Big Data al servizio del retail

Come i rivenditori utilizzano i big data per migliorare la personalizzazione in tre aspetti chiave per l'acquirente: assortimento, offerta e consegna, raccontati in Umbrella IT

Alla fine degli anni '1990, imprenditori di ogni ceto sociale si sono resi conto che i dati sono una risorsa preziosa che, se utilizzata correttamente, può diventare un potente strumento di influenza. Il problema era che il volume dei dati aumentava in modo esponenziale e i metodi di elaborazione e analisi delle informazioni esistenti a quel tempo non erano abbastanza efficaci.

Negli anni 2000, la tecnologia ha fatto un salto di qualità. Sul mercato sono apparse soluzioni scalabili in grado di elaborare informazioni non strutturate, far fronte a carichi di lavoro elevati, costruire connessioni logiche e tradurre dati caotici in un formato interpretabile che può essere compreso da una persona.

Oggi i big data sono inclusi in una delle nove aree del programma Digital Economy della Federazione Russa, occupando le prime righe nelle valutazioni e nelle voci di spesa delle aziende. I maggiori investimenti nelle tecnologie dei big data sono effettuati da aziende dei settori commerciale, finanziario e delle telecomunicazioni.

Tra 10-20 anni, i big data diventeranno il principale mezzo di capitalizzazione e svolgeranno un ruolo nella società paragonabile per importanza all'industria energetica, affermano gli analisti.

Gli acquirenti di oggi non sono più una massa anonima di statistiche, ma individui ben definiti con caratteristiche ed esigenze uniche. Sono selettivi e passeranno al marchio di un concorrente senza rimpianti se la loro offerta sembra più allettante. Ecco perché i rivenditori utilizzano i big data, che consentono loro di interagire con i clienti in modo mirato e accurato, concentrandosi sul principio di "un consumatore unico - un servizio unico".

1. Assortimento personalizzato e uso efficiente dello spazio

Nella maggior parte dei casi, la decisione finale "acquistare o non acquistare" avviene già nel negozio vicino allo scaffale con la merce. Secondo le statistiche Nielsen, l'acquirente impiega solo 15 secondi per cercare il prodotto giusto sullo scaffale. Ciò significa che è molto importante per un'azienda fornire l'assortimento ottimale a un determinato negozio e presentarlo correttamente. Affinché l'assortimento soddisfi la domanda e l'esposizione promuova le vendite, è necessario studiare diverse categorie di big data:

• demografia locale,
• solvibilità,
• percezione dell'acquisto,
• acquisti di programmi fedeltà e molto altro.

Ad esempio, valutare la frequenza degli acquisti di una determinata categoria di beni e misurare la "scambiabilità" di un acquirente da un prodotto all'altro aiuterà a capire immediatamente quale articolo vende meglio, quale è ridondante e, quindi, ridistribuire più razionalmente il denaro risorse e pianificare lo spazio del negozio.

Una direzione separata nello sviluppo di soluzioni basate sui big data è l'uso efficiente dello spazio. Sono i dati, e non l'intuizione, su cui ora i merchandiser si affidano per disporre le merci.

Negli ipermercati X5 Retail Group, i layout dei prodotti vengono generati automaticamente, tenendo conto delle proprietà delle attrezzature di vendita al dettaglio, delle preferenze dei clienti, dei dati sullo storico delle vendite di determinate categorie di merci e di altri fattori.

Allo stesso tempo, viene monitorata in tempo reale la correttezza del layout e il numero di merci sullo scaffale: le tecnologie di video analytics e computer vision analizzano il flusso video proveniente dalle telecamere ed evidenziano gli eventi secondo i parametri specificati. Ad esempio, i dipendenti del negozio riceveranno un segnale che i barattoli di piselli in scatola sono nel posto sbagliato o che il latte condensato è finito sugli scaffali.

2. Offerta personalizzata

La personalizzazione per i consumatori è una priorità: secondo una ricerca di Edelman e Accenture, l'80% degli acquirenti è più propenso ad acquistare un prodotto se un rivenditore fa un'offerta personalizzata o fa uno sconto; inoltre, il 48% degli intervistati non esita a rivolgersi alla concorrenza se le raccomandazioni sui prodotti non sono accurate e non soddisfano le esigenze.

Per soddisfare le aspettative dei clienti, i rivenditori stanno implementando attivamente soluzioni IT e strumenti di analisi che raccolgono, strutturano e analizzano i dati dei clienti per aiutare a comprendere il consumatore e portare l'interazione a un livello personale. Uno dei formati popolari tra gli acquirenti - la sezione dei consigli sui prodotti "potresti essere interessato" e "acquista con questo prodotto" - si forma anche sulla base dell'analisi degli acquisti e delle preferenze passati.

Amazon genera queste raccomandazioni utilizzando algoritmi di filtraggio collaborativo (un metodo di raccomandazione che utilizza le preferenze note di un gruppo di utenti per prevedere le preferenze sconosciute di un altro utente). Secondo i rappresentanti dell'azienda, il 30% di tutte le vendite è dovuto al sistema di raccomandazione di Amazon.

3. Consegna personalizzata

Per un acquirente moderno è importante ricevere rapidamente il prodotto desiderato, indipendentemente dal fatto che si tratti della consegna di un ordine da un negozio online o dell'arrivo dei prodotti desiderati sugli scaffali del supermercato. Ma la velocità da sola non basta: oggi tutto viene consegnato velocemente. Anche l'approccio individuale è prezioso.

La maggior parte dei grandi rivenditori e vettori dispone di veicoli dotati di numerosi sensori e tag RFID (utilizzati per identificare e tracciare le merci), dai quali vengono ricevute enormi quantità di informazioni: dati sulla posizione corrente, dimensioni e peso del carico, congestione del traffico, condizioni meteorologiche e persino il comportamento del conducente.

L'analisi di questi dati non solo aiuta a creare la traccia più economica e veloce del percorso in tempo reale, ma garantisce anche la trasparenza del processo di consegna per gli acquirenti, che hanno la possibilità di seguire lo stato di avanzamento del proprio ordine.

La personalizzazione della consegna è un fattore chiave per l'acquirente nella fase dell'ultimo miglio. Un rivenditore che combina i dati del cliente e della logistica nella fase decisionale strategica sarà in grado di proporre tempestivamente al cliente di ritirare la merce dal punto di emissione, dove sarà il modo più rapido ed economico per consegnarla. L'offerta di ricevere la merce il giorno stesso o quello successivo, insieme allo sconto sulla consegna, incoraggerà il cliente ad andare anche dall'altra parte della città.

Amazon, come al solito, ha preceduto la concorrenza brevettando la tecnologia di logistica predittiva basata sull'analisi predittiva. La linea di fondo è che il rivenditore raccoglie i dati:

• sugli acquisti passati dell'utente,
• sui prodotti aggiunti al carrello,
• sui prodotti aggiunti alla lista dei desideri,
• sui movimenti del cursore.

Gli algoritmi di apprendimento automatico analizzano queste informazioni e prevedono quale prodotto è più probabile che il cliente acquisti. L'articolo viene quindi spedito tramite spedizione standard più economica all'hub di spedizione più vicino all'utente.

L'acquirente moderno è pronto a pagare due volte per un approccio individuale e un'esperienza unica, con denaro e informazioni. Fornire il giusto livello di servizio, tenendo conto delle preferenze personali dei clienti, è possibile solo con l'aiuto dei big data. Mentre i leader del settore stanno creando intere unità strutturali per lavorare con progetti nel campo dei big data, le piccole e medie imprese scommettono su soluzioni in scatola. Ma l'obiettivo comune è costruire un profilo accurato del consumatore, comprendere i problemi del consumatore e determinare i fattori scatenanti che influenzano la decisione di acquisto, evidenziare le liste di acquisto e creare un servizio personalizzato completo che incoraggi l'acquisto sempre di più.