დიდი მონაცემები საცალო ვაჭრობის სერვისში

როგორ იყენებენ საცალო ვაჭრები დიდ მონაცემებს პერსონალიზაციის გასაუმჯობესებლად მყიდველისთვის სამ ძირითად ასპექტში - ასორტიმენტი, შეთავაზება და მიწოდება, ნათქვამია Umbrella IT-ში

1990-იანი წლების ბოლოს, მეწარმეებმა ცხოვრების ყველა სფეროდან გააცნობიერეს, რომ მონაცემები არის ღირებული რესურსი, რომელიც სათანადოდ გამოყენების შემთხვევაში შეიძლება გახდეს გავლენის ძლიერი ინსტრუმენტი. პრობლემა ის იყო, რომ მონაცემთა მოცულობა ექსპონენტურად გაიზარდა და იმ დროს არსებული ინფორმაციის დამუშავებისა და ანალიზის მეთოდები საკმარისად ეფექტური არ იყო.

2000-იან წლებში ტექნოლოგიამ კვანტური ნახტომი მიიღო. ბაზარზე გამოჩნდა მასშტაბური გადაწყვეტილებები, რომლებსაც შეუძლიათ არასტრუქტურირებული ინფორმაციის დამუშავება, მაღალი დატვირთვის გაუმკლავება, ლოგიკური კავშირების დამყარება და ქაოტური მონაცემების ინტერპრეტაციის ფორმატში თარგმნა, რომლის გაგებაც შესაძლებელია პიროვნებისთვის.

დღეს, დიდი მონაცემები შედის რუსეთის ფედერაციის ციფრული ეკონომიკის პროგრამის ცხრა სფეროდან ერთ-ერთში, რომელიც იკავებს პირველ ხაზებს კომპანიების რეიტინგებსა და ხარჯებში. დიდი მონაცემების ტექნოლოგიებში ყველაზე დიდი ინვესტიცია ხდება კომპანიების მიერ სავაჭრო, ფინანსური და სატელეკომუნიკაციო სექტორიდან.

ანალიტიკოსების თქმით, 10-20 წელიწადში დიდი მონაცემები გახდება კაპიტალიზაციის მთავარი საშუალება და ითამაშებს საზოგადოებაში ენერგეტიკულ ინდუსტრიასთან შედარებით მნიშვნელობით.

დღევანდელი მყიდველები აღარ არიან სტატისტიკის უსახო მასა, არამედ კარგად განსაზღვრული ინდივიდები უნიკალური მახასიათებლებითა და საჭიროებებით. ისინი შერჩევითები არიან და სინანულის გარეშე გადადიან კონკურენტის ბრენდზე, თუ მათი შეთავაზება უფრო მიმზიდველი ჩანს. სწორედ ამიტომ, საცალო ვაჭრები იყენებენ დიდ მონაცემებს, რაც მათ საშუალებას აძლევს მომხმარებლებთან ურთიერთობის მიზანმიმართული და ზუსტი გზით, ფოკუსირებული იყოს პრინციპზე „უნიკალური მომხმარებელი – უნიკალური სერვისი“.

1. პერსონალიზებული ასორტიმენტი და სივრცის ეფექტური გამოყენება

უმეტეს შემთხვევაში, საბოლოო გადაწყვეტილება „იყიდო თუ არ იყიდო“ უკვე ხდება მაღაზიაში, საქონლის თაროსთან ახლოს. ნილსენის სტატისტიკის მიხედვით, მყიდველი მხოლოდ 15 წამს ხარჯავს თაროზე სწორი პროდუქტის ძიებაში. ეს ნიშნავს, რომ ბიზნესისთვის ძალიან მნიშვნელოვანია კონკრეტულ მაღაზიას ოპტიმალური ასორტიმენტის მიწოდება და მისი სწორად წარდგენა. იმისათვის, რომ ასორტიმენტმა დააკმაყოფილოს მოთხოვნა, ხოლო ჩვენებამ ხელი შეუწყოს გაყიდვებს, აუცილებელია დიდი მონაცემების სხვადასხვა კატეგორიის შესწავლა:

• ადგილობრივი დემოგრაფია,
• გადახდისუნარიანობა,
• ყიდვის აღქმა,
• ლოიალობის პროგრამის შესყიდვები და მრავალი სხვა.

მაგალითად, გარკვეული კატეგორიის საქონლის შესყიდვების სიხშირის შეფასება და მყიდველის „გადამრთველობის“ გაზომვა ერთი პროდუქტიდან მეორეზე დაგეხმარებათ დაუყოვნებლივ გაიგოთ, რომელი პროდუქტი იყიდება უკეთესად, რომელია ზედმეტი და, შესაბამისად, უფრო რაციონალურად გადაანაწილეთ ნაღდი ფული. რესურსები და დაგეგმეთ მაღაზიის სივრცე.

დიდი მონაცემების საფუძველზე გადაწყვეტილებების შემუშავების ცალკე მიმართულებაა სივრცის ეფექტური გამოყენება. ეს არის მონაცემები და არა ინტუიცია, რომელსაც ახლა ეყრდნობიან მერჩენდაიზერები საქონლის განლაგებისას.

X5 Retail Group ჰიპერმარკეტებში პროდუქტის განლაგება გენერირდება ავტომატურად, საცალო აღჭურვილობის თვისებების, მომხმარებლის პრეფერენციების, გარკვეული კატეგორიის საქონლის გაყიდვების ისტორიის და სხვა ფაქტორების გათვალისწინებით.

ამავდროულად, განლაგების სისწორე და თაროზე არსებული საქონლის რაოდენობა კონტროლდება რეალურ დროში: ვიდეო ანალიტიკა და კომპიუტერული ხედვის ტექნოლოგიები აანალიზებენ კამერებიდან მოსულ ვიდეო ნაკადს და ხაზს უსვამენ მოვლენებს მითითებული პარამეტრების მიხედვით. მაგალითად, მაღაზიის თანამშრომლები მიიღებენ სიგნალს, რომ დაკონსერვებული ბარდის ქილები არასწორ ადგილას არის ან შედედებული რძე ამოიწურა თაროებზე.

2. პერსონალიზებული შეთავაზება

მომხმარებლებისთვის პერსონალიზაცია პრიორიტეტულია: Edelman-ისა და Accenture-ის კვლევის მიხედვით, მყიდველების 80% უფრო მეტად იყიდის პროდუქტს, თუ საცალო მოვაჭრე აკეთებს პერსონალიზებულ შეთავაზებას ან აძლევს ფასდაკლებას; უფრო მეტიც, გამოკითხულთა 48% არ ერიდება კონკურენტებთან წასვლას, თუ პროდუქტის რეკომენდაციები ზუსტი არ არის და არ აკმაყოფილებს საჭიროებებს.

მომხმარებელთა მოლოდინების დასაკმაყოფილებლად, საცალო ვაჭრები აქტიურად ახორციელებენ IT გადაწყვეტილებებს და ანალიტიკურ ინსტრუმენტებს, რომლებიც აგროვებენ, სტრუქტურირებენ და აანალიზებენ მომხმარებლის მონაცემებს, რათა დაეხმარონ მომხმარებლის გაგებას და ურთიერთქმედებას პირად დონეზე. მყიდველებს შორის ერთ-ერთი პოპულარული ფორმატი - პროდუქტის რეკომენდაციების განყოფილება "შეიძლება დაგაინტერესოთ" და "იყიდეთ ამ პროდუქტით" - ასევე ყალიბდება წარსული შესყიდვებისა და პრეფერენციების ანალიზის საფუძველზე.

ამაზონი ქმნის ამ რეკომენდაციებს ერთობლივი ფილტრაციის ალგორითმების გამოყენებით (რეკომენდაციის მეთოდი, რომელიც იყენებს მომხმარებელთა ჯგუფის ცნობილ პრეფერენციებს სხვა მომხმარებლის უცნობი პრეფერენციების პროგნოზირებისთვის). კომპანიის წარმომადგენლების თქმით, გაყიდვების 30% ამაზონის სარეკომენდაციო სისტემის დამსახურებაა.

3. პერსონალიზებული მიწოდება

თანამედროვე მყიდველისთვის მნიშვნელოვანია სასურველი პროდუქტის სწრაფად მიღება, მიუხედავად იმისა, იქნება ეს შეკვეთის მიწოდება ონლაინ მაღაზიიდან თუ სასურველი პროდუქციის სუპერმარკეტების თაროებზე ჩამოსვლა. მაგრამ მხოლოდ სიჩქარე არ არის საკმარისი: დღეს ყველაფერი სწრაფად მიწოდებულია. ინდივიდუალური მიდგომა ასევე ღირებულია.

მსხვილი საცალო ვაჭრობისა და გადამზიდავების უმეტესობას აქვს მანქანები, რომლებიც აღჭურვილია მრავალი სენსორით და RFID ტეგებით (გამოიყენება საქონლის იდენტიფიკაციისა და თვალყურის დევნებისთვის), საიდანაც მიიღება უზარმაზარი ინფორმაცია: მონაცემები ტვირთის მიმდინარე მდებარეობის, ზომისა და წონის შესახებ, მოძრაობის გადატვირთულობა, ამინდის პირობები. და მძღოლის ქცევაც კი.

ამ მონაცემების ანალიზი არა მხოლოდ ხელს უწყობს მარშრუტის ყველაზე ეკონომიური და სწრაფი ტრეკის შექმნას რეალურ დროში, არამედ უზრუნველყოფს მიწოდების პროცესის გამჭვირვალობას მყიდველებისთვის, რომლებსაც აქვთ შესაძლებლობა თვალყური ადევნონ შეკვეთის მიმდინარეობას.

მიწოდების პერსონალიზაცია მყიდველისთვის მთავარი ფაქტორია "ბოლო მილის" ეტაპზე. საცალო ვაჭრობა, რომელიც აერთიანებს მომხმარებლისა და ლოგისტიკის მონაცემებს სტრატეგიული გადაწყვეტილების მიღების ეტაპზე, შეძლებს დაუყოვნებლივ შესთავაზოს კლიენტს საქონლის აღება იმ ადგილიდან, სადაც მისი მიწოდება ყველაზე სწრაფი და იაფი იქნება. საქონლის იმავე დღეს ან მეორე დღეს მიღების შეთავაზება, მიტანის ფასდაკლებასთან ერთად, კლიენტს წაახალისებს, წავიდეს თუნდაც ქალაქის მეორე ბოლოში.

Amazon, ჩვეულებისამებრ, წინ უსწრებდა კონკურენციას პროგნოზირებადი ანალიტიკით აღჭურვილი პროგნოზირებადი ლოჯისტიკური ტექნოლოგიის დაპატენტებით. დასკვნა ის არის, რომ საცალო ვაჭრობა აგროვებს მონაცემებს:

• მომხმარებლის წარსული შესყიდვების შესახებ,
• კალათაში დამატებული პროდუქტების შესახებ,
• სურვილების სიაში დამატებული პროდუქტების შესახებ,
• კურსორის მოძრაობის შესახებ.

მანქანათმცოდნეობის ალგორითმები აანალიზებენ ამ ინფორმაციას და იწინასწარმეტყველებენ, რომელ პროდუქტს იყიდის მომხმარებელი ყველაზე მეტად. შემდეგ საქონელი იგზავნება უფრო იაფი სტანდარტული მიწოდებით მომხმარებელთან ყველაზე ახლოს გადაზიდვის ცენტრში.

თანამედროვე მყიდველი მზად არის ორჯერ გადაიხადოს ინდივიდუალური მიდგომა და უნიკალური გამოცდილება - ფულით და ინფორმაციით. მომსახურების სათანადო დონის უზრუნველყოფა, მომხმარებელთა პირადი პრეფერენციების გათვალისწინებით, შესაძლებელია მხოლოდ დიდი მონაცემების დახმარებით. მიუხედავად იმისა, რომ ინდუსტრიის ლიდერები ქმნიან მთელ სტრუქტურულ ერთეულებს დიდი მონაცემების სფეროში პროექტებთან მუშაობისთვის, მცირე და საშუალო ბიზნესი ფსონებს ყუთში გადაწყვეტილებებზე აკეთებს. მაგრამ საერთო მიზანია ზუსტი მომხმარებლის პროფილის შექმნა, მომხმარებელთა ტკივილის გაგება და ტრიგერების განსაზღვრა, რომლებიც გავლენას ახდენენ შესყიდვის გადაწყვეტილებაზე, ხაზგასმით აღვნიშნოთ შესყიდვების სიები და შექმნათ ყოვლისმომცველი პერსონალიზებული სერვისი, რომელიც წაახალისებს უფრო და უფრო მეტ ყიდვას.