Как big data избавила ретейлеров от лишней работы в пандемический цейтнот
В пандемию традиционным ретейлерам пришлось осваивать онлайн. Самые передовые делали это не на ощупь, а с помощью технологий на основе big data. Владимир Вертоградов и Роман Щемелев («Норбит», входит в ГК «Ланит») — о том, что «умеют» эти технологии.
Оптимизация логистики
Во время действия режима самоизоляции доля онлайн-заказов выросла в десятки раз. В короткие сроки в условиях ограничительных мер и карантина ретейлерам пришлось нанять большое число курьеров, но это не спасло их от сбоев при доставке заказов. В этот период для потребителей важными критериями выбора сайта для покупок стали скорость и гарантия доставки. Если интернет-магазин доставлял заказ на три дня позже назначенного срока или вообще оставлял клиента в неведении о том, что с его заказом, то просто терял своего клиента.
Ретейлеров спасали сервисы управления доставкой на базе big data. Такие сервисы помогают оптимизировать финальный этап доставки товара потребителю («последней мили»). Они подсказывают ретейлерам, как оперативно перестроить маршрут и подобрать подходящий транспорт для конкретного заказа.
Сервисы учитывают большое количество характеристик при ежедневном создании маршрутов: зоны доставки, пробки, ремонт дорог, выбор транспорта, совместимость грузов, упаковка товаров и т.п. Такой сервис, к примеру, использует «Леруа Мерлен».
Прогнозирование спроса и управление запасами
Часть потребителей уходили на другие сайты за покупками не только из-за долгой доставки, но и из-за отсутствия товара на складе. Многие ретейлеры старались быть прозрачными для пользователей — отображали количество товаров в интернет- и офлайн-магазинах или сообщали предположительное время появления товара на складе. Столкнувшись с перебоями в поставках, розничные сети стали увеличивать свой страховой запас. Конечно, сделать это по всем позициям невозможно. Поэтому ретейлеры пытались понять, на какую продукцию спрос будет отложен и на что быстрее вернется.
Очень пригодилась модель прогнозирования на big data, которая учитывает сотни факторов, влияющих на спрос. Нейросети обрабатывают данные по продажам ретейлера, предпочтениям его покупателей, остаткам, ассортименту, рекламным кампаниям и конкурентам. Модель формирует прогноз, чем лучше всего пополнить полки в ближайшее время. Это влияет на гибкость всей цепи поставок. Сети гипермаркетов «Лента» большие данные позволяют точнее предсказать, как промоакции и распродажи сказываются на спросе и продажах товаров по специальным предложениям. Так сеть корректирует заказы для магазинов. Большие данные влияют как на покупательский опыт (клиент всегда находит промо-товар на полке), так и на уровень издержек за счёт снижения списаний и хранения лишних запасов.
Контроль качества продукции
При онлайн-заказе у каждого потребителя есть базовые пожелания: хочется, чтобы еда была свежей и вкусной, а одежда соответствовала размеру и «не торчали нитки». Поэтому интернет-магазины пытаются решить две задачи: контролировать качество продукции при онлайн-доставке и правильно формировать ожидания перед покупкой. С помощью технологий big data интернет-магазины проводят «анализ настроений»: изучают отзывы и комментарии клиентов. Это дает им возможность уведомить покупателей о том, что определенные предметы одежды могут быть «большемерками» или «маломерками».
Big data могут играть вспомогательную роль при контроле качества продуктов. Например, пищевые продукты (молоко, мясо, мороженое) при транспортировке нужно держать в холоде. IoT-датчики передают данные о температуре и влажности в режиме реального времени. Таким образом, используя big data, можно понять, какие продукты не соответствуют качеству, и заменить их на новые или провести профилактические мероприятия. Американская онлайн-служба доставки продуктов FreshDirect использует такие датчики, обрабатывает и анализирует данные для отслеживания состояния продукта и условий окружающей среды во время транспортировки.
Управление оттоком клиентов
Во время пандемии офлайн-магазины предсказуемо столкнулись со снижением спроса и оттоком клиентов. Потребители стали более рациональными: сократили свои расходы на непродовольственные товары и развлечения, и многие стали предпочитать онлайн-покупки.
C помощью предиктивной аналитики ретейлеры пытаются вычислить клиентов, которые готовы отказаться от услуг и ранжируют их по степени лояльности. Далее ценным покупателям делают персональные предложения, дают различные скидки, чтобы они как можно дольше оставались лояльными, а с «нестабильными» клиентами — спокойно прощаются без лишних вложений в них.
Кому big data приносит реальный результат
Не испугались новых реалий те компании, которые занимались развитием омниканальности и цифровизацией бизнес-процессов до начала коронакризиса. Крупнейший онлайн-гипермаркет России «Утконос» с помощью технологий big data борется с оттоком клиентов, изучает клиентов, персонализирует предложения и прогнозирует спрос. Пользователи мобильного приложения могут просматривать адаптированную онлайн-витрину, выбирать временной интервал доставки, отслеживать курьера, искать товары по штрих-коду. Ограничительные меры и комплекс технологий принесли онлайн-ретейлеру выручку +34,5% в 1 квартале 2020 года.
С помощью big data можно настроить механизм рекомендаций. Он собирает данные из истории покупок клиентов, просмотры, клики, поисковые запросы и товары в корзине. Основываясь на этих данных, сервис выдает максимально интересные предложения клиентам и параллельно помогает стимулировать продажи медленно распространяемых продуктов. Примером из HoReCa может служить столичная сеть ресторанов, которая применяет данные о покупках для выстраивания собственного рекомендательного сервиса. Клиентам сети нравится получать рекомендации, основанные на их интересах, поскольку это сокращает время на поиски «любимого блюда» и облегчает процесс покупки за счет персонализированных предложений. Средний чек участника программы лояльности увеличился на 37% за первые 3 месяца использования сервиса.
Технологии big data помогают видеть причинно-следственные связи между внешними и внутренними факторами, определяют проблемные зоны и заставляют компании «быстрее учиться». Ретейлеры оперативно реагируют на потребности клиентов, что становится реальным конкурентным преимуществом на переполненном потребительском рынке.
Пандемия максимально ускорила внедрение этих технологий, благодаря чему многие ретейлеры не просто удержались «на плаву», но и получили качественный скачок в развитии.
Автор: Владимир Вертоградов, управляющий директор «Норбит» (входит в ГК «Ланит»); Роман Щемелев, директор по маркетингу «Норбит».
Решение для автоматизации маркетинга и управления лояльностью. Зарегистрировано в реестре Российского ПО.
Другие публикации
к автоматизации
Начните автоматизировать ваш маркетинг уже сейчас.
Отправьте заявку на демонстрацию платформы и мы поможем разобраться в
деталях.