Big Data: как ритейлу удержать потребителя
І использовать большие данные
Аналитики сформулировали тренды, которые будут определять развитие отрасли ритейла в ближайшее десятилетие. Главными среди них можно назвать конвергенцию каналов продаж с дальнейшим бурным ростом онлайна и изменение моделей поведения потребителей и процесса принятия ими решений. Именно эти два тренда сегодня создают новые возможности роста для ритейла и способствовали созданию нового рынка – ритейл аналитики. Почему так происходит и как удержать потребителя с помощью новых технологий рассказала Mind директор по развитию RetailNext Украина Елена Логош.
Данные – это новая нефть.
Что ожидают потребители?
Сегодняшние ожидания потребителей от ритейла: персонализация, быстрота и релевантность реакции на запросы, скорость покупки (мгновенно) и удобная доставка в удобное время. Сегодня потребитель уже не различает покупки онлайн и офлайн. В процессе принятия решения он может переходить из онлайна в офлайн и назад несколько раз. Отчет Harvard Business Review показал, что 73% покупателей используют одновременно несколько каналов для поиска и покупки товаров.
Без Big Date, AI (искусственного интеллекта) и, главное, качественной аналитики становится невозможно ни в целом управлять эффективностью бизнеса (планирование/оптимизация товарного ассортимента, повышение эффективности логистики, организация работы персонала, формирование выкладки в магазине, налаживание коммуникаций), ни создавать позитивный опыт взаимодействия с потребителем (продажи и допродажи, лояльность, персонализация).
Ритейл уже сегодня имеет возможности собирать и использовать возможности AI и Big Date (накопленные данные и искусственный интеллект) для управления эффективностью бизнеса. Но пока многие магазины и сети в офлайн работают по-старинке и оценивают эффективность бизнеса только по показателям подсчета трафика посетителей и конверсий трафика в продажи. Но в омниканальном мире ритейла этого уже катастрофически мало.
Эксперты едины во мнении – розничному бизнесу необходима сквозная аналитика и автоматизация процессов по всем каналам. Почему? Ритейлу жизненно важно привязывать к себе покупателей, минимизировать «перебежки».
По данным Nielsen, в 2020 потребитель стал менее лояльным к брендам и торговым сетям. Доля тех, кто поменял магазины в поисках лучшей цены, впервые за три года увеличилась с 10% до 30%.
Именно эти факторы и привели к бурному росту так называемой In-Store аналитики.
Что это такое In-Store аналитика?
Это процесс обнаружения, сбора и анализа данных во всех сферах розничного бизнеса – от продаж и маркетинга до управления запасами и операций. Как правило, это программно-аппаратный комплекс, который собирает данные из разных систем, предназначенных для изучения поведения покупателей в розничном ритейле. Системы позволяют получать набор данных об активности посетителей магазинов, близкий (в некоторых случаях – превосходящий) к тому, который получает e-commerce.
In-Store аналитика собирает, обрабатывает и хранит достоверные сведения о клиентах, анализиурет покупательские предпочтения, показывает тепловые карты движения и поведения.
Это помогает конкретизировать customer journey, оптимизировать выкладку и зонирование, помогает планировать мерчандайзинг и рекламно-коммуникационные кампании и выводит на новый уровень качество обслуживания и удовлетворенность клиентов.
Кроме того, In-Store-аналитика способствует оптимизации процессов и эффективности управления ресурсами: современные системы позволяют оценивать эффективность работы персонала с посетителями – определять, кто работает лучше, на какой способ общения с клиентами способен сотрудник, кто заслуживает повышения или премию, знание времени пиковых нагрузок помогает планировать количество сотрудников в торговом зале.
И конечно, анализ розницы точно показывает посещаемость, сравнивает ее с продажами, рассчитывает коэффициенты конверсии, оценивает изменения трафика во время маркетинговых кампаний.
Рынок In-Store аналитики растет стремительно: согласно отчету Research and Markets, ожидается, что мировой рынок аналитики ритейла вырастет на 18% до 2025 года и будет оценен в более чем $9,5 млрд. А по данным Gartner, к 2022 году в 90% бизнес-стратегиях информация будет считаться критическим активом предприятия, а аналитика – важнейшей компетенцией.
Как работает In-Store-аналитика?
Рассмотрим на примере японской компании Snow Реак, которая производит снаряжение для альпинистов, а также различные туристические товары.
Компания насчитывает более 800 магазинов по всему миру. И долгое время использовала только несколько метрик для анализа работы – данные с касс, количество новых клиентов, ручной подсчет количества посетителей каждый день. Стратегические решения о развитии магазинов, коммуникациях, выкладке и т. д. принимал непосредственно директор каждого юнита, опираясь на опыт и интуицию. По мере расширения сети стали падать продажи и возникла необходимость в единых правилах и показателях – KPI.
В 2018 году Snow Реак внедрила Retail In-store Analytics. Установив в магазинах специальные счетчики и подключившись к платформе, менеджеры получили возможность использовать данные кинетической карты: видеть взаимодействие покупателей с цифровыми вывесками, витринами и интерактивными дисплеями.
Только с помощью корректировки выкладки товара – когда никакой реакции покупателей на выкладку, не было, менеджеры меняли место выкладки или саму выкладку на что-то более эффективное, – Snow Реаk увеличила продажи по одной из категорий на 20–22%.
При помощи Dashboard in-store менеджеры смогли анализировать поведенческие метрики в каждом магазине cети: время и конверсию переходов на всех этапах пути к покупке.
Спустя 18 месяцев после внедрения комплексной In-store-аналитики у Snow Реак трафик в целом увеличился на 8,2%, в некоторых магазинах – до 26%, конверсия выросла на 13%, в некоторых магазинах – до 32%.
Авторы материалов OpenMind, как правило, внешние эксперты и специалисты, которые готовят материал по заказу редакции. Но их точка зрения может не совпадать с точкой зрения редакции Mind.
В то же время редакция несёт ответственность за достоверность и соответствие реальности изложенной мысли, в частности, осуществляет факт-чекинг приведенных утверждений и первичную проверку автора.
Mind также тщательно выбирает темы и колонки, которые могут быть опубликованы в разделе OpenMind, и обрабатывает их в соответствии со стандартами редакции.
