Эли Шрагенхайм и Амир Шрагенхайм подготовили продолжение размышлений о пользе Больших данных (начало здесь), попытавшись в этот раз “приблизить” их к реальности розничных сетей.
Я предлагаю познакомиться, у меня есть ощущение, что в наиболее “продвинутых” розничных сетях подобные работы проводятся, хотя эта история весьма и весьма недешевая. Возможно, я переоцениваю осознанность маркетинговых действий федеральных сетей ритейла.
Я могу добавить от себя, что повсеместное введение он-лайн касс, а также решений по управлению наличием, таких как наш продукт NET Stock, создают все больше и больше возможностей, чтобы эти запросы стали реальностью.
Но сначала, хорошо бы, чтобы в рознице было обеспечено хотя бы постоянное наличие.
На эту тему я, наконец-то, закончил книжку, желающие могут подержать подготовку книги к изданию на Бумстартере.
А здесь ссылка на оглавление и предисловие книги:
А теперь предоставляю слово Эли и Амиру.
Как обычно, ссылка на оригинал и картинка из поста авторов.
Ваш Дмитрий Егоров.
Амир и Эли Шрагенхайм (Amir and Eli Schragenheim)
Традиционные розничные магазины сталкиваются с неприятной проблемой, которая становится все больше и больше. Все большее число потребителей совершает покупки в интернет-магазинах, предлагающих более низкие цены и более широкий выбор. Интернет-магазины также сталкиваются с огромными проблемами в бизнесе из-за ожесточенной глобальной конкуренции и отсутствия четкого конкурентного преимущества, кроме цены. Это не позволяет традиционной рознице переформатироваться и предложить клиентам реальную альтернативу, в условиях, когда интернет-магазины предлагают большее разнообразие, доставку чего бы то ни было до дома и более низкие цены.
Отчасти причиной того, что многие потребители совершают покупки он-лайн, является то, что интернет-магазинам удается лучше понять специфический вкус потребителей и сделать им выгодное предложение. Такое понимание достигается за счет инвестирования огромных усилий для сбора множества данных о каждом пользователе, посетившем их сайт, и проведения сложного анализа этих данных. Это постоянные усилия, поэтому мы можем ожидать новых улучшений в манипулировании потребителями посредством интернета.
Как так случилось, что традиционные магазины не предпринимают похожих действий?
Традиционным магазинам намного тяжелее получить доступ к соответствующей информации. Например, сейчас не существует надежного способа фиксации потребителей, которые не нашли продукт, который искали. Шаблоны поведения потребителей на записываются. В магазине могут быть установлены видеокамеры, но целью их установки является безопасность, а все остальные аспекты поведения не рассматриваются. Так что, похоже, что традиционные магазины мало что могут сделать, чтобы лучше изучить своих потребителей.
Это ОГРОМНАЯ ошибка. Существует достаточно доступных данных, которые могут быть обработаны и превращены в ценную информацию, и существуют способы получить больше данных, которые могут быть использованы для получения еще большей информации.
Клиенты, приходя в большие магазины, особенно в супермаркеты и аптеки, часто покупают более одного предмета. Это возможность больше узнать о возможных взаимосвязях между различными товарами, личных предпочтениях брендов, плюс о роли цены в выборе из множества схожих продуктов.
Общая покупка различных товаров , купленных клиентом, содержит в себе скрытую информацию, свидетельствующую о вкусах и экономическом уровне клиента. Чтобы извлечь соответствующую информацию, необходимо проделать анализ с применением статистических методов и машинного обучения (ML), это даст возможность предложить ответы на ключевые вопросы, касающиеся важных решений, которые должны принимать любые розничные магазины:
Какие новые товары поддерживать? Какие товары следует убрать? Насколько важно обеспечение высокого уровня наличия товара? Какие товары следует размещать рядом? Какие товары можно использовать для промо-акций? Какие дополнительные услуги, например: выпечка в магазине, следует добавить (или убрать)?
Исследование совокупных покупок клиента дает значительно больше, чем просто отслеживание продаж каждого товара. Совокупность одновременно купленных товаров вскрывает более широкие потребности, вкусы и экономическое поведение. Если юридически возможно определить конкретного покупателя, можно проанализировать предыдущие покупки, чтобы более детально определить сегмент рынка, к которому принадлежит это покупатель. Частью ценности участия клиента в программах лояльности является возможность связать различные, разновременные покупки одного и того же клиента. Таким образом, может быть выведен профиль клиента.
Наиболее очевидным результатом является сопоставление клиента с рыночными сегментами, отмечая отличающиеся характеристики сегментов. Исследование покупок может пролить свет на семью клиента: супруге и детях, их приблизительном возрасте, финансовом состоянии и предпочтениях. Эти характеристики могут быть выявлены с помощью анализа состав и частоты покупок. Можно определить конкретные предпочтения, вроде курения ли вегетарианства. Все вместе это помогает найти ключевые характеристики, определяющие несколько слоев рыночного сегмента.
Еще одна важная ценность, которая может быть выявлена в результате исследования покупок – это зависимости между различными товарами: когда приобретается товар Х, то велика вероятность, что также купят и товар Y. Эти зависимости некоторыми менеджерами иногда определяются интуитивно и они, совершенно точно, влияют на решения, касающиеся подержания наличия обоих товаров, их размещения в магазине и даже возможности их совместной продажи в одном пакете. Понимание связей между продуктами помогает проверять изменения во времени в покупательском поведении. Например, когда экономика падает, как это влияет на различные сегменты, что значительно более ценно, чем наблюдение за влиянием на отдельные продукты. Мы можем ожидать общего сдвига спроса к более дешевым продуктам, но какие бренды будут заменены более дешевыми, и для какого сегмента такие изменения будут больше, будет ценным для прогноза этих изменений, до того, как в экономике произойдут реальные изменения.
Структура типичных покупок в различных рыночных сегментов, конечно, поможет начать маркетинговые мероприятия, которые помогут капитализировать это понимание. Аналитическое знание, переведенное в операционные политики, повлияет на эффективность различных подразделений розничной сети, через выявление специфических потребностей подразделений, но также даст и общее для сети понимание.
Когда каждая покупка конкретного клиента может быть связана с предыдущими покупками этого клиента, то частота покупок может привести к разработке инициатив, оказывающих влияние на состав типичной покупки конкретного рыночного сегмента.
Разработка модуля машинного обучения (ML) для того, чтобы лучше категоризировать различные сегменты, которые обслуживает магазин, улучшит как маркетинг, так и логистику каждого розничного магазина. Всегда существует дилемма между поддержанием наличия медленно оборачивающихся товаров и объемом логистическийх усилий по обеспечению этого наличия. Опора на правильные приоритеты, основанные на полном понимании финансового влияния продаж медленно оборачивающихся товаров, позволит найти лучшие решения о том, запасы каких товаров следует поддерживать. Относительная ценность медленно оборачивающихся товаров включает их влияние на продажи других продуктов. Понимание относительной ценности конкретного товара для конкретного рыночного сегмента определяет желательность наличия с точки зрения рыночного сегмента медленно оборачивающихся товаров в конкретном магазине.
С помощью машинного обучения розничные сети могут лучше понять лояльность покупателей конкретным брендам и товарам. Если уже установлено, что конкретный рыночный сегмент предпочитает товар X товару Y, то намеренно создав отсутствие товара X на один день, возможно узнать, купят ли большинство клиентов из этого сегмента товар Y или откажутся от покупки заменителя. Это также даст ответ на вопрос, влияет ли покупка товара-заменителя на лояльность бренду. Промоакции также приводят к тому, что люди покупают менее предпочитаемые товары, более интересно влияют ли они на лояльность бренду.
Очень желательно иметь доступ к информации о наличии всех товаров в момент, когда была совершена конкретная покупка. Если товар Х отсутствовал, то это предоставляет возможность проверить легко ли переключились вроде бы лояльные бренду покупатели на товар-заменитель.
Супермаркеты и аптеки являются типичной сетевой розницей, где покупки обычно включают несколько различных товаров. Кажется, что абсолютно необходимо, чтобы такие розничные сети прикладывали усилия для машинного обучения, чтобы больше узнать о поведении клиентов и разработки процесса предложения лучших решений для капитализации этого знания.
