Cómo los minoristas usan big data para mejorar la personalización en tres aspectos clave para el comprador: surtido, oferta y entrega, explicados en Umbrella IT
Big data es el nuevo petróleo
A fines de la década de 1990, los empresarios de todos los ámbitos de la vida se dieron cuenta de que los datos son un recurso valioso que, si se usa correctamente, puede convertirse en una poderosa herramienta de influencia. El problema era que el volumen de datos aumentaba exponencialmente y los métodos de procesamiento y análisis de la información que existían en ese momento no eran lo suficientemente efectivos.
En la década de 2000, la tecnología dio un salto cuántico. Han aparecido soluciones escalables en el mercado que pueden procesar información no estructurada, hacer frente a grandes cargas de trabajo, construir conexiones lógicas y traducir datos caóticos a un formato interpretable que puede ser entendido por una persona.
Hoy en día, el big data está incluido en una de las nueve áreas del programa de Economía Digital de la Federación Rusa, ocupando los primeros lugares en las calificaciones y artículos de gasto de las empresas. Las mayores inversiones en tecnologías de big data las realizan empresas de los sectores comercial, financiero y de telecomunicaciones.
Según varias estimaciones, el volumen actual del mercado ruso de big data es de 10 mil millones a 30 mil millones de rublos. Según las previsiones de la Asociación de Participantes del Mercado de Big Data, para 2024 alcanzará los 300 mil millones de rublos.
En 10 a 20 años, los grandes datos se convertirán en el principal medio de capitalización y desempeñarán un papel en la sociedad comparable en importancia a la industria energética, dicen los analistas.
Fórmulas de éxito minorista
Los compradores de hoy ya no son una masa sin rostro de estadísticas, sino individuos bien definidos con características y necesidades únicas. Son selectivos y cambiarán a la marca de un competidor sin arrepentirse si su oferta parece más atractiva. Es por eso que los minoristas utilizan big data, lo que les permite interactuar con los clientes de manera específica y precisa, centrándose en el principio de "un consumidor único, un servicio único".
1. Surtido personalizado y uso eficiente del espacio
En la mayoría de los casos, la decisión final de "comprar o no comprar" ya se toma en la tienda cerca del estante con productos. Según las estadísticas de Nielsen, el comprador dedica solo 15 segundos a buscar el producto adecuado en el estante. Esto significa que es muy importante para una empresa suministrar el surtido óptimo a una tienda en particular y presentarlo correctamente. Para que el surtido satisfaga la demanda y la exhibición promueva las ventas, es necesario estudiar diferentes categorías de big data:
- demografía local,
- solvencia,
- percepción de compra,
- compras del programa de fidelización y mucho más.
Por ejemplo, evaluar la frecuencia de compras de una determinada categoría de bienes y medir la "capacidad de cambio" de un comprador de un producto a otro ayudará a comprender de inmediato qué artículo se vende mejor, cuál es redundante y, por lo tanto, redistribuir el efectivo de manera más racional. recursos y planifique el espacio de la tienda.
Una dirección separada en el desarrollo de soluciones basadas en big data es el uso eficiente del espacio. Son los datos, y no la intuición, en los que ahora confían los comerciantes cuando presentan los productos.
En los hipermercados de X5 Retail Group, los diseños de productos se generan automáticamente, teniendo en cuenta las propiedades de los equipos minoristas, las preferencias de los clientes, los datos sobre el historial de ventas de ciertas categorías de productos y otros factores.
Al mismo tiempo, la corrección del diseño y la cantidad de productos en el estante se controlan en tiempo real: el análisis de video y las tecnologías de visión por computadora analizan la transmisión de video proveniente de las cámaras y resaltan los eventos de acuerdo con los parámetros especificados. Por ejemplo, los empleados de la tienda recibirán una señal de que los frascos de guisantes enlatados están en el lugar equivocado o que se acabó la leche condensada en los estantes.
2. Oferta personalizada
La personalización de los consumidores es una prioridad: según una investigación de Edelman y Accenture, es más probable que el 80 % de los compradores compren un producto si un minorista hace una oferta personalizada o hace un descuento; además, el 48% de los encuestados no duda en acudir a la competencia si las recomendaciones de productos no son precisas y no satisfacen las necesidades.
Para cumplir con las expectativas de los clientes, los minoristas están implementando activamente soluciones de TI y herramientas de análisis que recopilan, estructuran y analizan los datos de los clientes para ayudar a comprender al consumidor y llevar la interacción a un nivel personal. Uno de los formatos populares entre los compradores, la sección de recomendaciones de productos “te puede interesar” y “compra con este producto”, también se forma a partir del análisis de compras pasadas y preferencias.
Amazon genera estas recomendaciones utilizando algoritmos de filtrado colaborativo (un método de recomendación que utiliza las preferencias conocidas de un grupo de usuarios para predecir las preferencias desconocidas de otro usuario). Según representantes de la empresa, el 30% de todas las ventas se deben al sistema de recomendación de Amazon.
3. Entrega personalizada
Para un comprador moderno es importante recibir rápidamente el producto deseado, independientemente de si se trata de la entrega de un pedido de una tienda en línea o de la llegada de los productos deseados a los estantes del supermercado. Pero la velocidad por sí sola no es suficiente: hoy todo se entrega rápidamente. El enfoque individual también es valioso.
La mayoría de los grandes minoristas y transportistas tienen vehículos equipados con muchos sensores y etiquetas RFID (utilizadas para identificar y rastrear mercancías), de las cuales se recibe una gran cantidad de información: datos sobre la ubicación actual, el tamaño y el peso de la carga, la congestión del tráfico, las condiciones climáticas. , e incluso el comportamiento del conductor.
El análisis de estos datos no solo ayuda a crear el seguimiento más económico y rápido de la ruta en tiempo real, sino que también garantiza la transparencia del proceso de entrega para los compradores, quienes tienen la oportunidad de seguir el progreso de su pedido.
Para un comprador moderno es importante recibir el producto deseado lo antes posible, pero esto no es suficiente, el consumidor también necesita un enfoque individual.
La personalización de la entrega es un factor clave para el comprador en la etapa de “última milla”. Un minorista que combine los datos del cliente y de logística en la etapa de toma de decisiones estratégicas podrá ofrecer rápidamente al cliente recoger los productos en el punto de entrega, donde será más rápido y económico entregarlos. La oferta de recibir la mercancía el mismo día o el siguiente, junto con un descuento en la entrega, animará al cliente a ir incluso al otro extremo de la ciudad.
Amazon, como de costumbre, se adelantó a la competencia al patentar tecnología de logística predictiva impulsada por análisis predictivo. La conclusión es que el minorista recopila datos:
- sobre las compras pasadas del usuario,
- sobre los productos añadidos al carrito,
- sobre los productos añadidos a la lista de deseos,
- sobre los movimientos del cursor.
Los algoritmos de aprendizaje automático analizan esta información y predicen qué producto es más probable que compre el cliente. Luego, el artículo se envía a través de un envío estándar más económico al centro de envío más cercano al usuario.
El comprador moderno está dispuesto a pagar dos veces por un enfoque individual y una experiencia única: con dinero e información. Brindar el nivel adecuado de servicio, teniendo en cuenta las preferencias personales de los clientes, solo es posible con la ayuda de big data. Mientras los líderes de la industria están creando unidades estructurales completas para trabajar con proyectos en el campo de los grandes datos, las pequeñas y medianas empresas están apostando por soluciones en caja. Pero el objetivo común es construir un perfil de consumidor preciso, comprender los dolores de los consumidores y determinar los desencadenantes que afectan la decisión de compra, resaltar las listas de compra y crear un servicio integral personalizado que anime a comprar cada vez más.