Big Data: як ритейлу втримати споживача
І використовувати великі данні
Головними трендами, які визначатимуть розвиток галузі ритейлу в найближче десятиріччя, можна назвати конвергенцію каналів продажів з подальшим бурхливим зростанням онлайну та зміну моделей поведінки споживачів і процесу ухвалення ними рішень. Саме ці два тренди сьогодні створюють нові можливості зростання для ритейлу та сприяють створенню та розвитку нового ринку – ритейл(In-Store)-аналітики. Чому так відбувається і як утримати споживача за допомогою нових технологій розповіла Mind директор з розвитку RetailNext Україна Олена Логош.
Дані – це нова нафта.
Чого очікують споживачі?
Сьогоднішні очікування споживачів від ритейлу: персоналізація, швидкість і релевантність реакції на запити, швидкість покупки (миттєво) і зручна доставка в зручний час. Сьогодні споживач уже не розрізняє покупки онлайн і офлайн. У процесі прийняття рішення він може переходити з онлайну в офлайн і назад кілька разів. Звіт Harvard Business Review показав, що 73% покупців використовують одночасно кілька каналів для пошуку й покупки товарів.
Без Big Date, AI (штучного інтелекту) і, головне, якісної аналітики стає неможливо ні загалом управляти ефективністю бізнесу (планування / оптимізація товарного асортименту, підвищення ефективності логістики, організація роботи персоналу, формування викладки в магазині, налагодження комунікацій), ні створювати позитивний досвід взаємодії зі споживачем (продажі та допродажі, лояльність, персоналізація).
Ритейл вже сьогодні має можливості збирати й використовувати можливості AI і Big Date (накопичені дані та штучний інтелект) для управління ефективністю бізнесу. Але поки багато магазинів і мережі в офлайні працюють «по-старому» і оцінюють ефективність бізнесу тільки за показниками підрахунок трафіку відвідувачів і конверсій трафіку в продажу. Але в омніканальному світі ритейлу цього вже катастрофічно мало.
Експерти єдині в думці – роздрібного бізнесу необхідна наскрізна аналітика та автоматизація процесів по всіх каналах. Чому? Ритейлу життєво важливо прив'язувати до себе покупців, мінімізувати «перебіжки».
За даними Nielsen, у 2020 році споживач став менш лояльним до брендів і торговельних мереж. Частка тих, хто поміняв магазини в пошуках кращої ціни, вперше за три роки збільшилася з 10% до 30%.
Саме ці чинники й привели до бурхливого зростання так званої In-Store-аналітики.
Що таке In-Store аналітика?
Це процес виявлення, збору й аналізу даних у всіх сферах роздрібного бізнесу – від продажів і маркетингу до управління запасами та операцій. Як правило, це програмно – апаратний комплекс, який збирає дані з різних систем, призначених для вивчення поведінки покупців в роздрібному ритейлі. Системи дозволяють отримувати набір даних про активність відвідувачів магазинів, близький до того, який отримує e-commerce.
In-Store-аналітика збирає, обробляє і зберігає достовірні відомості про клієнтів, аналізує купівельні переваги, показує теплові карти руху й поведінки. Це допомагає конкретизувати customer journey, оптимізувати викладку й зонування, допомагає планувати мерчандайзинг і рекламно-комунікаційні кампанії та виводить на новий рівень якість обслуговування і задоволеність клієнтів.
Крім того, In-Store-аналітика сприяє оптимізації процесів і ефективності управління ресурсами: сучасні системи дозволяють оцінювати ефективність роботи персоналу з відвідувачами – визначати, хто працює краще, на який спосіб спілкування з клієнтами здатний співробітник, хто заслуговує підвищення або премію, знання часу пікових навантажень допомагає планувати кількість співробітників у торговому залі.
І звичайно, аналіз роздробу точно показує відвідуваність, порівнює її з продажами, розраховує коефіцієнти конверсії, оцінює зміни трафіку під час маркетингових кампаній.
Ринок In-Store-аналітики зростає стрімко: згідно звіту Research and Markets, очікується, що світовий ринок аналітики ритейлу зросте на 18% до 2025 року і буде оцінений у понад $9,5 млрд. А за даними Gartner, до 2022 року в 90% бізнес-стратегіях інформація вважатисметься критичним активом підприємства, а аналітика – найважливішою компетенцією.
Як працює In-Store-аналітика?
Розглянемо на прикладі японської компанії Snow Реак, яка виробляє спорядження для альпіністів, а також різні туристичні товари.
Компанія нараховує понад 800 магазинів по всьому світу. І довгий час використовувала тільки кілька метрик для аналізу роботи – дані з кас, кількість нових клієнтів, ручний підрахунок кількості відвідувачів щодня. Стратегічні рішення про розвиток магазинів, комунікаціях, викладки тощо брав безпосередньо директор кожного юніту, спираючись на досвід та інтуїцію. У міру розширення мережі стали падати продажі та виникла необхідність у єдиних правилах і показниках – KPI.
У 2018 році Snow Реак впровадила Retail In-store Analytics. Встановивши в магазинах спеціальні лічильники та підключившись до платформи, менеджери отримали можливість використовувати дані кінетичної карти: бачити взаємодію покупців із цифровими вивісками, вітринами й інтерактивними дисплеями.
Лише за допомогою коригування викладення товару – коли ніякої реакції покупців на викладку не було, менеджери змінювали місце або саму викладку на більш ефективну, – Snow Реаk збільшила продажі по одній з категорій на 20–22%.
За допомогою Dashboard in-store менеджери змогли аналізувати поведінкові метрики в кожному магазині Мережі – час і конверсію переходів на всіх етапах шляху до покупки.
Через 18 місяців після впровадження комплексної in-store-аналітики трафік у Snow Реак загалом збільшився на 8,2%, у деяких магазинах – до 26%, конверсія зросла на 13%, у деяких магазинах – до 32%.
Автори матеріалів OpenMind, як правило, зовнішні експерти та дописувачі, що готують матеріал на замовлення редакції. Але їхня точка зору може не збігатися з точкою зору редакції Mind.
Водночас редакція несе відповідальність за достовірність та відповідність викладеної думки реальності, зокрема, здійснює факт-чекінг наведених тверджень та первинну перевірку автора.
Mind також ретельно вибирає теми та колонки, що можуть бути опубліковані в розділі OpenMind, та опрацьовує їх згідно зі стандартами редакції.
