Big Data в ритейле: пять плюсов для торговой сети

Технология Big Data уже набила всем оскомину: о ней не слышал только ленивый. Но каким образом она действительно поможет ритейлу и почему на нее стоит обратить внимание, рассказывает Роман Зинченко, руководитель практики SAP группы компаний «Пилот».

Big Data используется ритейлерами для привлечения новой аудитории, удержания постоянных покупателей и расширения клиентской базы. Для этого анализируются данные, поступающие с сайта магазина, его информационных систем, интернета, например, социальных сетей. Кроме того, можно воспользоваться информацией, предоставляемой компаниями, анализирующими действия пользователей в Сети. 

Анализ логов интернет провайдеров

Многие интернет-провайдеры продают логи клиентов — обезличенную информацию об активности пользователей в Сети интернет. Исходя из этих данных, можно сделать вывод о том, что это был за пользователь, куда он ходил, какую активность проявлял, что сейчас ищет, что читает, чем интересуется. Например, вернувшись с работы домой, вы решили выбрать тостер. Задав соответствующий поисковый запрос, получаете предложение от нескольких магазинов электроники, а также полезную информацию о том, как правильно выбрать этот товар. Таким образом, компании, занимающиеся анализом данных, могут смело причислить вас к категории клиентов, которые активно интересуются мелкой бытовой техникой (или конкретной моделью тостера) и готовы в ближайшее время приобрести тот или иной продукт. Эту информацию компания-поставщик продает торговой сети электроники, а та, в свою очередь, делает вам в адресной рассылке персонализированное предложение, включающее интересующие товары.

Удержание клиентов

Анализ Big Data направлен не только на новых посетителей торговой сети — оценивается и поведение покупателей, уже являющихся клиентами ритейлера. Так, рекомендуется регулярно изучать данные по истории покупок, посещаемости ресурса, обращая отдельное внимание на пользователей, давно на него не заходивших и ничего не покупавших. Эти действия помогут предотвратить отток клиентов. Например, мотивировать их на покупку, предложив персональную скидку или бонусные баллы за покупку определенных товаров.

Контроль и управление ценами

Проводя регулярный мониторинг цен конкурентов и сопоставляя эти данные со среднерыночными ценами и текущим прайс-листом, ритейлер может оперативно реагировать на рыночные тренды и ценовые изменения по любым категориям товаров. Поскольку объем данных по ценам громаден, а их сбор — алгоритмически нетривиальная задача, она требует вычислительных мощностей и затрат. Технология Big Data позволяет значительно оптимизировать стоимость и время работы с этой информацией, получая результат за меньшие деньги и короткий срок.

Увеличение упоминаемости

Открытая информация из социальных сетей помогает ритейлеру находить потенциальную аудиторию и делать персонализированные рекламные предложения. Так, технология Big Data позволяет выявить пользователей, проявляющих наибольшую активность в соцсетях. Вовлекая их в дискуссию и привлекая в свои сообщества, можно повысить упоминаемость бренда, сформировав персонализированное предложение с учетом информации об участнике социальной сети из его профиля.

---

Читайте также:
Как заставить клиентов покупать в вашем онлайн-магазине

---

Борьба с мошенничеством

С помощью Big Data ритейлер может оградить магазины от мошенничества со стороны персонала. Например, это самый простой и актуальный способ обнаружить продавцов, начисляющих баллы лояльности не клиентам, а на собственные карты. Посредством анализа данных выявляются аномалии подобных операций: если у некоторых продавцов, по сравнению с другими, их количество зашкаливает, значит ритейлеру следует обратить пристальное внимание на работу таких сотрудников. Это важно, поскольку при подобном виде мошенничества магазин теряет ощутимый процент от выручки. Со временем, схемы становятся всё более изощренными, как следствие анализ и выявление злоупотреблений персонала всё более сложным и требовательным к вычислительным ресурсам и первичным данным.

Прогноз выручки и трендов 

При помощи технологии Big Data легко анализировать тренды в разрезе товарных категорий и прогнозировать продажи, закупки и поставки в соответствии с различными факторами, способными влиять на спрос. Это делается на основе исторических данных: информация по продажам, остаткам, ценам, соотносится с экономической ситуацией в стране и мире, курсом валют и даже погодными условиями. 

Оптимизация расположения торговых точек

Мало просто закупать хороший товар и продавать его по выгодным ценам. Важно и расположение магазина: если арендовать помещение с плохой транспортной доступностью, количество покупателей уменьшится в разы. Негативно повлияет на выручку и решение открыть торговую точку рядом с крупным конкурентом. Избежать таких ошибок поможет анализ гео-данных. Это можно сделать при помощи температурной карты сотовых провайдеров, на которой показана активность передвижения жителей населенного пункта. Например, выявив активность в районе метро Электрозаводская в период с 09:00 до 19:00 домохозяек в возрасте от 30 до 50 лет, стоит задуматься об открытии в этом районе магазина.

Перечисленные задачи — далеко не все возможности, которые ритейлеру может предоставить технология Big Data. Подробный и планомерный анализ данных позволит вывести магазины розничной сети на новый уровень и обойти менее технологичных конкурентов, сделав шаг навстречу интересам, привычкам и потребностям покупателей.

Роман Зинченко, 

руководитель практики SAP группы компаний «Пилот»