Большие данные в CPG, ритейле и бьюти-рынке

Президент России Владимир Путин ранее заявил: «Искусственный интеллект — это будущее не только России, но и всего человечества. Кто станет лидером в этой сфере, тот станет правителем мира». . То же самое относится и к современному деловому миру. Компании из разных отраслей уже начали или начинают использовать огромное количество данных, доступных в Интернете, чтобы получить полезную информацию и улучшить процесс принятия решений для своего бизнеса.

Источник: анализ Глобального института McKinsey .

Как отмечается в отчете MGI, услуги на основе местоположения и розничная торговля в США продемонстрировали наибольший прогресс в использовании больших данных и аналитики для создания ценности. Следовательно, становится все более важным собирать и анализировать данные, особенно если вы ведете бизнес в сфере розничной торговли или потребительских товаров. Вы можете прогнозировать рост и падение спроса на конкретный продукт, оптимизировать маршруты доставки, предсказывать, какой продукт будет самым продаваемым в категории, и делать многое другое. Возможности использования данных в сочетании с искусственным интеллектом и автоматизацией для развития бизнеса безграничны. Вот как компании, занимающиеся розничной торговлей и потребительскими товарами, используют это в своих интересах.

Интеллектуальное ценообразование

Это позволяет предприятиям устанавливать цены на оптимальном уровне, при котором спрос и предложение приносят оптимальный доход. Интеллектуальное ценообразование в сочетании с инструментами динамического ценообразования может использоваться для того, чтобы превзойти цены конкурентов и ускорить оборот запасов. В марте 2014 года Walmart запустил Savings Checker , который позволял покупателям проверять цены и возвращать разницу в виде электронной подарочной карты Walmart Rewards, если у другого местного продавца есть какой-либо из рекламируемых продуктов по более низкой цене.

Улучшение опыта в магазине

Крупные торговые точки установили киоски самообслуживания, которые обеспечивают беспрепятственный процесс совершения покупок покупателями. Одним из ярких примеров этого является магазин Amazon Go в Сиэтле. Он автоматически определяет, какие продукты взяты с полок или возвращены на них. Он отслеживает все продукты в виртуальной корзине. Когда покупатели закончили делать покупки, они могут просто покинуть магазин, а позже с их счета Amazon будет списана сумма, и будет отправлен чек о сделанных покупках.

Рекомендация следующих лучших продуктов

Основываясь на характере покупок клиента, компании могут предсказать, что клиент, скорее всего, купит в следующий раз. Еще в 2012 году Target использовала данные о покупательских привычках женщин, чтобы определить, что женщины, покупающие добавки, мочалки и лосьон без запаха, могут означать, что она близка к сроку родов. Это помогло им отправлять более качественные рекомендации и предложения по таким продуктам, как детские кроватки и нагрудники, которые скоро понадобятся покупателю.

Измерение отношения к бренду

Прислушиваться к тому, что клиенты говорят в социальных сетях, — важная деятельность для любой отрасли. Используя аналитику больших данных, CPG и косметические бренды, можно анализировать отношение клиентов к брендам, извлекая данные из таких источников, как Twitter, Pinterest и Facebook. Эти идеи могут быть очень важными и часто используются для разработки продуктов, рекламы и маркетинговых кампаний. Такие бренды, как L'Oreal и Coca Cola , собирают данные с нескольких веб-сайтов и приложений в социальных сетях, чтобы в режиме реального времени понимать настроение сообщений с отзывами клиентов.

Прогнозирование спроса

Сбор демографических и мировых экономических данных помогает предприятиям прогнозировать, на какие товары будет расти спрос, и соответственно принимать стратегические решения для улучшения продаж. Такие вещи, как погода и праздничные дни, сильно влияют на общую продажу продукта. Один из таких примеров интеллектуального прогнозирования спроса был сделан компанией Pantene. Они сотрудничали с Weather Channel, чтобы собрать данные о погоде, чтобы спрогнозировать, когда влажность воздуха будет максимальной. Это позволило им убедить женщин покупать определенный продукт, чтобы предотвратить вьющиеся и разлетающиеся волосы. Это помогло Pantene увеличить продажи на 10% за эти месяцы.

Обнаружение мошенничества

Мошенничество является одной из основных проблем в сфере розничной торговли. Аналитика больших данных может помочь в обнаружении таких незаконных продаж товаров, плагиата и даже мошенничества. Ритейлеры могут выявлять подозрительные или необычные действия и внедрять эффективную стратегию борьбы с мошенничеством, используя внутренние и внешние точки данных. Например , они могут построить модель для прогнозируемого количества возвратов продукции за смену; когда число возвратов побочного продукта превышает определенное значение, они могут заподозрить, что что-то не так.

Анализ рыночной корзины

Анализ потребительской корзины можно использовать для эффективной разработки макета магазина с точки зрения размещения товаров. Менеджеры магазинов могут использовать его для корректировки расположения товаров внутри магазинов. Он в основном используется для поиска корреляции между набором товаров, которые клиент покупает вместе. Если замечено, что покупатели молока чаще покупают кофе или сахар, то розничному продавцу следует разместить кофе и сахар рядом с молочным отделом. Они могут легко получить эти данные из истории транзакций, найдя комбинации продуктов, которые часто встречаются одновременно.

Вывод

Данных о продуктах и ​​услугах, покупателях и поставщиках, потребительских предпочтениях достаточно, чтобы их можно было получить и проанализировать. Будущее брендов розничной торговли и CPG в основном зависит от того, как они решат использовать эти данные и максимально использовать их. Поскольку потребители имеют доступ к информации 24 часа в сутки 7 дней в неделю и больше возможностей для покупки продуктов, у компаний есть более короткое окно для принятия решений. Однако при правильном сочетании технологий и точек данных они могут добиться значительного роста и успеха практически в режиме реального времени.