Perakendeciler, Umbrella IT'de anlatılan ürün çeşitliliği, teklif ve teslimat olmak üzere alıcı için üç temel alanda kişiselleştirmeyi geliştirmek için büyük verileri nasıl kullanıyor?
Büyük veri yeni petroldür
1990'ların sonunda, hayatın her kesiminden girişimciler, verilerin doğru kullanıldığında güçlü bir etki aracı haline gelebilecek değerli bir kaynak olduğunu fark ettiler. Sorun, veri hacminin katlanarak artması ve o sırada var olan bilgileri işleme ve analiz etme yöntemlerinin yeterince etkili olmamasıydı.
2000'lerde teknoloji büyük bir sıçrama yaptı. Yapılandırılmamış bilgileri işleyebilen, yüksek iş yükleriyle başa çıkabilen, mantıksal bağlantılar kurabilen ve kaotik verileri bir kişinin anlayabileceği yorumlanabilir bir formata çevirebilen ölçeklenebilir çözümler piyasada ortaya çıktı.
Bugün büyük veri, Rusya Federasyonu Dijital Ekonomi programının dokuz alanından birine dahil edilerek şirketlerin derecelendirme ve gider kalemlerinde üst sıralarda yer alıyor. Büyük veri teknolojilerine en büyük yatırımlar ticaret, finans ve telekomünikasyon sektörlerinden şirketler tarafından yapılmaktadır.
Çeşitli tahminlere göre, Rusya büyük veri pazarının mevcut hacmi 10 milyar ila 30 milyar ruble arasında. Büyük Veri Piyasası Katılımcıları Derneği'nin tahminlerine göre 2024 yılına kadar 300 milyar rubleye ulaşacak.
Analistler, 10-20 yıl içinde, büyük verinin ana sermayeleştirme aracı haline geleceğini ve toplumda enerji endüstrisiyle karşılaştırılabilir bir rol oynayacağını söylüyor.
Perakende Başarı Formülleri
Bugünün tüketicileri artık meçhul bir istatistik yığını değil, benzersiz özelliklere ve ihtiyaçlara sahip, iyi tanımlanmış bireylerdir. Seçicidirler ve teklifleri daha cazip gelirse pişmanlık duymadan bir rakibin markasına geçerler. Bu nedenle perakendeciler, "benzersiz bir tüketici - benzersiz bir hizmet" ilkesine odaklanarak müşterilerle hedefli ve doğru bir şekilde etkileşim kurmalarına olanak tanıyan büyük verileri kullanır.
1. Kişiselleştirilmiş çeşitler ve verimli alan kullanımı
Çoğu durumda, "satın alma ya da almama" nihai kararı, mallarla birlikte rafın yanındaki mağazada zaten verilir. Nielsen istatistiklerine göre alıcı, rafta doğru ürünü aramak için sadece 15 saniye harcıyor. Bu, bir işletme için belirli bir mağazaya en uygun ürün çeşitliliğini sağlamanın ve bunu doğru bir şekilde sunmanın çok önemli olduğu anlamına gelir. Ürün yelpazesinin talebi karşılaması ve satışları teşvik etmesi için ekranın farklı büyük veri kategorilerini incelemesi gerekir:
- yerel demografi,
- ödeme gücü,
- satın alma algısı,
- sadakat programı satın alımları ve çok daha fazlası.
Örneğin, belirli bir mal kategorisinin satın alma sıklığını değerlendirmek ve bir alıcının bir üründen diğerine "değiştirilebilirliğini" ölçmek, hangi ürünün daha iyi sattığını, hangisinin gereksiz olduğunu hemen anlamaya ve dolayısıyla parayı daha rasyonel bir şekilde yeniden dağıtmaya yardımcı olacaktır. kaynaklar ve plan mağaza alanı.
Büyük verilere dayalı çözümlerin geliştirilmesinde ayrı bir yön, alanın verimli kullanılmasıdır. Satıcıların artık malları düzenlerken güvendiği şey sezgi değil, veridir.
X5 Retail Group hipermarketlerinde, perakende ekipmanının özellikleri, müşteri tercihleri, belirli mal kategorilerinin satış geçmişine ilişkin veriler ve diğer faktörler dikkate alınarak ürün düzenleri otomatik olarak oluşturulur.
Aynı zamanda, düzenin doğruluğu ve raftaki ürün sayısı gerçek zamanlı olarak izlenir: video analizi ve bilgisayarla görme teknolojileri, kameralardan gelen video akışını analiz eder ve belirtilen parametrelere göre olayları vurgular. Örneğin, mağaza çalışanları, konserve bezelye kavanozlarının yanlış yerde olduğuna veya yoğunlaştırılmış sütün raflarda tükendiğine dair bir sinyal alacak.
2. Kişiselleştirilmiş teklif
Tüketicilerin kişiselleştirilmesi bir önceliktir: Edelman ve Accenture tarafından yapılan araştırmaya göre, bir perakendeci kişiselleştirilmiş bir teklifte bulunursa veya indirim yaparsa, alıcıların %80'inin bir ürünü satın alma olasılığı daha yüksektir; ayrıca, ankete katılanların %48'i, ürün önerileri doğru değilse ve ihtiyaçları karşılamıyorsa rakiplere gitmekten çekinmiyor.
Müşteri beklentilerini karşılamak için perakendeciler, tüketiciyi anlamaya ve etkileşimi kişisel bir düzeye getirmeye yardımcı olmak için müşteri verilerini toplayan, yapılandıran ve analiz eden BT çözümlerini ve analitik araçlarını aktif olarak uyguluyor. Alıcılar arasında popüler formatlardan biri olan “ilginizi çekebilir” ve “bu ürünle satın alın” ürün önerileri bölümü de geçmiş satın alma ve tercihlerin analizine dayanarak oluşturulmuştur.
Amazon, bu önerileri işbirlikçi filtreleme algoritmaları (başka bir kullanıcının bilinmeyen tercihlerini tahmin etmek için bir grup kullanıcının bilinen tercihlerini kullanan bir öneri yöntemi) kullanarak oluşturur. Şirket temsilcilerine göre, tüm satışların %30'u Amazon tavsiye sisteminden kaynaklanmaktadır.
3. Kişiselleştirilmiş teslimat
Modern bir alıcı için, ister bir çevrimiçi mağazadan bir siparişin teslimi olsun, isterse istenen ürünlerin süpermarket raflarına ulaşması olsun, istenen ürünü hızlı bir şekilde alması önemlidir. Ancak hız tek başına yeterli değil: bugün her şey hızlı bir şekilde teslim ediliyor. Bireysel yaklaşım da değerlidir.
Çoğu büyük perakendeci ve nakliyecinin, çok miktarda bilginin alındığı birçok sensör ve RFID etiketi (malları tanımlamak ve izlemek için kullanılır) ile donatılmış araçları vardır: yükün mevcut konumu, boyutu ve ağırlığı, trafik sıkışıklığı, hava koşulları hakkında veriler. ve hatta sürücü davranışı.
Bu verilerin analizi, yalnızca gerçek zamanlı olarak rotanın en ekonomik ve en hızlı yolunun oluşturulmasına yardımcı olmakla kalmaz, aynı zamanda siparişlerinin ilerleyişini takip etme fırsatı bulan alıcılar için teslimat sürecinin şeffaflığını da sağlar.
Modern bir alıcının istediği ürünü bir an önce alması önemlidir ancak bu yeterli değildir, tüketicinin de bireysel bir yaklaşıma ihtiyacı vardır.
Teslimat kişiselleştirme, alıcı için "son mil" aşamasında kilit bir faktördür. Stratejik karar verme aşamasında müşteri ve lojistik verilerini birleştiren bir perakendeci, müşteriye malları teslim etmenin en hızlı ve en ucuz olacağı çıkış noktasından teslim almasını hemen teklif edebilecektir. Malları aynı gün veya ertesi gün teslim alma teklifi ve teslimatta indirim, müşteriyi şehrin diğer ucuna bile gitmeye teşvik edecektir.
Amazon, her zamanki gibi, tahmine dayalı analitik tarafından desteklenen tahmine dayalı lojistik teknolojisinin patentini alarak rekabette öne geçti. Sonuç olarak, perakendeci verileri toplar:
- kullanıcının geçmiş satın alımları hakkında,
- Sepete eklenen ürünler hakkında,
- istek listesine eklenen ürünler hakkında,
- imleç hareketleri hakkında.
Makine öğrenimi algoritmaları bu bilgileri analiz eder ve müşterinin hangi ürünü satın alma olasılığının en yüksek olduğunu tahmin eder. Öğe daha sonra, kullanıcıya en yakın nakliye merkezine daha ucuz standart nakliye yoluyla gönderilir.
Modern alıcı, bireysel bir yaklaşım ve benzersiz bir deneyim için para ve bilgi ile iki kez ödeme yapmaya hazırdır. Müşterilerin kişisel tercihleri dikkate alınarak uygun düzeyde hizmet verilmesi ancak büyük veri yardımıyla mümkündür. Endüstri liderleri, büyük veri alanındaki projelerle çalışmak için tüm yapısal birimleri oluştururken, küçük ve orta ölçekli işletmeler kutulu çözümlere güveniyor. Ancak ortak amaç, doğru bir tüketici profili oluşturmak, tüketici sancılarını anlamak ve satın alma kararını etkileyen tetikleyicileri belirlemek, satın alma listelerini öne çıkarmak ve daha fazla satın almayı teşvik edecek kapsamlı bir kişiselleştirilmiş hizmet oluşturmaktır.