Big Data w CPG, handlu detalicznym i rynku kosmetycznym

Prezydent Rosji Władimir Putin powiedział wcześniej: „Sztuczna inteligencja to przyszłość nie tylko Rosji, ale całej ludzkości. Kto zostanie przywódcą w tej sferze, stanie się władcą świata”. . To samo dotyczy także obecnego świata biznesu. Firmy z różnych branż już rozpoczęły lub zaczynają wykorzystywać ogromne ilości danych dostępnych w Internecie, aby uzyskać przydatne informacje i usprawnić podejmowanie decyzji w swojej firmie.

Źródło: analiza McKinsey Global Institute

Jak zaobserwowano w raporcie MGI, usługi oparte na lokalizacji i handel detaliczny w USA wykazały największy postęp w wykorzystywaniu big data i analiz do tworzenia wartości. Dlatego tym bardziej istotne staje się zbieranie i analizowanie danych, zwłaszcza jeśli prowadzisz działalność w branży detalicznej lub konsumenckiej towarów pakowanych. Możesz prognozować wzrost i spadek popytu na określone produkty, zoptymalizować trasy dostaw, przewidzieć, jaki będzie prawdopodobnie najlepiej sprzedający się produkt w danej kategorii i zrobić znacznie więcej. Możliwości wykorzystania danych w połączeniu ze sztuczną inteligencją i automatyzacją do rozwoju biznesu są nieograniczone. Oto jak firmy z branży detalicznej i CPG wykorzystują to na swoją korzyść.

Analiza cen

Pozwala firmom ustalać ceny dokładnie w najlepszym punkcie, w którym podaż i popyt generują optymalny dochód. Inteligencja cenowa w połączeniu z dynamicznymi narzędziami wyceny może być wykorzystana do pokonania cen konkurencji i szybszego obracania zapasów. W marcu 2014 r. firma Walmart uruchomiła program Savings Checker , który umożliwiał klientom sprawdzanie cen i odzyskiwanie różnicy w postaci karty podarunkowej Walmart Rewards eGift, jeśli inny lokalny sprzedawca ma którykolwiek z reklamowanych produktów po niższej cenie.

Poprawa doświadczenia w sklepie

Duże punkty sprzedaży detalicznej utworzyły kioski samoobsługowe, które zapewniają klientom bezproblemowe zakupy. Jednym z głównych przykładów jest sklep Amazon Go w Seattle. Automatycznie wykrywa, jakie produkty są pobierane lub zwracane na półki. Śledzi wszystkie produkty w wirtualnym koszyku. Kiedy klienci skończą zakupy, mogą po prostu opuścić sklep, a później ich konto Amazon zostaje obciążone i wysyłany jest paragon za dokonane zakupy.

Polecanie kolejnych najlepszych produktów

Na podstawie wzorca zakupów klienta firmy mogą przewidzieć, co klient prawdopodobnie kupi w następnej kolejności. W 2012 r. Target wykorzystał dane dotyczące zwyczajów zakupowych kobiet, aby stwierdzić, że kobiety kupujące suplementy, myjki i bezzapachowe balsamy mogą oznaczać, że zbliża się termin. Pomogło im to w wysyłaniu lepszych rekomendacji i ofert dotyczących produktów, takich jak łóżeczka i śliniaczki, których klient będzie wkrótce potrzebował.

Mierzenie sentymentu do marki

Słuchanie tego, co klienci mają do powiedzenia w mediach społecznościowych, jest ważną czynnością dla każdej branży. Korzystając z analizy big data, marki CPG i kosmetyczne mogą przeprowadzać analizę sentymentu marki klientów, wyodrębniając dane ze źródeł takich jak Twitter, Pinterest i Facebook. Te spostrzeżenia mogą być bardzo ważne i są często wykorzystywane do kierowania rozwojem produktu, kampaniami reklamowymi i marketingowymi. Marki takie jak L'Oreal i Coca Cola zbierają dane z wielu serwisów społecznościowych i aplikacji , aby zrozumieć nastroje postów z opiniami klientów w czasie rzeczywistym.

Prognozowanie popytu

Gromadzenie danych demograficznych i danych o gospodarce światowej pomaga firmom prognozować, na jakie produkty będzie wzrastać popyt, i podejmować strategiczne decyzje mające na celu poprawę sprzedaży. Rzeczy takie jak pogoda i święta państwowe mają duży wpływ na ogólną sprzedaż produktu. Jeden z takich przykładów inteligentnego prognozowania popytu został wykonany przez Pantene. Współpracowali z Weather Channel, aby zebrać dane pogodowe, aby przewidzieć, kiedy wilgotność powietrza będzie maksymalna. To pozwoliło im nakłonić kobiety do zakupu określonego produktu, aby zapobiec puszeniu się i elektryzowaniu się włosów. Pomogło to Pantene zwiększyć sprzedaż o 10% w tych miesiącach.

Wykrywanie oszustw

Nieuczciwe działania to jeden z głównych problemów w branży retail. Analityka Big Data może pomóc w wykrywaniu nielegalnej sprzedaży towarów, plagiatu, a nawet oszustw. Sprzedawcy detaliczni mogą szukać podejrzanych lub nietypowych działań i wdrażać skuteczną strategię zarządzania oszustwami przy użyciu wewnętrznych i zewnętrznych punktów danych. Na przykład mogą zbudować model dla przewidywanej liczby zwrotów produktów na zmianę; gdy liczby przekraczają określony punkt zwrotów produktów ubocznych, mogą podejrzewać, że coś jest nie tak.

Analiza koszyka rynkowego

Analiza koszyka rynkowego może być wykorzystana do efektywnego zaprojektowania layoutu sklepu pod kątem lokowania produktu. Menadżerowie sklepów mogą dzięki niemu dostosować lokalizację towarów wewnątrz sklepów. Służy głównie do znajdowania korelacji między zestawem przedmiotów, które klient kupuje razem. Jeśli zaobserwuje się, że nabywcy mleka chętniej kupują kawę lub cukier, sprzedawca powinien umieścić kawę i cukier w pobliżu sekcji z mlekiem. Mogą łatwo uzyskać te dane z historii transakcji, znajdując kombinacje produktów, które często współwystępują.

Wniosek

Istnieje wiele danych o produktach i usługach, nabywcach i dostawcach, preferencjach konsumentów, które można pozyskać i przeanalizować. Przyszłość marek detalicznych i CPG zależy głównie od tego, jak zdecydują się wykorzystać te dane i jak najlepiej je wykorzystać. Ponieważ konsumenci mają dostęp do informacji 24×7 i więcej opcji zakupu produktów, firmy mają krótsze okno decyzyjne do działania. Jednak dzięki odpowiedniej kombinacji technologii i punktów danych mogą osiągnąć znaczny wzrost i sukces w czasie zbliżonym do rzeczywistego.