Comment les détaillants utilisent les mégadonnées pour améliorer la personnalisation dans trois aspects clés pour l'acheteur : l'assortiment, l'offre et la livraison, racontés dans Umbrella IT
Le big data est le nouveau pétrole
À la fin des années 1990, des entrepreneurs de tous horizons ont réalisé que les données sont une ressource précieuse qui, si elles sont utilisées correctement, peuvent devenir un puissant outil d'influence. Le problème était que le volume de données augmentait de façon exponentielle et que les méthodes de traitement et d'analyse des informations qui existaient à l'époque n'étaient pas assez efficaces.
Dans les années 2000, la technologie a fait un bond en avant. Des solutions évolutives sont apparues sur le marché qui peuvent traiter des informations non structurées, faire face à des charges de travail élevées, établir des connexions logiques et traduire des données chaotiques dans un format interprétable pouvant être compris par une personne.
Aujourd'hui, les mégadonnées sont incluses dans l'un des neuf domaines du programme de l'économie numérique de la Fédération de Russie, occupant les premières lignes des notes et des postes de dépenses des entreprises. Les investissements les plus importants dans les technologies de mégadonnées sont réalisés par des entreprises des secteurs du commerce, de la finance et des télécommunications.
Selon diverses estimations, le volume actuel du marché russe des mégadonnées est de 10 milliards à 30 milliards de roubles. Selon les prévisions de l'Association des acteurs du marché du Big Data, d'ici 2024, il atteindra 300 milliards de roubles.
Dans 10 à 20 ans, les mégadonnées deviendront le principal moyen de capitalisation et joueront un rôle dans la société d'une importance comparable à celle de l'industrie électrique, selon les analystes.
Formules de réussite au détail
Les acheteurs d'aujourd'hui ne sont plus une masse de statistiques sans visage, mais des individus bien définis avec des caractéristiques et des besoins uniques. Ils sont sélectifs et se tourneront sans regret vers une marque concurrente si leur offre leur paraît plus attractive. C'est pourquoi les commerçants utilisent le big data, qui leur permet d'interagir avec les clients de manière ciblée et précise, en se concentrant sur le principe "un consommateur unique - un service unique".
1. Assortiment personnalisé et utilisation efficace de l'espace
Dans la plupart des cas, la décision finale «d'acheter ou de ne pas acheter» a déjà lieu dans le magasin près de l'étagère avec des marchandises. Selon les statistiques de Nielsen, l'acheteur ne passe que 15 secondes à chercher le bon produit en rayon. Cela signifie qu'il est très important pour une entreprise de fournir l'assortiment optimal à un magasin particulier et de le présenter correctement. Pour que l'assortiment réponde à la demande, et que le display favorise les ventes, il est nécessaire d'étudier différentes catégories de big data :
- la démographie locale,
- solvabilité,
- perception d'achat,
- les achats du programme de fidélité et bien plus encore.
Par exemple, évaluer la fréquence des achats d'une certaine catégorie de biens et mesurer la "commutabilité" d'un acheteur d'un produit à un autre aidera à comprendre immédiatement quel article se vend le mieux, ce qui est redondant et, par conséquent, à redistribuer plus rationnellement l'argent. ressources et planifier l'espace du magasin.
Une direction distincte dans le développement de solutions basées sur le Big Data est l'utilisation efficace de l'espace. Ce sont les données, et non l'intuition, sur lesquelles les marchandiseurs s'appuient désormais pour disposer les marchandises.
Dans les hypermarchés X5 Retail Group, les présentations des produits sont générées automatiquement, en tenant compte des propriétés des équipements de vente au détail, des préférences des clients, des données sur l'historique des ventes de certaines catégories de marchandises et d'autres facteurs.
Dans le même temps, l'exactitude de la disposition et le nombre de marchandises en rayon sont surveillés en temps réel : l'analyse vidéo et les technologies de vision par ordinateur analysent le flux vidéo provenant des caméras et mettent en évidence les événements en fonction des paramètres spécifiés. Par exemple, les employés du magasin recevront un signal indiquant que les pots de pois en conserve sont au mauvais endroit ou que le lait condensé est épuisé sur les étagères.
2. Offre personnalisée
La personnalisation pour les consommateurs est une priorité : selon les recherches d'Edelman et d'Accenture, 80 % des acheteurs sont plus susceptibles d'acheter un produit si un détaillant fait une offre personnalisée ou accorde une remise ; de plus, 48% des répondants n'hésitent pas à aller chez des concurrents si les recommandations produits ne sont pas précises et ne répondent pas aux besoins.
Pour répondre aux attentes des clients, les détaillants mettent activement en œuvre des solutions informatiques et des outils d'analyse qui collectent, structurent et analysent les données des clients pour aider à comprendre le consommateur et amener l'interaction à un niveau personnel. L'un des formats populaires parmi les acheteurs - la section de recommandations de produits "vous pourriez être intéressé" et "acheter avec ce produit" - est également formé sur la base de l'analyse des achats passés et des préférences.
Amazon génère ces recommandations à l'aide d'algorithmes de filtrage collaboratif (une méthode de recommandation qui utilise les préférences connues d'un groupe d'utilisateurs pour prédire les préférences inconnues d'un autre utilisateur). Selon les représentants de l'entreprise, 30 % de toutes les ventes sont dues au système de recommandation d'Amazon.
3. Livraison personnalisée
Il est important pour un acheteur moderne de recevoir rapidement le produit souhaité, qu'il s'agisse de la livraison d'une commande d'une boutique en ligne ou de l'arrivée des produits souhaités dans les rayons des supermarchés. Mais la vitesse seule ne suffit pas : aujourd'hui tout est livré rapidement. L'approche individuelle est également précieuse.
La plupart des grands détaillants et transporteurs disposent de véhicules équipés de nombreux capteurs et étiquettes RFID (utilisés pour identifier et suivre les marchandises), à partir desquels d'énormes quantités d'informations sont reçues : données sur l'emplacement actuel, la taille et le poids de la cargaison, les embouteillages, les conditions météorologiques. , et même le comportement du conducteur.
L'analyse de ces données permet non seulement de créer le tracé le plus économique et le plus rapide de l'itinéraire en temps réel, mais assure également la transparence du processus de livraison pour les acheteurs, qui ont la possibilité de suivre l'avancement de leur commande.
Il est important pour un acheteur moderne de recevoir le produit souhaité le plus rapidement possible, mais cela ne suffit pas, le consommateur a également besoin d'une approche individuelle.
La personnalisation de la livraison est un facteur clé pour l'acheteur à l'étape du « dernier kilomètre ». Un détaillant qui combine les données client et logistique au stade de la prise de décision stratégique sera en mesure de proposer rapidement au client de récupérer la marchandise au point de sortie, là où il sera le plus rapide et le moins cher de la livrer. L'offre de recevoir la marchandise le jour même ou le lendemain, assortie d'une remise sur la livraison, incitera le client à se rendre même à l'autre bout de la ville.
Amazon, comme d'habitude, a devancé la concurrence en brevetant une technologie de logistique prédictive basée sur l'analyse prédictive. En fin de compte, le détaillant collecte des données :
- sur les achats passés de l'utilisateur,
- sur les produits ajoutés au panier,
- sur les produits ajoutés à la liste de souhaits,
- sur les mouvements du curseur.
Des algorithmes d'apprentissage automatique analysent ces informations et prédisent quel produit le client est le plus susceptible d'acheter. L'article est ensuite expédié via une expédition standard moins chère au centre d'expédition le plus proche de l'utilisateur.
L'acheteur moderne est prêt à payer deux fois pour une approche individuelle et une expérience unique - avec de l'argent et des informations. Fournir le bon niveau de service, en tenant compte des préférences personnelles des clients, n'est possible qu'avec l'aide des mégadonnées. Alors que les leaders de l'industrie créent des unités structurelles entières pour travailler avec des projets dans le domaine du big data, les petites et moyennes entreprises misent sur des solutions en boîte. Mais l'objectif commun est de construire un profil de consommateur précis, de comprendre les douleurs du consommateur et de déterminer les déclencheurs qui affectent la décision d'achat, de mettre en évidence les listes d'achat et de créer un service personnalisé complet qui incitera à acheter de plus en plus.