บิ๊กดาต้าในตลาด CPG ค้าปลีก และความงาม

ประธานาธิบดีรัสเซีย วลาดิมีร์ ปูติน กล่าว ก่อนหน้านี้ว่า “ปัญญาประดิษฐ์เป็นอนาคตที่ไม่เพียงแต่ของรัสเซียเท่านั้น แต่ยังรวมถึงมนุษยชาติทั้งหมดด้วย ใครก็ตามที่เป็นผู้นำในขอบเขตนี้จะกลายเป็นผู้ปกครองโลก” . เช่นเดียวกับโลกธุรกิจปัจจุบันด้วย บริษัทจากอุตสาหกรรมต่างๆ ได้เริ่มต้นขึ้นแล้วหรือกำลังเริ่มใช้ข้อมูลจำนวนมหาศาลที่มีอยู่บนเว็บเพื่อรับข้อมูลเชิงลึกที่นำไปดำเนินการได้และปรับปรุงการตัดสินใจสำหรับธุรกิจของตน

ที่มา: การวิเคราะห์ McKinsey Global Institute

ตามที่สังเกตในรายงานของ MGI บริการตามสถานที่และการค้าปลีกในสหรัฐฯ ได้แสดงให้เห็นความก้าวหน้าสูงสุดในการใช้ข้อมูลขนาดใหญ่และการวิเคราะห์เพื่อสร้างมูลค่า ดังนั้นจึงกลายเป็นสิ่งจำเป็นมากขึ้นในการรวบรวมและวิเคราะห์ข้อมูลโดยเฉพาะอย่างยิ่งหากคุณกำลังดำเนินธุรกิจในอุตสาหกรรมสินค้าขายปลีกหรือสินค้าอุปโภคบริโภค คุณสามารถคาดการณ์ความต้องการสินค้าที่เพิ่มขึ้นและลดลงได้ เพิ่มประสิทธิภาพเส้นทางการจัดส่งของคุณ คาดการณ์ว่าสินค้าขายดีในหมวดหมู่ใดมีแนวโน้มที่จะเป็น และทำสิ่งต่างๆ ได้มากขึ้น ความเป็นไปได้ของการใช้ข้อมูลร่วมกับ AI และระบบอัตโนมัติสำหรับการเติบโตของธุรกิจนั้นไม่มีที่สิ้นสุด นี่คือวิธีที่บริษัทค้าปลีกและ CPG ใช้เพื่อประโยชน์ของตน

ข้อมูลราคา

ช่วยให้ธุรกิจสามารถกำหนดราคา ณ จุดที่ดีที่สุดที่แน่นอนซึ่งอุปสงค์และอุปทานสร้างรายได้สูงสุด ข้อมูลราคาอัจฉริยะเมื่อรวมกับเครื่องมือกำหนดราคาแบบไดนามิกสามารถใช้เพื่อเอาชนะราคาของคู่แข่งและเปลี่ยนสินค้าคงคลังได้อย่างรวดเร็ว ในเดือนมีนาคม 2014 Walmart ได้เปิดตัว Savings Checker ซึ่งอนุญาตให้ลูกค้าตรวจสอบราคาและรับส่วนต่างกลับเป็น Walmart Rewards eGift Card หากผู้ค้าปลีกในพื้นที่รายอื่นมีผลิตภัณฑ์ที่โฆษณาในราคาที่ถูกกว่า

ยกระดับประสบการณ์ในร้าน

ร้านค้าปลีกขนาดใหญ่ได้จัดตั้งตู้ชำระเงินด้วยตนเองซึ่งมอบประสบการณ์การช็อปปิ้งที่ราบรื่นให้กับลูกค้า ตัวอย่างที่สำคัญอย่างหนึ่งของเรื่องนี้คือ ร้าน Amazon Go ในซีแอตเทิล โดยจะตรวจจับโดยอัตโนมัติว่าสินค้าใดถูกนำมาจากหรือส่งคืนไปยังชั้นวาง ติดตามผลิตภัณฑ์ทั้งหมดในรถเข็นเสมือนจริง เมื่อลูกค้าซื้อของเสร็จแล้ว พวกเขาสามารถออกจากร้านได้เลย จากนั้นบัญชี Amazon ของพวกเขาจะถูกเรียกเก็บเงินและใบเสร็จจะถูกส่งไปสำหรับการซื้อที่พวกเขาทำ

แนะนำผลิตภัณฑ์ที่ดีที่สุดต่อไป

ตามรูปแบบการซื้อของลูกค้า ธุรกิจสามารถคาดการณ์สิ่งที่ลูกค้ามีแนวโน้มที่จะซื้อต่อไปได้ ย้อนกลับไปในปี 2012 Target ใช้ข้อมูลเกี่ยวกับพฤติกรรมการซื้อของของผู้หญิง เพื่อระบุว่าผู้หญิงที่ซื้อผลิตภัณฑ์เสริมอาหาร ผ้าเช็ดตัว และโลชั่นไร้กลิ่นอาจหมายความว่าเธอใกล้ถึงกำหนดส่งแล้ว ซึ่งช่วยให้พวกเขาส่งคำแนะนำและข้อเสนอที่ดีขึ้นเกี่ยวกับผลิตภัณฑ์ เช่น เปลและผ้ากันเปื้อน ที่ลูกค้าต้องการในเร็วๆ นี้

การวัดความรู้สึกของแบรนด์

การฟังสิ่งที่ลูกค้าพูดบนโซเชียลมีเดียเป็นกิจกรรมที่สำคัญสำหรับทุกอุตสาหกรรม การใช้การวิเคราะห์ข้อมูลขนาดใหญ่, CPG และแบรนด์ความงามสามารถทำการวิเคราะห์ความรู้สึกของแบรนด์ลูกค้าโดยดึงข้อมูลจากแหล่งต่างๆ เช่น Twitter, Pinterest และ Facebook ข้อมูลเชิงลึกเหล่านี้มีความสำคัญมากและมักใช้เป็นแนวทางในการพัฒนาผลิตภัณฑ์ การโฆษณา และแคมเปญการตลาด แบรนด์ต่างๆ เช่น L'Oreal & Coca Cola รวบรวมข้อมูลจากเว็บไซต์และแอปโซเชียลมีเดียต่างๆ เพื่อทำความเข้าใจความรู้สึกของโพสต์ความคิดเห็นของลูกค้าแบบเรียลไทม์

พยากรณ์ความต้องการ

การรวบรวมจุดข้อมูลด้านประชากรศาสตร์และเศรษฐกิจโลกช่วยให้ธุรกิจคาดการณ์ว่าผลิตภัณฑ์ใดจะมีความต้องการเพิ่มขึ้น และทำการตัดสินใจเชิงกลยุทธ์เพื่อปรับปรุงยอดขาย สิ่งต่างๆ เช่น สภาพอากาศและวันหยุดนักขัตฤกษ์ส่งผลกระทบต่อยอดขายโดยรวมของผลิตภัณฑ์เป็นอย่างมาก ตัวอย่างหนึ่งของการคาดการณ์อุปสงค์อัจฉริยะนั้นทำโดย Pantene พวกเขาร่วมมือกับ Weather Channel เพื่อรวบรวมข้อมูลสภาพอากาศเพื่อคาดการณ์เมื่อความชื้นในอากาศจะถึงจุดสูงสุด ซึ่งทำให้พวกเธอสามารถกระตุ้นให้ผู้หญิงซื้อผลิตภัณฑ์บางอย่างเพื่อป้องกันไม่ให้ผมชี้ฟูและชี้ฟู สิ่งนี้ช่วยให้ Pantene เพิ่มยอดขายได้ถึง 10% ในช่วงเดือนเหล่านั้น

การตรวจจับการฉ้อโกง

กิจกรรมฉ้อโกงเป็นปัญหาสำคัญประการหนึ่งในอุตสาหกรรมค้าปลีก การวิเคราะห์ข้อมูลขนาดใหญ่สามารถช่วยในการตรวจจับการขายสินค้าผิดกฎหมาย การลอกเลียนแบบ และแม้แต่การหลอกลวง ผู้ค้าปลีกสามารถค้นหากิจกรรมที่น่าสงสัยหรือผิดปกติ และใช้กลยุทธ์การจัดการการฉ้อโกงที่มีประสิทธิภาพโดยใช้จุดข้อมูลภายในและภายนอก ตัวอย่าง เช่น พวกเขาสามารถสร้างแบบจำลองสำหรับจำนวนที่คาดการณ์ของผลตอบแทนของผลิตภัณฑ์ต่อกะ เมื่อตัวเลขเกินจุดใดจุดหนึ่งสำหรับการส่งคืนผลพลอยได้ พวกเขาอาจสงสัยว่ามีบางอย่างผิดปกติ

การวิเคราะห์ตะกร้าตลาด

การวิเคราะห์ตะกร้าตลาดสามารถใช้เพื่อออกแบบเลย์เอาต์ของร้านค้าที่เกี่ยวข้องกับการจัดวางผลิตภัณฑ์ได้อย่างมีประสิทธิภาพ ผู้จัดการร้านสามารถใช้ปรับตำแหน่งสินค้าภายในร้านได้ ส่วนใหญ่จะใช้เพื่อค้นหาความสัมพันธ์ระหว่างชุดของสินค้าที่ลูกค้าซื้อร่วมกัน หากสังเกตได้ว่าผู้ซื้อนมมีแนวโน้มที่จะซื้อกาแฟหรือน้ำตาลมากกว่า ผู้ค้าปลีกควรวางกาแฟและน้ำตาลไว้ใกล้ส่วนนม พวกเขาสามารถดึงข้อมูลนี้จากประวัติการทำธุรกรรมได้อย่างง่ายดายโดยการค้นหาชุดค่าผสมของผลิตภัณฑ์ที่มักเกิดขึ้นร่วมกัน

บทสรุป

มีข้อมูลมากมายเกี่ยวกับผลิตภัณฑ์และบริการ ผู้ซื้อและซัพพลายเออร์ ความชอบของผู้บริโภคที่สามารถรับและวิเคราะห์ได้ อนาคตของแบรนด์ค้าปลีกและ CPG ส่วนใหญ่ขึ้นอยู่กับว่าพวกเขาเลือกใช้ข้อมูลนี้อย่างไรและใช้ประโยชน์สูงสุดจากข้อมูลนี้อย่างไร เนื่องจากผู้บริโภคสามารถเข้าถึงข้อมูลได้ตลอด 24 ชั่วโมงทุกวัน และมีทางเลือกมากขึ้นในการซื้อผลิตภัณฑ์ ธุรกิจต่างๆ จึงมีกรอบเวลาการตัดสินใจที่สั้นลง อย่างไรก็ตาม ด้วยการผสมผสานอย่างลงตัวของเทคโนโลยีและจุดข้อมูล พวกเขาสามารถบรรลุการเติบโตและความสำเร็จที่สำคัญในเวลาอันใกล้เรียลไทม์