Поделиться
Ретейл - высококонкурентная среда, игрокам рынка важно не упустить возможность использовать любое преимущество. Поэтому технологий невероятное множество. Из совсем обыденных и уже известных обывателю "приемов" ретейлеров - расположение товаров на полках, повышающее шансы на их продажу, световое оформление витрин, музыка в магазине, запахи, привлекающие покупателей. Но чтобы понять, какой именно набор инструментов и приемов задействовать, нужен анализ данных о товарах и покупательском поведении, а также о самой торговой точке.
Ретейлер изучает поведение покупателей и максимально подстраивается под него. "В одном из продовольственных магазинов было два входа, в ходе анализа оказалось, что посетители магазинов идут по "неправильному" маршруту и не видят большую часть товаров. Оставив только одну дверь, ретейлер хоть и сократил количество посетителей, но увеличил среднюю цену чека, а вместе с этим и прибыль", - привел пример Роман Баранов, руководитель направления бизнес-аналитики компании КРОК.
Сети сегодня используют решения углубленной аналитики, которые позволяют выявлять предпочтения покупателей. С использованием технологий больших данных (Big Data) программы лояльности становятся еще более избирательными. "Вместо смс с общей информацией о промо-акциях клиенты все чаще получают именные сообщения, основанные на глубоком анализе их индивидуальных предпочтений", - говорит Сергей Осипов, вице-президент MAYKOR-GMCS.
Своеобразный "паспорт" покупателя - карта лояльности. При ее получении требуется указать минимальный объем информации: имя, пол, возраст, контактные данные. Однако основную информацию ретейлеру дает не анкета, а сама карта: как, когда и на что покупатель тратит деньги, какие выбирает товары. "Зная состав покупок клиента, мы с большим процентом вероятности можем сказать, кто он, - рассказал "РГ" Дмитрий Медведев, директор по маркетингу торговой сети "Перекресток". - К примеру, вегетарианец, который имеет собаку и воспитывает трехлетнего ребенка. Это знание позволяет нам сделать этому человеку персональное предложение на товары, необходимые именно ему и именно сейчас. Например, каждый понедельник клиент покупает овощи и детское молоко, а каждый четверг - корм для собаки. Мы можем предложить ему в понедельник купить все три товара со скидкой".
Big Data знает, что вы покупали в прошлом месяце и как изменили покупки за год, чем балуете себя по выходным и склонны ли к спонтанным тратам. Оперируя этой информацией, сетям нетрудно нетрудно направить покупателя к нужному стеллажу. Так, кассир считывает карту и дает купоны на следующую покупку на определенные товары. Например, всегда брали свежую выпечку, а сейчас перестали. Это потому, что не хватает денег или сели на диету? Ретейлер узнает это в два счета. Сначала предложит скидку на булочки, а если вы ее проигнорируете, то купон на линейку обезжиренных продуктов.
"Это могут быть скидки, купоны и спецпредложения на следующие покупки, участие в розыгрыше или накопление бонусных баллов. Задача ретейлера - выявить то, что действительно интересно покупателю, чтобы покупатель был доволен и получил позитивный опыт взаимодействия с магазином", - пояснил Дмитрий Ларин, директор по работе с Retail компании SAS Россия/СНГ.
"Помимо персонализации предложений для потребителя - скидок в день рождения, на 23 февраля, 8 марта, информация о покупателе позволяет наращивать частоту покупок и оповещать его об акциях на определенные группы товаров, исходя из истории покупок потребителя через push-уведомления, почтовые, email- и sms-рассылки. Интереснее всего предиктивная аналитика или предугадывание потребностей потребителей", - считает Светлана Ермаченкова, генеральный директор компании Digital Society Laboratory.
Большие данные используются, чтобы наиболее точно определить предпочтения потребителей, которые, с одной стороны, повысили бы продажи, а с другой - отвечали бы интересам и запросам покупателя. Показателен пример с продажей авиабилетов. Например, в России у компании Finnair билеты стоят дешевле, чем в Финляндии. Если система понимает, что покупатель русский, то предлагает ему билеты по недорогой цене, если же он финн, то он приобретает их по завышенной стоимости. "Сайты-агрегаторы авиабилетов часто пользуются механикой искусственного дефицита, или упущенной выгоды, отслеживая людей, готовых совершить покупку. Скажем, вы уже три дня посещаете сайт, выбираете билеты, но не совершаете покупку. Система фиксирует вас и выводит индивидуальное предложение о самой выгодной цене: "Через два дня мы поднимем цены на авибилеты в Финляндию. Купи сегодня по самой выгодной цене". Очевидно, что это манипуляция, и здесь компании, которые занимаются продажей авиабилетов, играют на грани фола", - отмечает Иван Боровиков, глава Mindbox.
Другой пример использования Big Data - анализ трендов рынка. В конце 2014 года на фоне падения рубля резко возросли продажи в магазинах ювелирной сети, расположенных на границе с Казахстаном и Беларусью. Гости из этих стран стали массово скупать очень дешевое в рублях золото. Получив данные о резком росте продаж сети в этих регионах, ретейлер значительно поднял цены на свои товары в конкретных магазинах. Для местных жителей золото стало еще дороже, но гостей из ближнего зарубежья цены все еще устраивали. Это позволило ювелирам неплохо заработать, рассказал эксперт.
Сеть отелей Red Roof Inn в США смогла использовать прогнозы об ухудшении погодных условий для привлечения дополнительных клиентов. Смена погоды в определенной местности повышает риск отмены рейсов, а значит те, кто не сможет улететь, будут нуждаться в отеле, чтобы остаться на ночь. Причем отель многие из потенциальных клиентов, скорее всего, будут искать с использованием мобильного устройства. Используя результаты такого анализа, сеть отелей стала запускать "точечные" целевые всплывающие рекламы, которые с большей вероятностью видели именно те, кто искал отели из-за отмены рейсов, что позволило существенно увеличить выручку.
Самая громкая история, связанная с Big Data, произошла в США, где на сеть гипермаркетов Target подал в суд отец двенадцатилетней девочки, которой ретейлер предложил тест на беременность и другие сопутствующие товары, т.к. характер ее покупок за короткий период изменился и стал похож на потребительскую корзину будущих мам. Однако в ходе судебного разбирательства установили, что девочка действительно была на первых месяцах беременности, и дело закрыли. Как видим, иногда Big Data знает о нас больше, чем наши собственные родители.
Мария Любимова, директор по инновационным исследованиям MAGRAM Market Research:
- Самыми передовыми в области сбора и использования Big Data являются мобильные операторы и банки. Они знают про нас действительно все. Мобильный оператор знает, где вы живете и работаете, сколько у вас членов семьи, есть ли домашние животные, когда и куда вы поедете в отпуск, сколько вы примерно зарабатываете и по какой улице возвращаетесь домой. Банки, в дополнение к этому видят потребительские предпочтения и структуру расходов по различным товарным категориям, а также хватает ли вам текущих средств или пора прислать вам предложение по кредитной карте.