Как ретейлеру делать заманчивые предложения с помощью больших данных
Большие данные — новая нефть
В конце 1990-х предприниматели из разных сфер бизнеса пришли к пониманию, что данные — это ценный ресурс, который при правильном использовании способен превратиться в мощный инструмент влияния. Проблема была в том, что объем данных увеличивался в геометрической прогрессии, а существующие на тот момент способы обработки и анализа информации были недостаточно эффективны.
В 2000-х годах технологии совершили «квантовый скачок». На рынке появились масштабируемые решения, способные обрабатывать неструктурированную информацию, справляться с высокой нагрузкой, строить логические связи и переводить хаотичные данные в интерпретируемый формат, понятный человеку.
Сегодня большие данные входят в одно из девяти направлений программы «Цифровая экономика РФ», занимая верхние строчки в рейтингах и статьях расходов компаний. Самые крупные инвестиции в технологии больших данных производят компании из торгового, финансового и телекоммуникационного секторов.
По разным оценкам, текущий объем российского рынка больших данных составляет от 10 млрд до 30 млрд руб. По прогнозам Ассоциации участников рынка больших данных, к 2024 году он достигнет отметки 300 млрд руб.
Через 10–20 лет большие данные станут главным средством капитализации и будут играть в жизни общества роль, сопоставимую по значению с электроэнергетикой, утверждают аналитики.
Формулы успеха для ретейла
Современные покупатели — больше не безликая масса статистических данных, а вполне очерченные индивидуумы с уникальными характеристиками и потребностями. Они избирательны и без сожалений переключаются на бренд конкурента, если его предложение покажется привлекательнее. Именно поэтому ретейлеры используют большие данные, которые позволяют взаимодействовать с покупателями адресно и точно, ориентируясь на принцип «уникальному потребителю — уникальный сервис».
1. Персонализированный ассортимент и эффективное использование пространства
В большинстве случаев окончательное принятие решения «покупать или не покупать» происходит уже в магазине возле полки с товарами. По статистике Nielsen, на поиск нужного товара на полке покупатель тратит всего 15 секунд. Это значит, что для бизнеса очень важно поставить в конкретный магазин оптимальный ассортимент и правильно его презентовать. Чтобы ассортимент отвечал спросу, а выкладка способствовала продажам, необходимо изучить разные категории больших данных:
- локальную демографическую ситуацию,
- платежеспособность,
- покупательское восприятие,
- покупки по программе лояльности и многое другое.
Например, оценка частоты покупок определенной категории товаров и измерение «переключаемости» покупателя с одного товара на другой поможет сразу понять, какая позиция продается лучше, какая избыточна, и, следовательно, более рационально перераспределить денежные ресурсы и спланировать магазинное пространство.
Отдельное направление развития решений на основе больших данных — эффективное использование пространства. Именно на данные, а не на интуицию теперь опираются мерчандайзеры при выкладке товаров.
В гипермаркетах X5 Retail Group схемы выкладки товаров генерируются автоматически с учетом свойств торгового оборудования, предпочтений покупателей, данных об истории продаж отдельных категорий товаров и других факторов.
При этом правильность выкладки и количество товаров на полке отслеживается в реальном времени: технологии видеоаналитики и компьютерного зрения анализируют поступающий от камер видеопоток и выделяют события по заданным параметрам. Например, сотрудники магазина получат сигнал, что банки с консервированным горошком стоят не на своем месте или что на полках закончилась сгущенка.
2. Персонализированное предложение
Персонализация для потребителей в приоритете: согласно данным исследований компаний Edelman и Accenture, 80% покупателей с большей вероятностью купят товар, если ретейлер сделает персонализированное предложение или даст скидку; более того, 48% опрошенных без раздумий уходят к конкурентам, если товарные рекомендации не точны и не отвечают потребностям.