Data Mawr yn y gwasanaeth manwerthu

Sut mae manwerthwyr yn defnyddio data mawr i wella personoli mewn tair agwedd allweddol ar gyfer y prynwr - amrywiaeth, cynnig a darpariaeth, wedi'i hadrodd yn Umbrella IT

Ar ddiwedd y 1990au, daeth entrepreneuriaid o bob cefndir i sylweddoli bod data yn adnodd gwerthfawr a all, o'i ddefnyddio'n iawn, ddod yn offeryn dylanwad pwerus. Y broblem oedd bod maint y data yn cynyddu'n esbonyddol, ac nid oedd y dulliau o brosesu a dadansoddi gwybodaeth a oedd yn bodoli bryd hynny yn ddigon effeithiol.

Yn y 2000au, cymerodd technoleg naid cwantwm. Mae atebion graddadwy wedi ymddangos ar y farchnad sy'n gallu prosesu gwybodaeth anstrwythuredig, ymdopi â llwythi gwaith uchel, adeiladu cysylltiadau rhesymegol a throsi data anhrefnus i fformat dehongliadwy y gall person ei ddeall.

Heddiw, mae data mawr wedi'i gynnwys yn un o naw maes rhaglen Economi Ddigidol Ffederasiwn Rwseg, gan feddiannu'r llinellau uchaf yn y graddfeydd ac eitemau cost cwmnïau. Mae'r buddsoddiadau mwyaf mewn technolegau data mawr yn cael eu gwneud gan gwmnïau o'r sectorau masnachu, ariannol a thelathrebu.

Mewn 10-20 mlynedd, bydd data mawr yn dod yn brif ddull cyfalafu a bydd yn chwarae rhan mewn cymdeithas sy'n debyg o ran pwysigrwydd i'r diwydiant pŵer, meddai dadansoddwyr.

Nid màs di-wyneb o ystadegau mo siopwyr heddiw, ond unigolion diffiniedig sydd â nodweddion ac anghenion unigryw. Maent yn ddetholus a byddant yn newid i frand cystadleuydd heb ofid os yw eu cynnig yn ymddangos yn fwy deniadol. Dyna pam mae manwerthwyr yn defnyddio data mawr, sy'n caniatáu iddynt ryngweithio â chwsmeriaid mewn ffordd dargedig a chywir, gan ganolbwyntio ar yr egwyddor o "ddefnyddiwr unigryw - gwasanaeth unigryw."

1. Amrywiaeth bersonol a defnydd effeithlon o ofod

Yn y rhan fwyaf o achosion, mae'r penderfyniad terfynol "prynu neu beidio" yn digwydd eisoes yn y siop ger y silff gyda nwyddau. Yn ôl ystadegau Nielsen, dim ond 15 eiliad y mae'r prynwr yn ei dreulio yn chwilio am y cynnyrch cywir ar y silff. Mae hyn yn golygu ei bod yn bwysig iawn i fusnes gyflenwi'r amrywiaeth optimaidd i siop benodol a'i gyflwyno'n gywir. Er mwyn i'r amrywiaeth gwrdd â'r galw, a'r arddangosfa i hyrwyddo gwerthiant, mae angen astudio gwahanol gategorïau o ddata mawr:

• demograffeg leol,
• diddyledrwydd,
• canfyddiad prynu,
• pryniannau rhaglen teyrngarwch a llawer mwy.

Er enghraifft, bydd asesu amlder prynu categori penodol o nwyddau a mesur “switshability” prynwr o un cynnyrch i'r llall yn helpu i ddeall yn syth pa eitem sy'n gwerthu orau, sy'n ddiangen, ac, felly, yn ailddosbarthu arian parod yn fwy rhesymegol. adnoddau a chynllunio gofod storio.

Cyfeiriad ar wahân wrth ddatblygu atebion yn seiliedig ar ddata mawr yw'r defnydd effeithlon o ofod. Data, ac nid greddf, y mae marsiandwyr yn dibynnu arnynt bellach wrth osod nwyddau.

Yn gorfarchnadoedd X5 Retail Group, cynhyrchir cynlluniau cynnyrch yn awtomatig, gan ystyried priodweddau offer manwerthu, dewisiadau cwsmeriaid, data ar hanes gwerthiant rhai categorïau o nwyddau, a ffactorau eraill.

Ar yr un pryd, mae cywirdeb y gosodiad a nifer y nwyddau ar y silff yn cael eu monitro mewn amser real: mae dadansoddeg fideo a thechnolegau gweledigaeth gyfrifiadurol yn dadansoddi'r llif fideo sy'n dod o'r camerâu ac yn tynnu sylw at ddigwyddiadau yn unol â'r paramedrau penodedig. Er enghraifft, bydd gweithwyr siop yn derbyn arwydd bod jariau o bys tun yn y lle anghywir neu fod llaeth cyddwys wedi rhedeg allan ar y silffoedd.

2. Cynnig personol

Mae personoli defnyddwyr yn flaenoriaeth: yn ôl ymchwil gan Edelman ac Accenture, mae 80% o brynwyr yn fwy tebygol o brynu cynnyrch os yw manwerthwr yn gwneud cynnig personol neu'n rhoi gostyngiad; ar ben hynny, nid yw 48% o ymatebwyr yn oedi cyn mynd at gystadleuwyr os nad yw argymhellion cynnyrch yn gywir ac nad ydynt yn diwallu anghenion.

Er mwyn bodloni disgwyliadau cwsmeriaid, mae manwerthwyr wrthi'n gweithredu datrysiadau TG ac offer dadansoddi sy'n casglu, strwythuro a dadansoddi data cwsmeriaid i helpu i ddeall y defnyddiwr a dod â rhyngweithio i lefel bersonol. Mae un o'r fformatau poblogaidd ymhlith prynwyr - yr adran o argymhellion cynnyrch "efallai y bydd gennych ddiddordeb" a "prynu gyda'r cynnyrch hwn" - hefyd wedi'i ffurfio ar sail dadansoddiad o bryniannau a hoffterau'r gorffennol.

Mae Amazon yn cynhyrchu'r argymhellion hyn gan ddefnyddio algorithmau hidlo cydweithredol (dull argymell sy'n defnyddio hoffterau hysbys grŵp o ddefnyddwyr i ragweld dewisiadau anhysbys defnyddiwr arall). Yn ôl cynrychiolwyr y cwmni, mae 30% o'r holl werthiannau o ganlyniad i system argymell Amazon.

3. Cyflwyno personol

Mae'n bwysig i brynwr modern dderbyn y cynnyrch a ddymunir yn gyflym, ni waeth a yw'n anfon archeb o siop ar-lein neu'n cyrraedd y cynhyrchion a ddymunir ar silffoedd yr archfarchnadoedd. Ond nid yw cyflymder yn unig yn ddigon: heddiw mae popeth yn cael ei gyflwyno'n gyflym. Mae'r ymagwedd unigol hefyd yn werthfawr.

Mae gan y mwyafrif o fanwerthwyr a chludwyr cerbydau lawer o synwyryddion a thagiau RFID (a ddefnyddir i nodi ac olrhain nwyddau), y derbynnir llawer iawn o wybodaeth ohonynt: data ar leoliad presennol, maint a phwysau'r cargo, tagfeydd traffig, amodau tywydd , a hyd yn oed ymddygiad gyrwyr.

Mae dadansoddi'r data hwn nid yn unig yn helpu i greu'r llwybr mwyaf darbodus a chyflymaf o'r llwybr mewn amser real, ond hefyd yn sicrhau tryloywder y broses gyflenwi i brynwyr, sy'n cael y cyfle i olrhain cynnydd eu harcheb.

Mae personoli cyflenwad yn ffactor allweddol i'r prynwr ar y cam “filltir olaf”. Bydd adwerthwr sy'n cyfuno data cwsmeriaid a logisteg yn y cam gwneud penderfyniadau strategol yn gallu cynnig yn brydlon i'r cleient godi'r nwyddau o'r pwynt cyhoeddi, lle mai dyma'r cyflymaf a'r rhataf i'w gyflwyno. Bydd y cynnig i dderbyn y nwyddau ar yr un diwrnod neu'r diwrnod nesaf, ynghyd â gostyngiad ar ddanfon, yn annog y cleient i fynd hyd yn oed i ben arall y ddinas.

Aeth Amazon, yn ôl yr arfer, ar y blaen i'r gystadleuaeth trwy batentu technoleg logisteg ragfynegol wedi'i phweru gan ddadansoddeg ragfynegol. Y gwir amdani yw bod yr adwerthwr yn casglu data:

• am bryniannau'r defnyddiwr yn y gorffennol,
• am y cynhyrchion a ychwanegwyd at y drol,
• am gynhyrchion a ychwanegwyd at y rhestr ddymuniadau,
• am symudiadau cyrchwr.

Mae algorithmau dysgu peirianyddol yn dadansoddi'r wybodaeth hon ac yn rhagfynegi pa gynnyrch y mae'r cwsmer yn fwyaf tebygol o'i brynu. Yna caiff yr eitem ei gludo trwy longau safonol rhatach i'r canolbwynt cludo sydd agosaf at y defnyddiwr.

Mae'r prynwr modern yn barod i dalu am ddull unigol a phrofiad unigryw ddwywaith - gydag arian a gwybodaeth. Dim ond gyda chymorth data mawr y gellir darparu'r lefel briodol o wasanaeth, gan ystyried dewisiadau personol cwsmeriaid. Tra bod arweinwyr diwydiant yn creu unedau strwythurol cyfan i weithio gyda phrosiectau ym maes data mawr, mae busnesau bach a chanolig yn betio ar atebion mewn bocsys. Ond y nod cyffredin yw adeiladu proffil defnyddiwr cywir, deall poenau defnyddwyr a phennu'r sbardunau sy'n effeithio ar y penderfyniad prynu, tynnu sylw at y rhestrau prynu a chreu gwasanaeth personol cynhwysfawr a fydd yn annog prynu mwy a mwy.