0/5

Как ритейлу добиваться лучших бизнес-результатов с помощью облаков? Кейсы «Леруа Мерлен», Декатлон и «М.Видео»

Как ритейлу добиваться лучших бизнес-результатов с помощью облаков? Кейсы «Леруа Мерлен», Декатлон и «М.Видео»
время публикации: 10:00  14 сентября 2020 года
Ритейл активно внедряет технологии, и все равно, – рынок торговли пока только в начале пути цифровизации. Какие технологии позволяют индустрии добиться лучших экономических результатов, и при чём здесь облачные сервисы?
Как ритейлу добиваться лучших бизнес-результатов с помощью облаков? Кейсы «Леруа Мерлен», Декатлон и «М.Видео»Ритейл – одна из самых динамичных отраслей, гибко и быстро реагирующая на любые движения рынка от изменения спроса на конкретной точке в торговом центре до глобальных кризисов. Пандемия еще сильнее ускорила реакцию: только на рынок онлайн-торговли этой весной вышли около 30 новых игроков, включая «Ашан» и «Мираторг».

Ритейл много инвестирует в технологии. Но если онлайн-ритейлеры рождались в сфере ИТ, то традиционный ритейл, долгое время существовавший как система складов и витрин, только начинает свою цифровизацию. 

Например, начали появляться сервисы, позволяющие оцифровать то, как ведут себя покупатели в офлайне: смотрят или примеряют товары. Благодаря этим сервисам сотрудники магазинов могут принимать решения, основываясь на данных, а не на собственном опыте или интуиции, как это было раньше. Практически любой процесс в ритейле сегодня можно оптимизировать с помощью ИТ. 

В этом материале я расскажу о технологиях, которые позволяют индустрии торговли добиться лучших экономических показателей, и при чем здесь облака.


Работа с большими данными

Если на заре развития больших данных к ним относились как «Все об этом говорят, но никто не знает, что это такое», то сегодня бизнес знает, что это такое, и, более того, активно применяет Big Data.

У ритейла, как онлайн, так и традиционного, есть много способов применения больших данных: это и маркетинг, и мерчандайзинг (описать десятки тысяч товаров быстрее и проще с помощью технологий машинного обучения, нежели ручным трудом), и прогноз остатков, и логистика, и рекомендательные системы для покупателей. 

Компания «Леруа Мерлен» обратила внимание на то, что сотрудники из разных подразделений обособленно строят предиктивные модели под свои задачи. Притом таких моделей, а соответственно и баз данных к ним, было уже более ста. Чтобы работа отдельных подразделений шла на благо сразу всей компании, было решено разработать  единую аналитическую платформу. В итоге все базы были централизованы в едином «озере данных». 

Сложность проекта состояла в том, что на старте нельзя было точно определить объем всех данных – сюда входит информация о товарах, покупателях, их потребительских корзинах и поведении на сайте. Чтобы не иметь проблем с масштабированием ресурсов и создать сразу работоспособный сервис, компания решила запустить пилот в облаке. В качестве облачного провайдера выступила компания Яндекс.Облако, в портфель сервисов которой включены различные инфраструктурные и платформенные ресурсы для быстрого масштабирования, и которая успешно сотрудничает с другими ритейлерами. 

Сейчас единая платформа управления данных «Леруа Мерлен» обслуживает сразу несколько направлений бизнеса. Например, прогнозирование остатков и заказ товаров на склад, или система рекомендаций, которая позволяет продавцу подсказать клиенту полезный товар.

Как ритейлу добиваться лучших бизнес-результатов с помощью облаков? Кейсы «Леруа Мерлен», Декатлон и «М.Видео»


Уберизация ритейла

Термин «уберизация» впервые появился в СМИ 6 лет назад и с тех пор не исчезал из деловой повестки. В свое время Uber начал революцию во взаимодействии между клиентом и исполнителем: заказчикам больше не нужно самим искать и проверять поставщиков услуг, исполнители могут оказывать свои услуги с меньшими издержками, а сам «убер» (сервис-маркетплейс, помогающий связать клиента и заказчика)  получает прибыль в виде процентов со сделок. Не обошел этот тренд и сферу ритейла. 

Российский пример – компания Decathlon («Декатлон»), которая вышла на рынок «убероподобных» онлайн-инструментов для клиентов и запустила сервис для поиска тренировок All Do Sport. Сервис умеет показывать ближайшие к вам спортивные студии (а во время карантина – онлайн-занятия), предлагать снаряжение для тренировок и дает возможность сразу его приобрести.

Компании необходимо было ускорить Time To Market, чтобы как можно быстрее проверить спрос на сервис. В случае использовании физического ЦОДа компании пришлось бы заказывать серверы и ждать их несколько месяцев, а затем тратить время на настройку архитектуры под нужды разработчиков. Чтобы не сталкиваться с такими временными затратами, компания выбрала для строительства и запуска продукта Яндекс.Облако. В случае доказанного спроса на All Do Sport компания должна была быть уверенной, что ИТ-ресурсы будут масштабироваться согласно росту запросов пользователей. 

Сложность проекта заключалась в том, что разработка и эксплуатация велись в разных средах. К тому же, по правилам компании, необходимо было разделять доступ на сетевом уровне и облачных платформах. С помощью Яндекс.Облака удалось обеспечить стабильную работу продукта и возможность управлять ресурсами в зависимости от уровня нагрузки. Так, сайт проекта может выдержать рост посещаемости в 10 раз без потерь в скорости работы. Во время режима самоизоляции «онлайн-спортзал» All Do Sport посетили более одного миллиона человек.




Читайте также: Как cloud-технологии помогают управлять ценами, ассортиментом и выстраивать эффективные маркетинговые стратегии




Голосовые роботы

Фраза «роботизация в ритейле» вызывает в голове образы компании Amazon, которая автоматизировала склады и доставку с помощью дронов-курьеров. Однако роботизация – это не только физические роботы, но и алгоритмы искусственного интеллекта (Robotic Process Automation, RPA). Частный пример RPA – голосовой искусственный интеллект. 

Представьте, что во время пандемии из-за режима самоизоляции поток ваших онлайн-покупателей вырос в 10 раз, причем клиенты звонят на горячую линию, чтобы что-то изменить в заказе или подтвердить адрес доставки. Голосовые помощники могут автоматизировать работу колл-центра: вместо операторов с покупателями общается робот. А магазину не нужно думать, где нанять в 10 раз больше операторов и как успеть обработать все звонки. 

Холдинг Alibaba обрабатывает 100% обращений пользователей с помощью AI. В России уже 61% крупных компаний используют голосовых ботов, в том числе половина всего крупного ритейла.

Недавно своего голосового бота запустила торговая сеть «Пятерочка». Робот-помощник «Юлия» умеет вести диалог, учитывая контекст разговора и выдерживая необходимые паузы. Основной сценарий «Юлии» – выяснить степень удовлетворенности покупателей, предлагая оценить сервис, товары, чистоту в магазинах и другое по десятибалльной шкале. Сегодня в сall-центр «Пятёрочки» поступает около 800 тысяч обращений в месяц, и 10% входящих звонков берет на себя «Юлия», разгружая операторов. 

Звонок, принятый роботом, стоит для компании в 12 раз дешевле, чем звонок, обработанный оператором. Причем клиент практически не способен отличить робота от живого оператора, благодаря технологиям глубокого машинного обучения, включающим транскрибацию и синтез речи. «Юлия» была создана при использовании уже готовой облачной технологии Yandex SpeechKit – этот продукт Яндекс.Облака позволяет быстро запускать сервисы, где нужны распознавание и синтез речи.

Как ритейлу добиваться лучших бизнес-результатов с помощью облаков? Кейсы «Леруа Мерлен», Декатлон и «М.Видео» 


Массовая аналитика для партнеров 

Предположим, ритейлер настроил сбор и обработку данных. Но как показывать эти данные партнерам и, тем более, как ими обмениваться? 

Традиционно игроки на рынке торговли работают с огромным количеством партнеров: от поставщиков до рекламных агентов. А у некоторых игроков – например, маркетплейсов – экономические результаты напрямую зависят от результатов поставщиков. Чтобы улучшать показатели партнеров, необходимо давать им  доступ к внутренним системам аналитики, но сама мысль о допуске посторонних во внутренний ИТ-периметр может внушать ужас. Что касается загрузки внешних данных – крупные компании не готовы открывать для этого каналы в ИТ-инфраструктуре, опять же из соображений безопасности.

Все данные – будь они из рекламных кабинетов, аналитики сайта или собственных API – можно сложить в сервис Яндекс.Облака под названием Clickhouse. Затем эти данные будут автоматически визуализироваться в DataLens – продукте для работы с данными. DataLens позволяет делать кастомные дашборды под потребности каждого партнера с ограниченным набором данных под каждого.

В системах Business Intelligence для крупных компаний лицензирование внешних пользователей обычно проходит сложно и дорого, особенно если их состав растет и часто меняется. DataLens, в свою очередь, берет оплату только за реальные сессии, а не количество пользователей.

Компания «Едадил», например, регулярно обновляет дашборды для производителей (Pepsico, Baltica, Splat) – это позволяет поставщикам запускать более успешные кампании, а значит, строить более крепкие отношения с сервисом «Едадил».


Быстрая проверка бизнес-гипотез

Технологии позволяют молниеносно собирать обратную связь от потребителей: по одному только поведению человека на сайте можно понять, нравится ему продукт или нет. Это позволяет компаниям экономить ресурсы: не инвестировать большие суммы в продукты до того как станет очевидно, что они принесут прибыль.

Но экономия связана не только с проверкой спроса. До бурного развития облачных сервисов, при разработке каждого прототипа для проверки гипотезы вам пришлось бы тратить время и ресурсы на подготовку инфраструктуры. Сегодня, с помощью SaaS и PaaS, команды могут сосредоточиться на конечной бизнес-задаче, не беспокоясь об архитектуре использованных платформ, виртуальных машинах и базах данных. 

У компании «М.Видео-Эльдорадо» есть свой Data Science центр, который постоянно запускает и тестирует решения для остального бизнеса: от работы с ассортиментом до коммуникаций с клиентами. Переезд инфраструктуры центра на Яндекс.Облако позволил за несколько месяцев увеличить количество одновременно запускаемых проектов в десять раз. 

В частности, команды могут гибко увеличивать и сокращать объемы ресурсов для машинного обучения, это дает возможность проводить около 100 экспериментов одновременно. Чем быстрее вы проверяете гипотезы – тем быстрее находите возможности для роста бизнеса.



Для ритейла облако значит гораздо больше, чем просто снижение стоимости вычислений и хранения данных. Все современные технологии можно внедрить быстрее и дешевле, если грамотно пользоваться облачными ресурсами. Компаниям остается расставить приоритеты и понять, какие технологии, проекты и эксперименты могут принести максимальную выгоду. 

Павел Голубин,
руководитель по работе с сектором retail и eCommerce Yandex.Cloud

для New Retail

0
Реклама на New Retail. Медиакит