CPG, 소매 및 미용 시장의 빅 데이터

앞서 블라디미르 푸틴 러시아 대통령 은 “인공지능은 러시아뿐 아니라 전 인류의 미래다. 이 영역의 리더가 되는 사람이 세계의 지배자가 될 것입니다.” . 이는 현재 비즈니스 세계에도 동일하게 적용됩니다. 다양한 산업 분야의 회사들이 실행 가능한 통찰력을 얻고 비즈니스에 대한 의사 결정을 개선하기 위해 웹에서 사용할 수 있는 방대한 양의 데이터를 이미 시작했거나 사용하기 시작했습니다.

출처: McKinsey Global Institute 분석

MGI의 보고서에서 관찰된 바와 같이 위치 기반 서비스와 미국 소매업은 빅 데이터와 분석을 사용하여 가치를 창출하는 데 가장 높은 진전을 보였습니다. 따라서 특히 소매 또는 소비재 산업에서 비즈니스를 운영하는 경우 데이터를 수집하고 분석하는 것이 더욱 중요합니다. 특정 제품 수요의 증가 및 감소를 예측하고, 배송 경로를 최적화하고, 카테고리에서 가장 많이 팔리는 제품이 무엇인지 예측하고 훨씬 더 많은 작업을 수행할 수 있습니다. 비즈니스 성장을 위해 AI 및 자동화와 결합된 데이터의 가능성은 무궁무진합니다. 다음은 소매 및 CPG 기업이 이익을 위해 이를 사용하는 방법입니다.

가격 인텔리전스

이를 통해 기업은 수요와 공급이 최적의 수익을 창출하는 정확한 최적의 시점에 가격을 책정할 수 있습니다. 동적 가격 책정 도구와 결합된 가격 책정 인텔리전스는 경쟁업체의 가격 책정을 능가하고 빠른 속도로 재고를 전환하는 데 사용할 수 있습니다. 2014년 3월 Walmart는 Savings Checker 를 출시하여 고객이 가격을 확인하고 다른 지역 소매업체에 광고된 제품이 더 저렴한 경우 Walmart Rewards eGift Card로 차액을 돌려받을 수 있도록 했습니다.

매장 내 경험 향상

대형 소매점은 고객에게 원활한 쇼핑 경험을 제공하는 셀프 체크아웃 키오스크를 설치했습니다. 이것의 주요 예 중 하나는 시애틀 의 Amazon Go 매장입니다. 선반에서 가져오거나 선반으로 반환되는 제품을 자동으로 감지합니다. 가상 카트의 모든 제품을 추적합니다. 고객이 쇼핑을 마치면 매장을 나가기만 하면 됩니다. 그러면 나중에 Amazon 계정에 요금이 청구되고 구매 영수증이 전송됩니다.

넥스트 베스트 상품 추천

고객의 구매 패턴을 기반으로 기업은 고객이 다음에 구매할 가능성이 있는 제품을 예측할 수 있습니다. 2012년에 Target은 여성의 쇼핑 습관 에 대한 데이터를 사용하여 여성이 보충제, 수건, 무향 로션을 구매하는 것은 예정일이 임박했음을 의미할 수 있음을 확인했습니다. 이를 통해 고객이 곧 필요로 하는 유아용 침대 및 턱받이와 같은 제품에 대한 더 나은 권장 사항과 제안을 보낼 수 있습니다.

브랜드 감성 측정

소셜 미디어에서 고객의 의견을 경청하는 것은 모든 산업에서 중요한 활동입니다. 빅데이터 분석을 활용한 CPG, 뷰티 브랜드는 트위터, 핀터레스트, 페이스북 등의 소스에서 데이터를 추출해 고객 브랜드 감성 분석을 수행할 수 있다. 이러한 통찰력은 매우 중요할 수 있으며 종종 제품 개발, 광고 및 마케팅 캠페인을 안내하는 데 사용됩니다. L'Oreal & Coca Cola와 같은 브랜드 는 실시간으로 고객 피드백 게시물의 감정을 이해하기 위해 여러 소셜 미디어 웹사이트 및 앱에서 데이터를 수집합니다 .

수요예측

인구 통계 및 세계 경제 데이터 포인트의 수집은 기업이 수요가 증가할 제품을 예측하고 이에 따라 판매를 개선하기 위한 전략적 결정을 내리는 데 도움이 됩니다. 날씨, 공휴일 등은 제품의 전반적인 판매에 많은 영향을 미칩니다. 스마트 수요 예측의 한 예는 Pantene에 의해 수행되었습니다. 그들은 Weather Channel과 협력하여 날씨 데이터를 수집하여 공기 습도가 최고조에 이를 때를 예측했습니다. 이를 통해 여성들에게 곱슬거림과 날아가는 머리카락을 방지하기 위해 특정 제품을 구매하도록 촉구했습니다. 이것은 Pantene이 그 달 동안 매출을 10% 성장시키는 데 도움이 되었습니다.

사기 탐지

사기 행위는 소매 산업의 주요 문제 중 하나입니다. 빅 데이터 분석은 불법 상품 판매, 표절, 심지어 사기까지 탐지하는 데 도움이 될 수 있습니다. 소매업체는 의심스럽거나 비정상적인 활동을 찾고 내부 및 외부 데이터 포인트를 사용하여 효과적인 사기 관리 전략을 구현할 수 있습니다. 예를 들어 , 교대조당 예상 제품 반품 수에 대한 모델을 작성할 수 있습니다. 숫자가 반품 부산물에 대한 특정 지점을 초과하면 무언가 잘못되었다고 의심할 수 있습니다.

시장 바구니 분석

장바구니 분석은 제품 배치와 관련된 매장 레이아웃을 효과적으로 설계하는 데 사용할 수 있습니다. 매장 관리자는 이를 사용하여 매장 내 상품의 위치를 ​​조정할 수 있습니다. 주로 고객이 함께 구매하는 항목 집합 간의 상관 관계를 찾는 데 사용됩니다. 우유 구매자가 커피나 설탕을 구매할 가능성이 더 높다는 것이 관찰되면 소매업체는 우유 섹션 근처에 커피와 설탕을 놓아야 합니다. 그들은 자주 함께 발생하는 제품의 조합을 찾아 거래 내역에서 이 데이터를 쉽게 도출할 수 있습니다.

결론

획득하고 분석할 수 있는 제품 및 서비스, 구매자 및 공급업체, 소비자 선호도에 대한 충분한 양의 데이터가 있습니다. 소매 및 CPG 브랜드의 미래는 주로 이 데이터를 어떻게 사용하고 최대한 활용하느냐에 달려 있습니다. 소비자가 연중무휴 정보에 액세스할 수 있고 제품을 구매할 수 있는 더 많은 옵션이 제공됨에 따라 기업은 결정을 내릴 수 있는 시간이 단축되었습니다. 그러나 기술과 데이터 포인트를 적절하게 조합하면 거의 실시간으로 상당한 성장과 성공을 달성할 수 있습니다.