소매 서비스의 빅 데이터

소매업체가 빅 데이터를 사용하여 구매자를 위한 세 가지 주요 측면인 구색, 제공 및 배송에서 개인화를 개선하는 방법에 대해 Umbrella IT에서 설명합니다.

1990년대 후반, 각계각층의 기업가들은 데이터가 적절하게 사용된다면 영향력을 발휘하는 강력한 도구가 될 수 있는 귀중한 자원이라는 사실을 깨닫게 되었습니다. 문제는 데이터의 양이 기하급수적으로 증가했고, 당시 존재했던 정보를 처리하고 분석하는 방법이 효율적이지 못했다는 점이었다.

2000년대에 기술은 비약적인 발전을 이루었습니다. 비정형 정보를 처리하고, 높은 작업 부하를 처리하고, 논리적 연결을 구축하고, 혼란스러운 데이터를 사람이 이해할 수 있는 해석 가능한 형식으로 변환할 수 있는 확장 가능한 솔루션이 시장에 등장했습니다.

오늘날 빅 데이터는 러시아 연방 디지털 경제 프로그램의 XNUMX개 영역 중 하나에 포함되어 기업의 등급 및 비용 항목에서 최상위 라인을 차지합니다. 빅 데이터 기술에 대한 가장 큰 투자는 무역, ​​금융 및 통신 부문의 회사에서 이루어집니다.

10~20년 안에 빅 데이터는 자본화의 주요 수단이 될 것이며 사회에서 전력 산업에 버금가는 역할을 할 것이라고 분석가들은 말합니다.

오늘날의 쇼핑객은 더 이상 얼굴 없는 통계의 덩어리가 아니라 고유한 특성과 요구 사항을 가진 잘 정의된 개인입니다. 그들은 선택적이며 그들의 제안이 더 매력적으로 보이면 후회 없이 경쟁 브랜드로 전환할 것입니다. 그렇기 때문에 소매업체는 빅데이터를 사용하여 "독특한 소비자 - 고유한 서비스"라는 원칙에 초점을 맞춰 대상이 지정되고 정확한 방식으로 고객과 상호 작용할 수 있습니다.

1. 개인화 된 구색과 효율적인 공간 활용

대부분의 경우 "구매 여부"에 대한 최종 결정은 상품이 있는 선반 근처의 매장에서 이미 이루어집니다. Nielsen 통계에 따르면 구매자는 선반에서 올바른 제품을 찾는 데 15초만 소비합니다. 이는 기업이 특정 매장에 최적의 구색을 공급하고 올바르게 제시하는 것이 매우 중요하다는 것을 의미합니다. 구색이 수요를 충족하고 디스플레이가 판매를 촉진하려면 다양한 범주의 빅 데이터를 연구해야 합니다.

• 지역 인구 통계,
• 용해력,
• 구매 인식,
• 로열티 프로그램 구매 등.

예를 들어, 특정 상품 카테고리의 구매 빈도를 평가하고 한 상품에서 다른 상품으로 구매자의 "전환 가능성"을 측정하면 어떤 상품이 더 잘 팔리는지 즉시 이해하는 데 도움이 될 것입니다. 리소스 및 계획 매장 공간.

빅데이터 기반 솔루션 개발의 또 다른 방향은 효율적인 공간 활용이다. 머천다이저가 이제 상품을 배치할 때 의존하는 것은 직관이 아니라 데이터입니다.

X5 Retail Group 하이퍼마켓에서는 소매 장비의 속성, 고객 선호도, 특정 상품 범주의 판매 이력 데이터 및 기타 요소를 고려하여 제품 레이아웃이 자동으로 생성됩니다.

동시에 레이아웃의 정확성과 선반에 있는 상품의 수를 실시간으로 모니터링합니다. 비디오 분석 및 컴퓨터 비전 기술은 카메라에서 나오는 비디오 스트림을 분석하고 지정된 매개변수에 따라 이벤트를 강조 표시합니다. 예를 들어 매장 직원은 완두콩 통조림이 잘못된 위치에 있거나 연유가 선반에 떨어졌다는 신호를 받습니다.

2. 맞춤형 제안

소비자를 위한 개인화는 우선 순위입니다. Edelman과 Accenture의 연구에 따르면 구매자의 80%는 소매업체가 개인화된 제안을 하거나 할인을 제공하는 경우 제품을 구매할 가능성이 더 높습니다. 또한 응답자의 48%는 제품 권장 사항이 정확하지 않고 요구 사항을 충족하지 못하는 경우 주저하지 않고 경쟁사로 이동합니다.

고객의 기대에 부응하기 위해 소매업체는 고객 데이터를 수집, 구성 및 분석하여 소비자를 이해하고 개인 수준의 상호 작용을 제공하는 IT 솔루션 및 분석 도구를 적극적으로 구현하고 있습니다. 구매자들 사이에서 인기 있는 형식 중 하나인 "관심이 있을 수 있는 제품" 및 "이 제품과 함께 구매" 섹션도 과거 구매 및 선호도 분석을 기반으로 구성됩니다.

Amazon은 협업 필터링 알고리즘(사용자 그룹의 알려진 선호도를 사용하여 다른 사용자의 알려지지 않은 선호도를 예측하는 추천 방법)을 사용하여 이러한 권장 사항을 생성합니다. 회사 관계자에 따르면 전체 매출의 30%는 아마존 추천 시스템 덕분이다.

3. 맞춤형 배송

현대 구매자는 온라인 상점에서 주문한 상품을 배송하든 슈퍼마켓 선반에 원하는 상품이 도착하든 관계없이 원하는 상품을 신속하게 수령하는 것이 중요합니다. 그러나 속도만으로는 충분하지 않습니다. 오늘날 모든 것이 신속하게 제공됩니다. 개별 접근 방식도 가치가 있습니다.

대부분의 대형 소매업체와 운송업체는 많은 센서와 RFID 태그(상품을 식별하고 추적하는 데 사용됨)가 장착된 차량을 보유하고 있으며, 여기에서 현재 위치, 화물의 크기 및 무게, 교통 혼잡, 기상 조건에 대한 데이터와 같은 엄청난 양의 정보가 수신됩니다. , 심지어 운전자 행동까지.

이 데이터의 분석은 실시간으로 가장 경제적이고 빠른 경로 추적을 생성하는 데 도움이 될 뿐만 아니라 주문 진행 상황을 추적할 기회가 있는 구매자를 위한 배송 프로세스의 투명성을 보장합니다.

배송 개인화는 "라스트 마일" 단계에서 구매자에게 중요한 요소입니다. 전략적 의사 결정 단계에서 고객 및 물류 데이터를 결합하는 소매업체는 고객에게 상품을 가장 빠르고 저렴하게 배송할 수 있는 출고 지점에서 상품을 픽업하도록 신속하게 제안할 수 있습니다. 배송 할인과 함께 당일 또는 익일에 상품을 받을 수 있다는 제안은 고객이 도시 반대편까지 가도록 장려할 것입니다.

Amazon은 평소와 같이 예측 분석을 기반으로 하는 예측 물류 기술에 대한 특허를 획득하여 경쟁에서 앞서 나갔습니다. 결론은 소매업체가 데이터를 수집한다는 것입니다.

• 사용자의 과거 구매에 대해
• 카트에 추가된 제품에 대해
• 위시리스트에 추가된 제품에 대해,
• 커서 이동에 대해.

기계 학습 알고리즘은 이 정보를 분석하고 고객이 구매할 가능성이 가장 높은 제품을 예측합니다. 그런 다음 항목은 더 저렴한 표준 배송을 통해 사용자에게 가장 가까운 배송 허브로 배송됩니다.

현대의 구매자는 돈과 정보로 개별 접근 방식과 고유한 경험을 두 번 지불할 준비가 되어 있습니다. 고객의 개인 취향을 고려한 적절한 수준의 서비스 제공은 빅데이터의 도움으로만 가능합니다. 업계 리더들이 빅 데이터 분야의 프로젝트 작업을 위해 전체 구조 단위를 만드는 동안 중소기업은 박스형 솔루션에 베팅하고 있습니다. 그러나 공통 목표는 정확한 소비자 프로파일을 구축하고, 소비자 고통을 이해하고, 구매 결정에 영향을 미치는 트리거를 결정하고, 구매 목록을 강조 표시하고, 점점 더 많은 구매를 장려할 포괄적인 개인화 서비스를 만드는 것입니다.