ข้อมูลขนาดใหญ่ที่ให้บริการค้าปลีก

วิธีที่ผู้ค้าปลีกใช้ข้อมูลขนาดใหญ่เพื่อปรับปรุงการปรับให้เป็นส่วนตัวในสามประเด็นหลักสำหรับผู้ซื้อ – การจัดประเภท ข้อเสนอ และการจัดส่ง บอกเล่าใน Umbrella IT

ในช่วงปลายทศวรรษ 1990 ผู้ประกอบการจากทุกสาขาอาชีพได้ตระหนักว่าข้อมูลเป็นทรัพยากรอันมีค่า ซึ่งหากใช้อย่างเหมาะสม อาจกลายเป็นเครื่องมือที่ทรงอิทธิพลได้ ปัญหาคือปริมาณข้อมูลเพิ่มขึ้นอย่างทวีคูณ และวิธีการประมวลผลและวิเคราะห์ข้อมูลที่มีอยู่ในขณะนั้นไม่มีประสิทธิภาพเพียงพอ

ในช่วงปี 2000 เทคโนโลยีก้าวกระโดดควอนตัม โซลูชันที่ปรับขนาดได้ปรากฏขึ้นในตลาดที่สามารถประมวลผลข้อมูลที่ไม่มีโครงสร้าง รับมือกับปริมาณงานสูง สร้างการเชื่อมต่อเชิงตรรกะ และแปลข้อมูลที่วุ่นวายเป็นรูปแบบที่ตีความได้ซึ่งบุคคลสามารถเข้าใจได้

วันนี้ ข้อมูลขนาดใหญ่รวมอยู่ในหนึ่งในเก้าด้านของโปรแกรมเศรษฐกิจดิจิทัลของสหพันธรัฐรัสเซีย ซึ่งครองตำแหน่งสูงสุดในการจัดอันดับและรายการค่าใช้จ่ายของบริษัทต่างๆ การลงทุนที่ใหญ่ที่สุดในเทคโนโลยีข้อมูลขนาดใหญ่ดำเนินการโดยบริษัทต่างๆ จากภาคการค้า การเงิน และโทรคมนาคม

ในอีก 10-20 ปีข้างหน้า ข้อมูลขนาดใหญ่จะกลายเป็นวิธีหลักในการทำให้เป็นทุน และจะมีบทบาทในสังคมเทียบเท่ากับอุตสาหกรรมพลังงาน นักวิเคราะห์กล่าว

นักช้อปในปัจจุบันไม่ใช่นักสถิติจำนวนมากอีกต่อไป แต่เป็นบุคคลที่มีคุณลักษณะและความต้องการเฉพาะตัวที่ชัดเจน พวกเขาเลือกและจะเปลี่ยนไปใช้แบรนด์ของคู่แข่งโดยไม่เสียใจหากข้อเสนอของพวกเขาดูน่าสนใจกว่า นั่นคือเหตุผลที่ผู้ค้าปลีกใช้ข้อมูลขนาดใหญ่ ซึ่งช่วยให้พวกเขาสามารถโต้ตอบกับลูกค้าได้อย่างตรงเป้าหมายและแม่นยำ โดยเน้นที่หลักการของ “ผู้บริโภคที่ไม่เหมือนใคร – บริการที่ไม่เหมือนใคร”

1. การแบ่งประเภทส่วนบุคคลและการใช้พื้นที่อย่างมีประสิทธิภาพ

ในกรณีส่วนใหญ่ การตัดสินใจขั้นสุดท้าย "ซื้อหรือไม่ซื้อ" จะเกิดขึ้นในร้านใกล้กับชั้นวางสินค้า ตามสถิติของ Nielsen ผู้ซื้อใช้เวลาเพียง 15 วินาทีในการค้นหาผลิตภัณฑ์ที่เหมาะสมบนชั้นวาง ซึ่งหมายความว่าเป็นสิ่งสำคัญมากสำหรับธุรกิจในการจัดหาสินค้าที่เหมาะสมที่สุดให้กับร้านค้าเฉพาะและนำเสนออย่างถูกต้อง เพื่อให้การแบ่งประเภทตอบสนองความต้องการและการแสดงผลเพื่อส่งเสริมการขาย จำเป็นต้องศึกษาประเภทต่างๆ ของข้อมูลขนาดใหญ่:

• ข้อมูลประชากรในท้องถิ่น
• ความสามารถในการละลาย,
• ซื้อการรับรู้
• การซื้อโปรแกรมความภักดีและอื่น ๆ อีกมากมาย

ตัวอย่างเช่น การประเมินความถี่ของการซื้อสินค้าบางประเภทและการวัด "ความสามารถในการเปลี่ยน" ของผู้ซื้อจากผลิตภัณฑ์หนึ่งไปยังอีกผลิตภัณฑ์หนึ่งจะช่วยให้เข้าใจได้ทันทีว่าสินค้าชนิดใดขายดีกว่า ซึ่งมีความซ้ำซ้อน ดังนั้นจึงควรกระจายเงินสดอย่างมีเหตุผลมากขึ้น ทรัพยากรและวางแผนพื้นที่จัดเก็บ

ทิศทางที่แยกจากกันในการพัฒนาโซลูชันตามข้อมูลขนาดใหญ่คือการใช้พื้นที่อย่างมีประสิทธิภาพ เป็นข้อมูล ไม่ใช่สัญชาตญาณ ที่ตอนนี้ผู้ค้าพึ่งพาเมื่อจัดวางสินค้า

ในไฮเปอร์มาร์เก็ต X5 Retail Group เค้าโครงผลิตภัณฑ์จะถูกสร้างขึ้นโดยอัตโนมัติ โดยคำนึงถึงคุณสมบัติของอุปกรณ์ค้าปลีก ความชอบของลูกค้า ข้อมูลเกี่ยวกับประวัติการขายสินค้าบางประเภท และปัจจัยอื่นๆ

ในขณะเดียวกัน ความถูกต้องของการจัดวางและจำนวนสินค้าบนชั้นวางจะได้รับการตรวจสอบตามเวลาจริง: การวิเคราะห์วิดีโอและเทคโนโลยีการมองเห็นด้วยคอมพิวเตอร์จะวิเคราะห์สตรีมวิดีโอที่มาจากกล้องและเน้นเหตุการณ์ตามพารามิเตอร์ที่ระบุ ตัวอย่างเช่น พนักงานร้านจะได้รับสัญญาณว่าขวดถั่วกระป๋องอยู่ผิดที่ หรือนมข้นหวานหมดบนชั้นวาง

2. ข้อเสนอส่วนบุคคล

การปรับเปลี่ยนให้เหมาะกับผู้บริโภคเป็นสิ่งสำคัญอันดับแรก: จากการวิจัยของ Edelman และ Accenture พบว่า 80% ของผู้ซื้อมีแนวโน้มที่จะซื้อผลิตภัณฑ์หากผู้ค้าปลีกเสนอข้อเสนอพิเศษเฉพาะบุคคลหรือให้ส่วนลด ยิ่งไปกว่านั้น 48% ของผู้ตอบแบบสอบถามไม่ลังเลที่จะไปหาคู่แข่งหากคำแนะนำผลิตภัณฑ์ไม่ถูกต้องและไม่ตรงกับความต้องการ

เพื่อตอบสนองความคาดหวังของลูกค้า ผู้ค้าปลีกกำลังใช้งานโซลูชันไอทีและเครื่องมือวิเคราะห์ที่รวบรวม จัดโครงสร้าง และวิเคราะห์ข้อมูลลูกค้าอย่างแข็งขันเพื่อช่วยให้เข้าใจผู้บริโภคและนำปฏิสัมพันธ์มาสู่ระดับส่วนบุคคล หนึ่งในรูปแบบที่เป็นที่นิยมในหมู่ผู้ซื้อ – ส่วนของคำแนะนำผลิตภัณฑ์ “คุณอาจสนใจ” และ “ซื้อพร้อมกับผลิตภัณฑ์นี้” – จัดทำขึ้นจากการวิเคราะห์การซื้อและความชอบที่ผ่านมา

Amazon สร้างคำแนะนำเหล่านี้โดยใช้อัลกอริธึมการกรองร่วมกัน (วิธีการแนะนำที่ใช้การตั้งค่าที่ทราบแล้วของกลุ่มผู้ใช้เพื่อทำนายการตั้งค่าที่ไม่รู้จักของผู้ใช้รายอื่น) ตัวแทนของบริษัทกล่าวว่า 30% ของยอดขายทั้งหมดมาจากระบบผู้แนะนำของ Amazon

3. การจัดส่งส่วนบุคคล

สิ่งสำคัญสำหรับผู้ซื้อยุคใหม่คือการได้รับสินค้าที่ต้องการอย่างรวดเร็ว ไม่ว่าจะเป็นการส่งคำสั่งซื้อจากร้านค้าออนไลน์หรือการมาถึงของสินค้าที่ต้องการบนชั้นวางในซุปเปอร์มาร์เก็ต แต่ความเร็วอย่างเดียวไม่เพียงพอ ทุกวันนี้ ทุกอย่างถูกจัดส่งอย่างรวดเร็ว วิธีการของแต่ละคนก็มีค่าเช่นกัน

ผู้ค้าปลีกและผู้ให้บริการขนส่งรายใหญ่ส่วนใหญ่มียานพาหนะที่ติดตั้งเซ็นเซอร์และแท็ก RFID จำนวนมาก (ใช้เพื่อระบุและติดตามสินค้า) ซึ่งได้รับข้อมูลจำนวนมาก: ข้อมูลเกี่ยวกับตำแหน่งปัจจุบัน ขนาดและน้ำหนักของสินค้า การจราจรติดขัด สภาพอากาศ และแม้กระทั่งพฤติกรรมของคนขับ

การวิเคราะห์ข้อมูลนี้ไม่เพียงแต่ช่วยสร้างเส้นทางที่ประหยัดที่สุดและรวดเร็วที่สุดในแบบเรียลไทม์เท่านั้น แต่ยังช่วยให้มั่นใจได้ถึงความโปร่งใสของกระบวนการจัดส่งสำหรับผู้ซื้อที่มีโอกาสติดตามความคืบหน้าของคำสั่งซื้อของพวกเขา

การปรับเปลี่ยนการจัดส่งให้เหมาะกับแต่ละบุคคลเป็นปัจจัยสำคัญสำหรับผู้ซื้อในขั้นตอน "ไมล์สุดท้าย" ผู้ค้าปลีกที่รวมข้อมูลลูกค้าและลอจิสติกส์ในขั้นตอนการตัดสินใจเชิงกลยุทธ์จะสามารถเสนอให้ลูกค้ารับสินค้าได้ทันทีจากจุดที่มีปัญหา ซึ่งจะเป็นการจัดส่งที่รวดเร็วและถูกที่สุด ข้อเสนอในการรับสินค้าในวันเดียวกันหรือวันถัดไปพร้อมกับส่วนลดในการจัดส่งจะกระตุ้นให้ลูกค้าไปยังอีกฝั่งของเมือง

เช่นเคย Amazon นำหน้าคู่แข่งด้วยการจดสิทธิบัตรเทคโนโลยีลอจิสติกส์เชิงคาดการณ์ที่ขับเคลื่อนโดยการวิเคราะห์เชิงคาดการณ์ สิ่งสำคัญที่สุดคือผู้ค้าปลีกรวบรวมข้อมูล:

• เกี่ยวกับการซื้อที่ผ่านมาของผู้ใช้
• เกี่ยวกับสินค้าที่เพิ่มลงในรถเข็น
• เกี่ยวกับสินค้าที่เพิ่มในรายการสิ่งที่อยากได้
• เกี่ยวกับการเคลื่อนไหวของเคอร์เซอร์

อัลกอริทึมการเรียนรู้ของเครื่องจะวิเคราะห์ข้อมูลนี้และคาดการณ์ว่าลูกค้ามีแนวโน้มที่จะซื้อผลิตภัณฑ์ใดมากที่สุด จากนั้นสินค้าจะถูกจัดส่งผ่านการขนส่งแบบมาตรฐานที่ถูกกว่าไปยังศูนย์กลางการจัดส่งที่ใกล้กับผู้ใช้มากที่สุด

ผู้ซื้อยุคใหม่พร้อมที่จะจ่ายสำหรับวิธีการแบบรายบุคคลและประสบการณ์ที่ไม่เหมือนใครเป็นสองเท่า – ด้วยเงินและข้อมูล การให้บริการในระดับที่เหมาะสมโดยคำนึงถึงความชอบส่วนบุคคลของลูกค้าเป็นไปได้ด้วยความช่วยเหลือของข้อมูลขนาดใหญ่เท่านั้น ในขณะที่ผู้นำในอุตสาหกรรมกำลังสร้างหน่วยโครงสร้างทั้งหมดเพื่อทำงานร่วมกับโครงการในด้านข้อมูลขนาดใหญ่ ธุรกิจขนาดเล็กและขนาดกลางกำลังเดิมพันกับโซลูชันแบบกล่อง แต่เป้าหมายร่วมกันคือการสร้างโปรไฟล์ผู้บริโภคที่ถูกต้อง เข้าใจความเจ็บปวดของผู้บริโภค และระบุตัวกระตุ้นที่ส่งผลต่อการตัดสินใจซื้อ เน้นรายการซื้อ และสร้างบริการส่วนบุคคลที่ครอบคลุมซึ่งจะกระตุ้นให้เกิดการซื้อมากขึ้นเรื่อยๆ