə etməsi vacibdir. Ancaq tək sürət kifayət deyil: bu gün hər şey tez çatdırılır. Fərdi yanaşma da dəyərlidir.

Əksər böyük pərakəndə satıcılar və daşıyıcılarda çoxlu sensorlar və RFID etiketləri (malları müəyyən etmək və izləmək üçün istifadə olunur) ilə təchiz olunmuş nəqliyyat vasitələri var ki, onlardan böyük miqdarda məlumat alınır: yükün cari yeri, ölçüsü və çəkisi, tıxac, hava şəraiti haqqında məlumatlar , hətta sürücü davranışı.

Bu məlumatların təhlili təkcə real vaxt rejimində marşrutun ən qənaətcil və ən sürətli yolunu yaratmağa kömək etmir, həm də sifarişlərinin gedişatını izləmək imkanı olan alıcılar üçün çatdırılma prosesinin şəffaflığını təmin edir.

Çatdırılmanın fərdiləşdirilməsi "son mil" mərhələsində alıcı üçün əsas amildir. Strateji qərarların qəbulu mərhələsində müştəri və logistika məlumatlarını birləşdirən pərakəndə satıcı, müştəriyə malı ən sürətli və ən ucuz çatdırılma yeri olan buraxılış yerindən götürməyi təklif edə biləcək. Malın həmin gün və ya ertəsi gün alınması təklifi, çatdırılmada endirimlə yanaşı, müştərini hətta şəhərin o biri başına da getməyə həvəsləndirəcək.

Amazon, həmişə olduğu kimi, proqnozlaşdırıcı analitika ilə təchiz edilmiş proqnozlaşdırıcı logistika texnologiyasını patentləşdirməklə rəqabəti qabaqladı. Əsas odur ki, pərakəndə satıcı məlumat toplayır:

• istifadəçinin keçmiş alışları haqqında,
• səbətə əlavə olunan məhsullar haqqında,
• istək siyahısına əlavə edilmiş məhsullar haqqında,
• kursor hərəkətləri haqqında.

Maşın öyrənmə alqoritmləri bu məlumatı təhlil edir və müştərinin hansı məhsulu daha çox alacağını proqnozlaşdırır. Daha sonra məhsul daha ucuz standart göndərmə vasitəsilə istifadəçiyə ən yaxın göndərmə mərkəzinə göndərilir.

Müasir alıcı fərdi yanaşma və unikal təcrübə üçün iki dəfə - pul və məlumatla ödəməyə hazırdır. Müştərilərin şəxsi üstünlüklərini nəzərə alaraq lazımi səviyyədə xidmət göstərmək yalnız böyük verilənlərin köməyi ilə mümkündür. Sənaye liderləri böyük verilənlər sahəsində layihələrlə işləmək üçün bütöv struktur bölmələr yaratdıqları halda, kiçik və orta biznes qutulu həllər üzərində mərc edirlər. Lakin ümumi məqsəd dəqiq istehlakçı profilini yaratmaq, istehlakçı ağrılarını anlamaq və satınalma qərarına təsir edən tetikleyiciləri müəyyən etmək, satınalma siyahılarını vurğulamaq və getdikcə daha çox alışa təşviq edəcək hərtərəfli fərdiləşdirilmiş xidmət yaratmaqdır.