0/5

Карты, лица и Wi-Fi: как работает персонализация в традиционной рознице

Карты, лица и Wi-Fi: как работает персонализация в традиционной рознице
время публикации: 11:30  10 июля 2017 года
Персонализация стала уже обязательным атрибутом интернет-торговли. Эффект в виде повышения конверсии и увеличения среднего чека говорит сам за себя. А как быть традиционной рознице? Хорошо было бы узнавать посетителя «с порога» и понимать, зачем он пришел и что предложить персонально ему. Посмотрим, какие технологии применимы к рознице.

Карты лояльности

Одно из решений работает давно и весьма успешно – это самые обыкновенные карты лояльности. Правда, привязанные к ним программы лояльности (накопительные или скидочные) сами по себе назвать персонализацией нельзя даже с натяжкой. Для действительно персонифицированных предложений требуются дополнительные решения, которые анализируют историю покупок каждого участника программы.

При этом карта – источник всей необходимой информации и о клиенте (если он правильно заполнил анкету для получения карты) и об истории его покупок.

Как только ритейлер начинает собирать и анализировать данные по каждой карте – частоту покупок, их состав, средний чек и многое другое – он может делать покупателю персональные предложения, причем не только на кассе, но и в SMS-сообщениях или email-рассылках. Персональные предложения оказываются намного полезнее бестолковых SMS «Мы дарим тысячу бонусов, которые сгорят через три дня» или «Два товара по цене одного только до послезавтра».

shutterstock_170039660.jpg

«Понятно, что идентификация покупателя – не самоцель, а лишь средство для того, чтобы, обратившись к нему по имени, сделать персональное предложение, – поясняет Дмитрий Зеленко, коммерческий директор компании «ЛАНИТ Омни». – Здесь вариантов великое множество: можно прямо в магазине направить ему SMS, можно напечатать предложение на чеке, можно напомнить о том, что он забыл что-то купить ближе к кассе. Ритейлеры выбирают разные варианты в зависимости от покупательских предпочтений своих клиентов. Главное – иметь инструмент, который сможет оперативно проанализировать состав покупки и предложить персональную рекомендацию. Таким инструментом и является сервис ClearFuture, разработанный компанией «ЛАНИТ Омни», в работе которого используется движок SAP KXEN.

Специалисты компании анализируют покупательскую историю каждого клиента компании, проводят глубинную сегментацию (кластеризацию) аудитории, и с помощью машинного интеллекта выстраивают модели рекомендаций для каждого покупателя по каждому товару из каталога магазина – естественно, с разной долей вероятности приобретения товара каждым покупателем. Маркетологам компании достаточно отфильтровать вероятность покупки, и можно отправлять персональное предложение, будучи уверенным, что оно окажется релевантным для клиента.

Сервис продемонстрировал свою работоспособность в таких сегментах, как продуктовый ритейл, детские товары, ювелирные изделия, фэшн-ритейл, DIY и других. Готовятся пилотные проекты в сегментах: БТиЭ, парфюмерия и косметика, обувь и аксессуары. Так как решение не очень затратное (пилот стоит от 200-300 тысяч рублей, ежемесячное обслуживание – от 100 тысяч рублей), сервис может быть востребован даже в небольших розничных сетях, которые не в состоянии содержать в штате команду высокооплачиваемых бизнес-аналитиков и специалистов по IT».

Плюсы: мы безошибочно узнаем покупателя, если он участник программы лояльности. При этом, совсем не обязательно иметь физическую, пластиковую карту магазина. Многие сети умеют определять покупателя по номеру телефона, или сохранять виртуальную карту в мобильном приложении.

Минусы: определить покупателя можно только по карте, в момент ее предъявления – на кассе. И Индивидуальные предложения – скидки, апсейлы и т.д. можно сделать только на кассе, а не в торговом зале.

Распознавание лиц

Разработчики предлагают традиционной рознице сразу несколько сценариев, связанных с распознаванием образов. Самый простой и логичный – распознавание шоп-лифтеров, ведение черных списков, предотвращение краж. Это особенно интересно сетевым магазинам, где инциденты участием одного и того же посетителя в разных магазинах можно легко предотвратить. Но эта история не совсем про персонализацию.

Персональные предложения начинаются тогда, когда мы связываем изображение человека и его историю покупок, посещений магазина. Здесь работают разные подходы.

«Самый простой способ – предложить ему сфотографироваться в момент выдачи карты лояльности и сохранить фото вместе с его телефоном, email и другой информацией, – поясняет Михаил Иванов, генеральный директор NtechLab. – Если посмотреть на технологию – дальше это фото загружается в базу данных, система его обрабатывает, строит вектор признаков и в дальнейшем только с этой величиной оперирует».

«Ритейлеры, которые внедряют нашу систему распознавания лиц, при выдаче VIP-клиентам карт будут их фотографировать (только с разрешения клиента), и таким образом будет набираться база фотографий, – уточняет Александр Ханин, генеральный директор VisionLabs. – Когда клиент будет распознан при очередном посещении магазина, на мониторе у менеджера отразятся те данные, которые клиент сам внес в анкету при получении карты и та фотография, которую сделали с его разрешения, а также история его покупок в этом магазине».

shutterstock_628758233.jpg

Что делать с теми, кто не оставил свою фотографию при получении карты лояльности? Такие посетители тоже заносятся в систему, и вся их история точно также сохраняется в базе.

«Если никакого лица в базе нет, то система собирает статистическую информацию – векторы данных для каждого посетителя хранятся обезличено, под каким-то внутренним идентификатором, – рассказывает Михаил Иванов. – И система может сказать, сколько раз каждый «неизвестный» покупатель приходил в магазин в определенный период времени.

Такого человека можно привязать к чеку. Технически – над кассой располагается еще одна камера, которая фиксирует покупателей у кассы. Таким образом, можно склеить информацию о покупке с информацией из видеоаналитики просто по времени. Чуть сложнее – интеграция камеры с кассовым софтом, но тогда информация будет сопоставляться автоматически».

Технически все выглядит очень здорово. Но пока не совсем понятно, как на такие вещи будут реагировать сами покупатели, и насколько законно сохранять информацию о человеке без его согласия. В интернете мы еще можем встретить разъяснения об использовании сайтом наших персональных данных. А в рознице, даже при заполнении анкеты на получение карты далеко не каждый продавец может внятно пояснить, как сеть будет распоряжаться ПДн покупателя.

Что уж говорить о потенциальной возможности связать изображение человека с историей его покупок, и даже с данными банковской карты, если человека идентифицировали на кассе в момент оплаты по безналу. А то и найти профиль покупателя в соцсети. Хотя, разработчики полагают, что ничего страшного в этом нет.

«В магазинах и торговых центрах висят предупреждающие таблички «Ведется видеонаблюдение». Возможно, при внедрении системы, понадобится также повесить предупреждение «установлена система распознавания лиц» или что-то в этом роде, – уточняет Александр Ханин. – Мы не берем данные из соцсетей, и соблюдаем интересы как ритейлера, так и клиента. Технологически сравнение с данными из соцсетей возможно, но мы соблюдаем закон и не работаем с этим кейсом».

«Это делается в интересах самого клиента. Фактически, мы даже храним не саму фотографию, а вектор признаков лица – некий набор чисел. Если я знаю, что этот посетитель регулярно делает покупки с большим чеком, я могу дать ему скидку без всяких карт лояльности, просто потому что он постоянный покупатель. Мы не собираемся ничего делать во вред человеку, – обещает Михаил Иванов. – Реально у оффлайнового бизнеса появилась возможность лучше работать с покупателем, быть более проактивным, лучше понимать его предпочтения, говорить ему «здравствуйте» не тогда, когда он карточку на кассе предъявил, а когда просто переступил порог магазина».

Несмотря на то, что распознавание образов работает неидеально (все 100% покупателей невозможно безошибочно идентифицировать), это решение в любом случае охватывает больше посетителей, чем карты лояльности.

shutterstock_227017651.jpg

«В условиях торгового центра и толпы входящих людей мы можем определить более 85% посетителей из входящего потока (распознавание на входе, в видеопотоке, некооперативный режим), – поясняет Александр Ханин. – Некооперативное распознавание – это когда человеку не нужно смотреть в камеру, чтобы быть распознанным, достаточно просто пройти мимо нее. Нераспознанные 15% включают в себя людей, которые прошли мимо камер с очень низко опущенной головой (смотрят в телефон), в шапке и шарфе на пол лица, в огромных темных солнечных очках. Если лицо хорошо видно, то распознаванию ничего не мешает, и система распознает всех посетителей, всегда находит постоянных посетителей в базе и заносит туда новых – распознает 99% лиц».

По мнению Михаила Иванова в разных сегментах ритейла востребованы разные решения. Например, в food-ритейле никакой работы с клиентом в торговом зале не ведется. Таким сетям скорее нужны аналитические данные по посетителям, демография, например; и ускорение программы лояльности на кассе.

Если говорить о non-food-ритейле, там важнее работа с посетителем в зале. Там нужны рекомендательные сервисы, счетчики и отсев шоп-лифтеров.

Плюсы: охват практически всех посетителей. Возможность узнать посетителя еще на пороге магазина.

Минусы: стоимость и сомнительные с точки зрения ПДн подходы к идентификации посетителя. Стоимость каждого проекта рассчитывается индивидуально, но она объективно выше внедрения обычных карт лояльности. Даже несмотря на возможность использования любого оборудования.

Распознавание по Wi-Fi

Это довольно новый подход. Ритейлеру необходимо установить в торговой точке Wi-F-передатчик, который будет фиксировать всех покупателей, у которых в данный момент на смартфоне работает автопоиск Wi-Fi-сетей. Затем информация о находящихся в зоне доступа покупателях передается ритейлеру, а он уже отправляет удобным ему способом информацию на смартфон покупателя.

Совсем недавно компания «Киниан» вместе с сетью магазинов «Перекресток» запустила пилотный проект: система узнает покупателей с порога и на основе истории покупок и статистики по посещениям магазина, присылает ему на смартфон персональные скидки и акции.

shutterstock_613237322.jpg

О принципах работы системы рассказывает основатель компании «Киниан», Александр Аникин:

«Для того, чтобы мы идентифицировали клиента, должно выполняться несколько условий:

1) Клиент должен хотя бы раз подключиться к местной Wi-Fi сети, где «живет» наша технология. Тогда наше оборудование запомнит этого человека и присвоит ему уникальный идентификатор Kinian ID.

2) Когда человек пришел в магазин в следующий раз, на телефоне клиента должен быть включен Wi-Fi, но непосредственного подключения уже не требуется – единожды подключившись к Wi-Fi, клиент будет на виден во всей этой сети. Киниан пошлет в базу магазина сигнал «появился такой-то клиент».

Далее наш партнер (всех наших клиентов мы называем партнерами, так как вместе создаем экосистему для персональной коммуникации между брендами и клиентами) на основании данных, которые оставил о себе покупатель, может создать персональное сообщение и выбрать канал, как это сообщение передать: через смс, SMS-уведомление, email, через сотрудника в магазине».

Важно отметить, что «Киниан» не владеет никакой персональной информацией о клиентах, не занимается отправкой сообщений и не владеет собственными каналами связи с посетителями – система лишь уведомляет сервер партнера о том, что определенный клиент появился в определенном месте, и с ним возможно начать общение.

«Киниан» не оставляет покупателей без предложений, даже если для них персональную акцию подобрать невозможно. «Мы мыслим категориями, что рынок должен развиваться в синергии компаний, уточняет Александр Аникин. – Если в данный момент времени у магазина нет конкретного предложения для своего клиента, он может через Kinian ID запросить информацию для других партнеров. Например, партнером ритейл-сети «АБВ» является банк «Омега». Пусть в этот раз у магазина нет персонального сообщения для посетителя, в таком случае клиент магазина может получить сообщение от банка: «Заплати картой банка «Омега» в сети «АБВ» и получи скидку 10%».

Подход, реализуемый «Киниан», интересен тем, что торговая сеть полностью монетизирует разворачиваемую wi-fi-инфраструктуру. «Мы хотим, чтобы магазины не тратили деньги на Wi FI, а разворачивали Wi Fi сети с целью заработать деньги», – уточняет Александр.

Затраты на внедрение технологии невелики: два человеко-дня на интеграцию с wi-fi оператором и единоразовая установка мониторящего устройства на вход (или в банкомат) стоимостью менее 10 тыс рублей.

Плюсы: относительно недорогое решение, возможность предоставления партнерских скидок

Минусы: ограниченный охват аудитории. Если у человека не включен Wi-FI, или он не подключится к Wi-Fi сети или не поставил приложение магазина, узнать его невозможно.

* * *

Вполне возможно, что скоро и оффлайн-ритейлеры научатся узнавать своих покупателей, анализировать историю их покупок и вовремя делать персонализированные предложения.  Вопрос  лишь в том,  насколько это понравится покупателям. 
Технологии  изучала
Мария Сысойкина
0
Реклама на New Retail. Медиакит