Umbrella IT で語られた、小売業者がビッグデータを使用して、バイヤーの XNUMX つの重要な側面 (品揃え、オファー、配送) でパーソナライゼーションを改善する方法
ビッグデータは新しい石油
1990 年代後半、あらゆる分野の起業家が、データは適切に使用すれば影響力のある強力なツールになり得る貴重なリソースであることに気付きました。 問題は、データ量が指数関数的に増加し、当時存在していた情報を処理および分析する方法が十分に効果的でないことでした。
2000 年代、テクノロジーは飛躍的な進歩を遂げました。 構造化されていない情報を処理し、高いワークロードに対処し、論理的な接続を構築し、無秩序なデータを人が理解できる解釈可能な形式に変換できるスケーラブルなソリューションが市場に登場しました。
今日、ビッグデータは、ロシア連邦プログラムのデジタル経済プログラムの XNUMX つの分野の XNUMX つに含まれており、企業の格付けと費用項目の上位を占めています。 ビッグデータ テクノロジーへの最大の投資は、貿易、金融、電気通信セクターの企業によって行われています。
さまざまな見積もりによると、現在のロシアのビッグデータ市場の規模は 10 億から 30 億ルーブルです。 ビッグデータ市場参加者協会の予測によると、2024 年までに 300 億ルーブルに達するでしょう。
アナリストによると、10 ～ 20 年のうちに、ビッグデータは資産化の主要な手段となり、電力産業に匹敵する重要性を社会で果たすようになるでしょう。
小売成功の公式
今日の買い物客は、もはや顔の見えない統計の塊ではなく、独自の特徴とニーズを持つ明確に定義された個人です。 彼らは選択的であり、彼らのオファーがより魅力的であると思われる場合、後悔することなく競合他社のブランドに切り替えます. そのため、小売業者はビッグデータを使用して、ターゲットを絞った正確な方法で顧客とやり取りし、「ユニークな消費者 – ユニークなサービス」の原則に焦点を当てています。
1. パーソナルな品揃えとスペースの有効活用
ほとんどの場合、「買うか買わないか」の最終決定は、商品棚の近くの店ですでに行われています。 Nielsen の統計によると、購入者は棚にある適切な商品を探すのに 15 秒しかかかりません。 これは、特定の店舗に最適な品揃えを提供し、正しく提示することがビジネスにとって非常に重要であることを意味します。 品揃えが需要に応え、ディスプレイが販売を促進するためには、さまざまなカテゴリのビッグデータを調査する必要があります。
- 地元の人口統計、
- ソルベンシー、
- 購買意識、
- ロイヤルティ プログラムの購入など。
たとえば、特定のカテゴリの商品の購入頻度を評価し、ある商品から別の商品への購入者の「切り替え可能性」を測定することは、どの商品がよりよく売れているかをすぐに理解するのに役立ちます。これは冗長であり、したがって、より合理的に現金を再分配しますリソースと計画のストア スペース。
ビッグデータに基づくソリューションの開発における別の方向性は、スペースの効率的な使用です。 マーチャンダイザーが商品を配置する際に頼るのは、直感ではなくデータです。
X5 Retail Group のハイパーマーケットでは、商品のレイアウトは、小売機器の特性、顧客の好み、特定のカテゴリの商品の販売履歴に関するデータ、およびその他の要因を考慮して自動的に生成されます。
同時に、レイアウトの正確さと棚の商品数がリアルタイムで監視されます。ビデオ分析とコンピューター ビジョン テクノロジーは、カメラからのビデオ ストリームを分析し、指定されたパラメーターに従ってイベントを強調表示します。 たとえば、店の従業員は、缶詰のエンドウ豆の瓶が間違った場所にある、またはコンデンス ミルクが棚になくなったという信号を受け取ります。
2. パーソナライズされたオファー
消費者向けのパーソナライゼーションは最優先事項です。Edelman と Accenture の調査によると、小売業者がパーソナライズされたオファーを提供したり割引を提供したりすると、購入者の 80% が製品を購入する可能性が高くなります。 さらに、回答者の 48% は、製品の推奨事項が正確でなく、ニーズを満たしていない場合、競合他社に行くことを躊躇しません。
顧客の期待に応えるために、小売業者は顧客データを収集、構造化、分析する IT ソリューションと分析ツールを積極的に実装して、消費者を理解し、個人レベルでのやり取りを実現しています。 バイヤーの間で人気のあるフォーマットの XNUMX つである、「興味があるかもしれません」および「この製品と一緒に購入する」という製品の推奨事項のセクションも、過去の購入と好みの分析に基づいて形成されます。
Amazon は、協調フィルタリング アルゴリズム (ユーザー グループの既知の好みを使用して別のユーザーの未知の好みを予測する推奨方法) を使用して、これらの推奨事項を生成します。 同社の担当者によると、全売上の 30% が Amazon レコメンダー システムによるものです。
3. パーソナライズされた配送
現代のバイヤーにとって、オンラインストアからの注文の配達であろうと、スーパーマーケットの棚への希望の製品の到着であろうと、目的の製品を迅速に受け取ることは重要です. しかし、スピードだけでは十分ではありません。現在、すべてが迅速に提供されています。 個々のアプローチも価値があります。
大規模な小売業者や運送業者のほとんどは、多くのセンサーと RFID タグ (商品の識別と追跡に使用) を搭載した車両を所有しており、そこから膨大な量の情報 (現在の位置、貨物のサイズと重量、交通渋滞、気象条件に関するデータ) が受信されます。 、さらにはドライバーの行動まで。
このデータの分析は、ルートの最も経済的で最速のトラックをリアルタイムで作成するのに役立つだけでなく、注文の進行状況を追跡する機会を持つ購入者の配送プロセスの透明性も保証します。
現代のバイヤーにとって、希望する製品をできるだけ早く受け取ることは重要ですが、それだけでは十分ではなく、消費者にも個別のアプローチが必要です。
配送のパーソナライズは、「ラスト マイル」の段階で購入者にとって重要な要素です。 戦略的意思決定段階で顧客データとロジスティクス データを組み合わせた小売業者は、配達が最も速く最も安価な出庫場所から商品を引き取るようクライアントに迅速に提案できます。 即日または翌日に商品を受け取るというオファーと、配送料の割引により、クライアントは都市の反対側にさえ行くことができます.
いつものように、Amazon は、予測分析を利用した予測物流技術の特許を取得することで、競合他社に先んじました。 肝心なのは、小売業者がデータを収集することです。
- ユーザーの過去の購入について
- カートに入れた商品について、
- ウィッシュリストに追加された製品について、
- カーソルの動きについて。
機械学習アルゴリズムがこの情報を分析し、顧客が購入する可能性が最も高い製品を予測します。 その後、商品はより安価な標準配送で、ユーザーに最も近い配送ハブに配送されます。
現代のバイヤーは、個別のアプローチとユニークな体験を XNUMX 回、お金と情報で支払う準備ができています。 顧客の個人的な好みを考慮して、適切なレベルのサービスを提供することは、ビッグデータの助けを借りてのみ可能です. 業界のリーダーは、ビッグ データ分野のプロジェクトで動作する構造単位全体を作成していますが、中小企業は箱入りのソリューションに賭けています。 しかし、共通の目標は、正確な消費者プロファイルを構築し、消費者の痛みを理解し、購入決定に影響を与えるトリガーを特定し、購入リストを強調し、より多くの購入を促す包括的なパーソナライズされたサービスを作成することです.