В основе цифровой трансформации бизнеса лежат решения на основе бизнес-анализа (BI). При этом данные не влияют на продажи напрямую, и ими нужно правильно распорядиться.
На сайте New Retail опубликован материал о том, каким образом аналитика, основанная на использовании искусственного интеллекта (ИИ) и свободных запросах, сформулированных простым языком, может быть встроена в бизнес розничной компании. RAU предлагает ознакомиться с основными тезисами.
Данные — топливо современного ритейла
Цифровая трансформация на основе Big Data стала главным критерием конкурентоспособности в рознице. Сейчас ритейлеры детально изучают потребности и запросы, покупательское поведение клиентов, чтобы корректировать свои предложения в соответствии с ними.
Но если несколько лет назад доступ к дашбордам был прерогативой топ-менеджмента компании и на их основе выстраивалась стратегия, то теперь инструменты анализа данных доступны менеджерам, маркетологам и продавцам, предоставляя возможность принимать более эффективные решения.
«Топливом» для разного рода систем бизнес-анализа являются данные CRM-систем, электронной почты, терминалов PoS и других источников вплоть до радиомаяков в торговых залах и носимых устройств.
Быстрая обработка Big Data
В основе революции данных лежат современные решения бизнес-анализа (BI). Технологии внедряются на всех этапах в торговле, но поскольку они не влияют на продажи напрямую, данными нужно правильно распорядиться.
Прогрессивные инструменты BI анализируют действия потребителей, отслеживают показатели продаж и запасов, а также генерируют данные, позволяющую получить представление о покупателях, продажах и запасах. На базе такой аналитики принимаются оперативные решения, как стратегические, так и тактические, увеличивающие доход в розничном бизнесе.
Решения для анализа данных не просто строят фактические отчеты, но и обогащают их трендовой аналитикой. Все больше BI-систем внедряют инструменты машинного обучения и обработки естественного языка, благодаря чему бизнес-пользователи могут «общаться» с такими системами, то есть обращаться к системам с конкретными вопросами и получать на них ответы в режиме реального времени.
Мгновенный доступ
С другой стороны, интеллектуализация BI-систем, их возможность работать с запросами пользователей, сформулированными естественным языком, возможность поиска по неограниченным объемам данных, которая получила название Search&AI-Driven Analytics, наконец, позволили монетизировать большие данные розничных компаний в реальном времени. Бизнесу больше не нужно тратить время на подготовку аналитических отчетов в течение многих суток: любой менеджер, задавая вопрос такой системе, моментально получает информацию, которая необходима ему для принятия решения в конкретной ситуации.
Крупнейшие торговые компании выбирают Search&AI-Driven Analytics: например, Canadian Tire, JD Sports, Walmart. Специализированное решение позволяет обращаться к большим данным сотрудникам и командам — от мерчендайзеров и категорийных менеджеров до финансовых сотрудников и руководителей. В частности, сегодня более 5000 служащих Walmart имеют возможность использовать в своей работе продвинутую аналитику, которая строится на базе более чем 60 Тб данных.
Они генерируют около 120 000 ad-hoc запросов в неделю. Все это говорит о том, что аналитика стала полноценным инструментом принятия решений для Walmart на всех уровнях, значит, сотрудники могут выстраивать более конкурентоспособную стратегию, опираясь на глубокое знание бизнеса, показатели и тренды. При этом каждые шесть месяцев количество данных возрастает в четыре раза.
Существуют несколько базовых сценариев использования такой аналитики, и один из них — управление продажами.
Управление продажами
В реальном времени такие системы позволяют оценить продажи в разных разрезах по всем торговым точкам чтобы оценить спрос, минимизировать возможный дефицит востребованной продукции и вероятность затоваривания складов.
Громоздкие аналитические отчеты, неприменимые к реальной жизни, более не актуальны, поскольку розница вынуждена не только подстраиваться под действия конкурентов, но и под меняющиеся каждый день правила игры в условиях пандемии. Компании ищут ответы на конкретные вопросы.
Например, как один магазин соотносится с другим? Как выручка конкретного магазина соотносится с региональными продажами? Какой магазин должен быть закрыт, а какой, например, наоборот, не справляется с растущими запросами и требует усиления? Таким образом, BI помогают влиять на конкретные операционные показатели и на тактику компании на ближайшем горизонте событий.
Создание персонализированного опыта покупки
Это вторая по значимости область применения современных BI-решений в рознице, причем не только в e-commerce. Пока львиная доля покупателей по-прежнему приобретает товары в физических магазинах. Однако исследования Epsilon показывают, что 80% постоянных покупателей совершают покупки только с брендами, которые предлагают индивидуальный опыт покупок. Значительное число покупателей по-прежнему высоко ценят личную помощь и советы, которые они получают от продавцов в магазинах.
Они также ценят возможность получить покупки на месте, а не ждать доставки. Сетевая революция создала новое поколение хорошо информированных клиентов, чей выбор мотивирован гораздо большим количеством факторов, чем просто лучшая цена.
Анализ историй клиентов, собранных с помощью приложений PoS и CRM, агрегированных в базе данных BI, может выявить поведенческие модели и предпочтения покупателей. Инструменты BI позволяют проводить детальный анализ воронок, анализировать и улучшать взаимодействие с клиентами во время каждой их встречи с брендом. То есть, в том числе, консультантами непосредственно в торговых залах, и это возможно благодаря BI.
Кроме того, BI-решения позволяют повысить эффективность целевых маркетинговых кампаний благодаря использованию уникальной информации, такой как триггерные точки покупателя, схемы покупок, способы взаимодействия с брендом и других параметров. Также решения для бизнес-аналитики облегчают маркетинговый бенчмаркинг, позволяя выявлять наиболее и менее прибыльные практики.
Эта область остается самой недооцененной: по данным Gartner, только 29% маркетологов используют продвинутые аналитические модели. Большинство из них по-прежнему не знает, каким образом распорядиться тем богатством пользовательских данных, которыми они владеют, причем 40% ищут нужные данные, а треть строят собственные отчеты. При этом 8 из 10 готовы попробовать инструменты анализа данных для принятия маркетинговых решений уже в ближайший год, а значит маркетинг на основе BI будет развиваться.