Մեծ տվյալներ մանրածախ առևտրի ծառայության մեջ

Ինչպես են մանրածախ վաճառողները օգտագործում մեծ տվյալները՝ գնորդի համար երեք հիմնական ասպեկտներում անհատականացումը բարելավելու համար՝ տեսականին, առաջարկը և առաքումը, ասված է Umbrella IT-ում:

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։

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։

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:

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: