Ինչպես են մանրածախ վաճառողները օգտագործում մեծ տվյալները՝ գնորդի համար երեք հիմնական ասպեկտներում անհատականացումը բարելավելու համար՝ տեսականին, առաջարկը և առաքումը, ասված է Umbrella IT-ում:
Մեծ տվյալները նոր նավթն է
1990-ականների վերջերին կյանքի բոլոր խավերի ձեռներեցները հասկացան, որ տվյալները արժեքավոր ռեսուրս են, որը ճիշտ օգտագործելու դեպքում կարող է դառնալ ազդեցության հզոր գործիք: Խնդիրն այն էր, որ տվյալների ծավալը երկրաչափական աճ է գրանցել, իսկ տեղեկատվության մշակման ու վերլուծության մեթոդները, որոնք առկա էին այն ժամանակ, բավականաչափ արդյունավետ չէին։
2000-ականներին տեխնոլոգիաները քվանտային թռիչք կատարեցին: Շուկայում հայտնվել են մասշտաբային լուծումներ, որոնք կարող են մշակել չկառուցված տեղեկատվություն, հաղթահարել մեծ ծանրաբեռնվածություն, կառուցել տրամաբանական կապեր և թարգմանել քաոսային տվյալները մեկնաբանելի ձևաչափի, որը կարող է հասկանալ մարդուն:
Այսօր մեծ տվյալները ներառված են Ռուսաստանի Դաշնության թվային տնտեսության ծրագրի ինը ոլորտներից մեկում՝ զբաղեցնելով ընկերությունների վարկանիշների և ծախսերի առաջին տողերը: Մեծ տվյալների տեխնոլոգիաներում ամենամեծ ներդրումները կատարում են առևտրի, ֆինանսական և հեռահաղորդակցության ոլորտների ընկերությունները։
Տարբեր գնահատականներով, ռուսական մեծ տվյալների շուկայի ներկայիս ծավալը կազմում է 10 միլիարդից մինչև 30 միլիարդ ռուբլի: Մեծ տվյալների շուկայի մասնակիցների ասոցիացիայի կանխատեսումների համաձայն՝ 2024 թվականին այն կհասնի 300 միլիարդ ռուբլու։
10-20 տարի հետո մեծ տվյալները կդառնան կապիտալիզացիայի հիմնական միջոցը և հասարակության մեջ այնպիսի դեր կխաղան, որն իր կարևորությամբ համեմատելի է էլեկտրաէներգիայի ոլորտի հետ, ասում են վերլուծաբանները։
Մանրածախ հաջողության բանաձևեր
Այսօրվա գնորդներն այլևս վիճակագրության անդեմ զանգված չեն, այլ հստակ ձևակերպված անհատներ՝ յուրահատուկ բնութագրերով և կարիքներով: Նրանք ընտրովի են և առանց ափսոսանքի կանցնեն մրցակցի ապրանքանիշին, եթե իրենց առաջարկն ավելի գրավիչ թվա: Այդ իսկ պատճառով մանրածախ առևտրով զբաղվողներն օգտագործում են մեծ տվյալներ, որոնք թույլ են տալիս հաճախորդների հետ շփվել նպատակային և ճշգրիտ կերպով՝ կենտրոնանալով «եզակի սպառող՝ եզակի ծառայություն» սկզբունքի վրա։
1. Անհատականացված տեսականի և տարածքի արդյունավետ օգտագործում
Շատ դեպքերում «գնել, թե չգնել» վերջնական որոշումը կայացվում է արդեն ապրանքների դարակին մոտ գտնվող խանութում: Ըստ Nielsen-ի վիճակագրության՝ գնորդը ծախսում է ընդամենը 15 վայրկյան՝ դարակում ճիշտ ապրանք փնտրելու համար։ Սա նշանակում է, որ բիզնեսի համար շատ կարևոր է օպտիմալ տեսականի մատակարարել կոնկրետ խանութին և այն ճիշտ ներկայացնել։ Որպեսզի տեսականին բավարարի պահանջարկը, իսկ ցուցադրումը խթանի վաճառքը, անհրաժեշտ է ուսումնասիրել մեծ տվյալների տարբեր կատեգորիաներ.
- տեղական ժողովրդագրություն,
- վճարունակություն,
- գնման ընկալում,
- հավատարմության ծրագրի գնումներ և շատ ավելին:
Օրինակ, որոշակի կատեգորիայի ապրանքների գնումների հաճախականությունը գնահատելը և գնորդի «անցանելիությունը» մի ապրանքից մյուսը չափելը կօգնի անմիջապես հասկանալ, թե որ ապրանքն է ավելի լավ վաճառվում, որն է ավելորդ, և, հետևաբար, ավելի ռացիոնալ կերպով վերաբաշխել կանխիկ գումարը: ռեսուրսներ և պլանավորել խանութի տարածքը:
Մեծ տվյալների վրա հիմնված լուծումների մշակման առանձին ուղղություն է տարածության արդյունավետ օգտագործումը։ Դա տվյալներ են, և ոչ թե ինտուիցիա, որոնց վրա այժմ ապավինում են առևտրականները ապրանքներ դնելիս:
X5 Retail Group հիպերմարկետներում արտադրանքի դասավորությունը ստեղծվում է ավտոմատ կերպով՝ հաշվի առնելով մանրածախ սարքավորումների հատկությունները, հաճախորդների նախասիրությունները, որոշակի կատեգորիաների ապրանքների վաճառքի պատմության վերաբերյալ տվյալները և այլ գործոններ:
Միևնույն ժամանակ, դասավորության ճշգրտությունը և դարակում գտնվող ապրանքների քանակը վերահսկվում են իրական ժամանակում. տեսավերլուծությունը և համակարգչային տեսողության տեխնոլոգիաները վերլուծում են տեսախցիկներից եկող տեսահոսքը և ընդգծում իրադարձությունները՝ ըստ նշված պարամետրերի: Օրինակ, խանութի աշխատակիցները ազդանշան կստանան, որ պահածոյացված ոլոռի բանկաները սխալ տեղում են կամ խտացրած կաթը վերջացել է դարակներում։
2. Անհատականացված առաջարկ
Սպառողների համար անհատականացումն առաջնահերթություն է. Edelman-ի և Accenture-ի հետազոտությունների համաձայն, գնորդների 80%-ն ավելի հավանական է գնել ապրանքը, եթե մանրածախ վաճառողը անհատականացված առաջարկ է անում կամ զեղչ է տալիս. Ավելին, հարցվածների 48%-ը չի վարանում գնալ մրցակիցների մոտ, եթե արտադրանքի վերաբերյալ առաջարկությունները ճշգրիտ չեն և չեն բավարարում կարիքները:
Հաճախորդների ակնկալիքները բավարարելու համար մանրածախ առևտրով զբաղվողներն ակտիվորեն կիրառում են ՏՏ լուծումներ և վերլուծական գործիքներ, որոնք հավաքում, կառուցում և վերլուծում են հաճախորդների տվյալները՝ օգնելու հասկանալ սպառողին և փոխգործակցությունը հասցնել անձնական մակարդակի: Գնորդների շրջանում տարածված ձևաչափերից մեկը՝ ապրանքի առաջարկությունների բաժինը՝ «ձեզ կարող է հետաքրքրել» և «գնել այս ապրանքով», նույնպես ձևավորվում է անցյալ գնումների և նախասիրությունների վերլուծության հիման վրա:
Amazon-ը ստեղծում է այս առաջարկությունները՝ օգտագործելով համատեղ զտման ալգորիթմներ (առաջարկության մեթոդ, որն օգտագործում է մի խումբ օգտատերերի հայտնի նախապատվությունները՝ կանխատեսելու մեկ այլ օգտատիրոջ անհայտ նախապատվությունները): Ընկերության ներկայացուցիչների խոսքով, բոլոր վաճառքների 30%-ը պայմանավորված է Amazon-ի առաջարկող համակարգով։
3. Անհատականացված առաքում
Ժամանակակից գնորդի համար կարևոր է արագ ստանալ ցանկալի ապրանքը՝ անկախ նրանից՝ դա առցանց խանութից պատվերի առաքումն է, թե սուպերմարկետների դարակներում ցանկալի ապրանքի հայտնվելը։ Բայց միայն արագությունը բավարար չէ. այսօր ամեն ինչ արագ է առաքվում։ Արժեքավոր է նաև անհատական մոտեցումը։
Խոշոր մանրածախ առևտրականների և փոխադրողների մեծամասնությունն ունեն բազմաթիվ սենսորներով և RFID պիտակներով (օգտագործվում են ապրանքները նույնականացնելու և հետևելու համար) տրանսպորտային միջոցներ, որոնցից ստացվում է հսկայական տեղեկատվություն՝ տվյալներ բեռի ընթացիկ գտնվելու վայրի, չափի և քաշի, երթևեկության գերբեռնվածության, եղանակային պայմանների մասին: , և նույնիսկ վարորդի վարքագիծը:
Այս տվյալների վերլուծությունը ոչ միայն օգնում է իրական ժամանակում ստեղծել երթուղու առավել խնայող և ամենաարագ ուղին, այլ նաև ապահովում է առաքման գործընթացի թափանցիկությունը գնորդների համար, ովքեր հնարավորություն ունեն հետևելու իրենց պատվերի առաջընթացին:
Ժամանակակից գնորդի համար կարևոր է հնարավորինս շուտ ստանալ ցանկալի ապրանքը, սակայն դա բավարար չէ, սպառողին անհրաժեշտ է նաև անհատական մոտեցում։
Առաքման անհատականացումն առանցքային գործոն է գնորդի համար «վերջին մղոնի» փուլում: Մանրածախ վաճառողը, որը միավորում է հաճախորդների և լոգիստիկայի տվյալները ռազմավարական որոշումների կայացման փուլում, կարող է արագ առաջարկել հաճախորդին ապրանքը վերցնել թողարկման կետից, որտեղ ամենաարագ և ամենաէժանը կլինի այն առաքելը: Ապրանքները նույն օրը կամ հաջորդ օրը ստանալու առաջարկը, ինչպես նաև առաքման զեղչը, կխրախուսի հաճախորդին գնալ նույնիսկ քաղաքի մյուս ծայրը:
Amazon-ը, ինչպես միշտ, առաջ անցավ մրցակիցներից՝ արտոնագրելով կանխատեսող լոգիստիկ տեխնոլոգիա, որը սնուցվում է կանխատեսող վերլուծություններով: Ներքեւի տողն այն է, որ մանրածախ վաճառողը տվյալներ է հավաքում.
- օգտագործողի նախկին գնումների մասին,
- զամբյուղում ավելացված ապրանքների մասին,
- ցանկությունների ցանկում ավելացված ապրանքների մասին,
- կուրսորի շարժումների մասին.
Մեքենայի ուսուցման ալգորիթմները վերլուծում են այս տեղեկատվությունը և կանխատեսում, թե որ ապրանքն է առավել հավանական գնելու հաճախորդը: Ապրանքն այնուհետև առաքվում է ավելի էժան ստանդարտ առաքման միջոցով դեպի օգտվողին ամենամոտ գտնվող առաքման հանգույց:
Ժամանակակից գնորդը պատրաստ է երկու անգամ վճարել անհատական մոտեցման և եզակի փորձի համար՝ փողով և տեղեկատվությունով: Ծառայությունների պատշաճ մակարդակի ապահովումը՝ հաշվի առնելով հաճախորդների անձնական նախասիրությունները, հնարավոր է միայն մեծ տվյալների օգնությամբ։ Մինչ ոլորտի առաջատարները ստեղծում են ամբողջական կառուցվածքային ստորաբաժանումներ՝ մեծ տվյալների ոլորտում նախագծերի հետ աշխատելու համար, փոքր և միջին բիզնեսները խաղադրույքներ են կատարում տուփային լուծումների վրա: Սակայն ընդհանուր նպատակն է կառուցել սպառողի ճշգրիտ պրոֆիլը, հասկանալ սպառողների ցավերը և որոշել այն գործոնները, որոնք ազդում են գնման որոշման վրա, ընդգծել գնումների ցուցակները և ստեղծել համապարփակ անհատականացված ծառայություն, որը կխրախուսի ավելի ու ավելի շատ գնումներ կատարել: