0/5

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина

Видеоаналитика  и  товарные чеки - новый подход к контролю над ассортиментом магазина
время публикации: 10:00  08 августа 2019 года
Какие товары важны в ассортиментной матрице, а какие нет? Важнейший вопрос, который вызывает затруднение у многих ритейлеров. Дать четкий ответ на него и оперативно вносить изменения в ассортимент поможет видеоаналитика, интегрированная с данными о товарных чеках.

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина
На фото: Алексей Осипов, директор по развитию компании CVizi

Видеоаналитика  – это анализ видеопотока с камер. Алгоритмы ищут нужные события в кадре, фиксируют их в удобном пользовательском интерфейсе в виде наглядных дашбордов с обязательным фотоподтверждением. 

Однако  бизнесу как всегда нужно целостное решение, когда он сможет в едином окне видеть и делать аргументированные выводы. 

Как можно использовать данные компьютерного зрения в бизнесе отдельно и совместно с учетными данными в ИС заказчика. Например, данными о товарных чеках, взятыми из 1С. Размер бизнеса значения не имеет – это может быть магазин у дома, бутик в торговом центре или крупный сетевой магазин.


Традиционный подход к анализу товаров

Для оптимизации продаж магазина бизнес всегда должен держать руку на пульсе и постоянно контролировать присутствие в ассортиментной матрице тех или иных товаров. То есть ответ на вопрос «Какие товары важны в данный момент или в перспективе для бизнеса, а какие не важны?» не должен вызывать затруднений.
Если товаров в продуктовой линейке много, то обычно используют ABC и XYZ анализ.

Буквально пару абзацев про них, чтобы общаться в единых терминах.

ABC анализ отвечает на вопрос, какие товары или группы товаров вносят самый ощутимый вклад в продажи. Тут почти всегда действуют правило Парето – 20% товаров и услуг дают 80% выручки. Это получается группа «А», а остальные 80% ассортимента дают лишь 20% выручки и делятся на группы «B» и «С». Цифры 20% и 80% - условные. Отклонения могут быть, но порядок тот же.

Итого:

  • А — самые ценные товары (20% ассортимента; 80% продаж);
  • В — промежуточные товары (30% ассортимента; 15% продаж).
  • С — менее ценные товары (50% ассортимента; 5% продаж).

XYZ анализ отвечает на вопрос какие товары пользуются самым большим спросом. Для того чтобы разбить ассортимент на категории используется коэффициент вариации продаж, который помогает оценить характер спроса, его стабильность и прогнозируемость. 

  • X – товары с высоким и устойчивым спросом
  • Y – товары с изменчивым спросом (сезонность, акции, дефицит)
  • Z – товары с нерегулярным потреблением, точность прогноза низкая

Производя кросс-анализ ABC + XYZ, можно создать стратегию продвижения определенных товаров и можно разработать рекомендации для работы с товарами каждой категории.

Основная проблема, по которой бывает тяжело принять решение – это правильное и аргументированное сокращение или изменение ассортиментной матрицы:

  • Категории товаров, которые достаточно важные (с точки зрения вклада в выручку ABC анализ), но с нестабильным спросом (XYZ анализ)
  • Категории с товарами с низким спросом и с низкими продажами.
 
Кроме этого есть еще проблема прогнозирования продаж в других магазинах. Почему в этом магазине сети товар Х продается на ура, а в соседнем микрорайоне вообще никак? Можно это было спрогнозировать? Может быть нужно сначала было создать спрос на определенные товары, а не терпеть убытки? А может быть эти товары изначально здесь не имели шансов на хорошие продажи?

Под видеоаналитикой в данной статье будем понимать анализ покупателей, полученный при помощи видеокамер, с точки зрения их трафика, демографии и эмоционального фона.

Давайте посмотрим, как более глубокое знание об аудитории магазина позволит тонко управлять ассортиментом.




Читайте также: Улыбнитесь! Вас снимает биометрическая камера




Анализ покупательского трафика

Для анализа покупательского трафика мы будем исследовать следующие метрики

1) Внешняя конверсия

Показывает отношение количества прошедших около входа людей к количеству вошедших внутрь магазина.

2) Внутренняя конверсия

Показывает отношения количества вошедших людей к количеству тех, кто дошел до кассы и совершил покупку (или количеству чеков).

3) Демография
 
Показывает пол и возраст посетителей и покупателей.

4) Эмоции

Показывает эмоциональный фон посетителей и покупателей.

Использовать их можно как по отдельности, так и в комплексе. Каждая из этих метрик – это элемент паззла, который вносит свой вклад в маркетинговую стратегию магазина.
 
Технически для сбора этих данных используется сервис, состоящий из IP-камер, миниатюрных вычислительных устройства S-Box и пользовательской части на web-портале. Он достаточно легко и быстро устанавливается на объекте в нужном количестве и уже через считанные часы начинает собирать данные, которые будут доступны на портале и готовы для импорта.


Внешняя конверсия

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина

Сам показатель говорит о том, насколько ваш магазин привлекателен для прохожих. Чтобы собрать данные по одному входу нужно две камеры – одна считает проходящих людей, другая – входящих внутрь.

Получаемые данные

  • Количество вошедших за искомый период времени
  • Количество прошедших за искомый период времени
  • Конверсия = Qвошедших/Qпрошедших

Так это выглядит в web-интерфейсе 

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина


Как это использовать?

Внешняя конверсия – это самый верхний уровень воронки продаж и оценивает, в первую очередь, привлекательность магазина во вполне конкретный период. Имея оперативные данные о внешней конверсии можно:

  • Быстро проверять маркетинговые гипотезы и управлять рекламными компаниями: изменили витрину, изменили вывеску, установили баннер, провели промоакцию и т.д. Выхлоп увидите очень быстро. Здесь даже не нужен анализ продаж, глубины чека и т.п.

  • Принимать решение о перспективности локации определенного магазина. Особенно, если есть возможность сравнить с аналогичным магазином в другом месте.


Внутренняя конверсия

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина

Для ее получения используется интеграция двух систем: счетчиков людей и кассовой программы. Это отношение количества кассовых чеков к количеству зашедших людей. 

Для анализа достаточно иметь:

  • Количество вошедших за искомый период времени (из нашего сервиса)
  • Количество кассовых чеков (из кассовой системы)
 
Что с этим делать, как использовать?

Если магазин сетевой, то идеально сравнивать данные по нескольким однотипным магазинам.

Для повышения внутренней конверсии компьютерное зрение сможет помочь отследить следующие метрики и получить причинно-следственную связь от управленческих действий:
- Мониторинг присутствия на рабочем месте персонала (продавцы, менеджеры, охрана).
- Динамику изменения входного потока, после изменений в магазине (оформление, реклама, рассылки и т.п.).
- Длину очередей на кассах.
- Проходимость отдельных зон/стеллажей и т.д.
Возьмем для примера некий товар, который всегда пользуется спросом и достаточно маржинальный (категория X по XYZ-анализу+ категория A по ABC-анализу). Т.е. всегда нужно обеспечивать наличие таких товаров. Пусть это будет абстрактное Молоко

На диаграмме ниже представлено распределение остатков молока в зале плюс распределение входящего потока в течение двух вечерних часов. 

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина

Оранжевым маркером я выделил область, когда пошла первая волна вечерних покупателей. Остатков молока в этот момент было вроде бы достаточно. Снижались остатки достаточно равномерно. Но волну никто не учёл! И к 18:50 молока на полке уже не было. А точнее его не было раньше, т.к. остатки считаются по кассовой программе, а человеку нужно время, чтобы дойти от полки до кассы. А вот если бы менеджеры увидели волну, то могли бы сыграть на опережение и не допустить OutOfShelf. Полчаса пустой полки для товара категории AX – это очень много!


Демография 

Пол и возраст покупателей – метрики обязательные в маркетинговом анализе и часто используются в ритейле. Умные камеры умеют определять пол и возраст каждого вошедшего посетителя магазина.

Что с этим делать, как использовать?

Однако, данные о поле и возрасте покупателей – это безусловно полезно, но этого недостаточно, если информация оторвана от основного бизнес процесса – продаж конкретных товаров или услуг. Предлагаю разобрать два примера с использованием демографических данных в анализе продаж.

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина Для того чтобы получить демографические данные посетителей магазина нужна камера на каждом входе магазина. В момент входа камера будет фиксировать лица входящих людей с возможностью НЕ учитывать в статистике сотрудников.

Для того чтобы получить демографические данные покупателей магазина, нужны камеры на каждой кассе, которые в момент покупки будут фиксировать лица покупателей.

Для того чтобы совместить данные по продажам с персонами, нужна интеграция с кассовой программой, чтобы получить связку «Чек – Товар – Лицо».

Кейс 1. Анализ низких или нестабильных показателей продаж

Предположим, что магазин провел кросс-анализ ассортимента на базе ABC- и XYZ- анализа и выделил товары или группы товаров, по которым есть проблемы и вопросы. Это желтая (AZ) и красная (CZ) категории товаров. 

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина

- Отказываться от товаров CZ в полу других или нет?
- На какую аудиторию запускать рекламу для товаров категории AZ и запускать ли?
Такой анализ – дело очень кропотливое, требующее большого внимания. Используется многомерный анализ ABC, где параметров будет больше одного (кроме объема продаж). И вот таким дополнительными параметрами мы предлагаем ввести демографию покупателей.

Т.е. каждый товар из категорий AZ и CZ следует проанализировать с точки зрения покупательской способности разными возрастными и гендерными группами покупателей.

Например, мы знаем пол и возраст всех покупателей своего магазина за период один месяц. А также знаем пол и возраст каждого покупателя, купившего товары из категории AZ и CZ.

По каждому товару или группе товаров мы должны получить картину вклада в их покупку той или иной половозрастной группы. Возьмем некий «Товар 1» и построим для него ABC анализ по демографическим группам

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина


Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина

     
У товара 1 есть ярко выраженная аудитория в виде мужчин и женщин 50+. Соответственно, если товар 1 относится к категории AZ, то понятно на кого таргетировать рекламу (группа “А” в таблице) и кому он совсем не интересен (группа “C” и часть группы “B”).

Если же товар 1 относится к категории CZ и решается вопрос о его присутствии в ассортиментной матрице, то нужно понимать какой есть потенциал у аудитории магазина в целом для покупки товара 1, а также какая у него оборачиваемость и можно ли высвободить деньги на его закупку в пользу более ликвидных товаров. Про оборачиваемость товара – это не в рамках этой статьи, а про потенциал аудитории магазина, чтобы не повторяться, см. в следующем кейсе.

Кейс 2. Предиктивный анализ продаж новых товаров

Предположим, имеется сеть супермаркетов около дома. Мы провели стимулирующую акцию линейки новых товаров в нескольких магазинах. В каких-то продажи новых товаров пошли хорошо, а в каких-то нет. В каких магазинах стоят еще попробовать новую линейку товаров?

Выберем магазин или магазины («Магазин 1»), где новые товары показали хорошие результаты за 1 месяц и перешли из категории CZ (красная) хотя бы в категорию BZ (серая) или выше.

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина


Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина

       
Если эти данные по продажам новых товаров собраны за релевантный период, допустим, хотя бы один-два месяца, то с большой долей вероятности можно предположить, что в других магазинах новые товары точно будут покупать:

- Женщины 25…35 лет (группа А)
- Мужчины 35…50 лет (группа А)
- Женщины 35…50 лет (группа А)
- Мужчины 50+ лет (группа А)
- Женщины 50+ лет (группа А)

Вероятно, эти товары могут заинтересовать группы:

- Мужчины 25…35 лет (группа B)
- Женщины 18…25 лет (группа B)

И, очевидно, детям и мужчинам 18…25 лет (группа C) эти товары малоинтересны и на них не стоит рассчитывать.

Возьмем новый магазин (условно «Магазин 2»), где еще новых товаров не продавали, но показатели магазина схожие: людские потоки, чеки, локация. Как спрогнозировать продажу новой линейки товаров в других магазинах, зная его демографию?

Для этого нужно собрать статистику по демографии посетителей (даже не покупателей) и сравнить с картиной в Магазине 1.

Чтобы понять аудиторию магазина у дома достаточно одной недели и камеры на входе в магазин. Можно использовать камеры на кассе, как в магазине 1, но не все посетители доходят до кассы, а нам важен именно потенциал магазина.

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина

 
В магазине 2 среди посетителей характерно доминируют женщины и мужчины 25…35 лет и 35…50 лет. Получается, что мы имеем достаточно много пересечений по группам A из одного и другого магазинов, а также есть еще запас по группам B. 

Таким образом, с очень большой долей вероятности в Магазине 2 линейку новых товаров можно рекомендовать в продажу.

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина

 
Эмоции покупателей

Эмоции посетителей, собираемые в автоматическом режиме, для ритейла – это совершенно новая метрика. Чтобы было понятно, видеоаналитика распознает в человеке восемь эмоций на лице. Вот они: гнев, презрение, отвращение, страх, счастье, печаль, удивление и нейтральность. Эмоции можно сгруппировать в позитивные, негативные и нейтральность и распределить по времени.

Видеоаналитика и товарные чеки - новый подход к контролю над ассортиментом магазина
 
Собирать эмоции можно в совершенно разных точках магазина: вход, выход, касса, прилавок. Можно сравнивать эмоции между людьми, между зонами контроля, магазинами и т.д. 


Резюме

Анализ трафика покупателей, включая знание о количестве, изменении во времени, поле и возрасте – это один из краеугольных камней маркетинга. Если держать руку на пульсе, то проверка любых маркетинговых гипотез будет занимать единицы дней. Те примеры, что я описал – это дополнительный пласт знаний, дополнение к существующим инструментам, которые призваны помочь и облегчить анализ продаж и выработать правильное управленческое решение.

Я уверен на 100%, что ни в каком магазине подобного анализа не проводили, потому что, во-первых, никто не знал, что так можно. А, во-вторых, такой информации просто нет у бизнеса. Есть догадки, социологические опросы и исследования, есть данные об использовании карт лояльности. А информация по полу, возрасту, количеству повторных визитов, длительности визита/обслуживания, знаний о связки Покупатель – Товар – для многих это что-то недосягаемое. К сожалению, это тот пласт данных, которого раньше просто не было и готовность бизнеса к ним крайне низка. Поэтому пока что видеоаналитика – явление не повседневное. 

На самом деле, чтобы получить подобную статистику потребуется очень кропотливый труд. Работы хватит и ИТ-службе и маркетингу и коммерции. Данные от двух систем нужно правильно сводить, интерпретировать и принимать управленческие решения. Возможно, не сразу бизнес найдет правильный алгоритм трактовки и использования этих данных, но в отличие от конкурентов они у него будут. И через год он 100% получит сильнейшее конкурентное преимущество, т.к. другие только начнут их собирать. А выиграет тот, кто первый успеет адаптироваться к новым требованиям и запросам рынка! 

Алексей Осипов, 
Директор по развитию компании CVizi


0
Реклама на New Retail. Медиакит