Как Big Data помогает ритейлерам с персонализацией ассортимента

Еще в конце 2000-х годов предприниматели поняли ценность Big Data для бизнеса, однако техническая возможность обрабатывать столь значительные массивы информации появилась сравнительно недавно. По опыту Лиги Цифровой Экономики, тренд на Big Data в ритейле утвердился около пяти лет назад: большие данные используются как для онлайн-продаж, так и в офлайн-магазинах. Компании, внедряющие Big Data, обеспечивают себе лидерство в отрасли.

Как Big Data помогает ритейлерам

По итогам 2023 года объем мирового рынка Big Data достиг 220,2 млрд долларов. В России, по разным оценкам, этот показатель варьируется от 10 до 30 млрд рублей. Причина, по которой бизнес в целом и ритейлеры в частности инвестируют в Big Data, заключается в их возможностях для решения целого комплекса задач.

Персонализация предложения. Благодаря Big Data ритейлер быстрее понимает потребности покупателя и разрабатывает персональные рекомендации. Также большие данные помогают повысить дополнительные продажи. Например, при оформлении заказа позволяют показывать товары, которые могут понравиться покупателю.

Упрощение принятия решений. С помощью Big Data руководители компаний и отдельных сегментов могут быстрее анализировать ситуацию, прогнозировать спрос и принимать обоснованные решения, что снижает риски и ведет к росту выручки.

Разработка маркетинговых кампаний. Благодаря Big Data ритейлеры могут организовывать маркетинговые кампании с учетом предпочтений аудитории, что значительно повышает вероятность покупок.

Оптимизация цен. Ритейлер может анализировать данные о стоимости товаров на рынке, чтобы установить сбалансированную цену, которая будет привлекательной для покупателей и выгодной для продавца. Однако ключевое значение имеет не столько возможность расчета цены (для этого существуют и другие инструменты), сколько скорость обновлений. Например, сервис динамического ценообразования Amazon учитывает тысячи факторов и меняет цены каждые две минуты. Даже большая команда сотрудников не смогла бы достичь аналогичного результата. Подобную задачу решали для одного из крупнейших ритейлеров.

Оформление витрин. На основании данных, собираемых в офлайн-магазинах с помощью видеоаналитики и тепловых карт, можно более эффективно располагать товары на полках.

Улучшение клиентского опыта. С помощью Big Data ритейлер может выявить проблемы при оформлении заказа и устранить их: пользователю станет удобнее покупать, а магазин заработает больше.

Это не полный перечень возможностей Big Data в ритейле. С их помощью компании также управляют ассортиментом, распределяют товары внутри торговых точек и решают другие задачи.

Как организованы сбор и защита данных в ритейле

В основном ритейлеры собирают данные двумя способами:

·                 Программы лояльности.

·                 Обмен с партнерами.

Значительную часть данных магазины получают с помощью программ лояльности. На практике это устроено так: покупателю предлагают оформить карту в обмен на скидки и другие бонусы. При регистрации он заполняет анкету, где сообщает свои имя, пол, возраст, номер телефона и почтовый адрес. В некоторых случаях требуются дополнительные сведения, например, о детях и домашних животных. Затем магазин отслеживает, что, в каком объеме и когда приобретает покупатель. Весь этот массив данных ритейлер впоследствии будет анализировать и использовать при решении бизнес-задач.

Данные о покупках собирают не только онлайн, но и в офлайн-магазинах. Именно для этого кассиры просят предъявить карту магазина.

Чтобы агрегировать больше информации о клиентах, ритейлеры обмениваются данными друг с другом, в том числе с помощью регулятора. Так, например, около трех лет назад ФНС запускала совместный проект с большими сетями. Сотрудничество было выгодно всем сторонам: налоговая служба таким образом ускоряла переход на виртуальные чеки, а магазины получали недоступную ранее информацию о покупателях.

Объем данных в ритейле огромен. Такое количество сведений, включая имена и номера телефонов, представляет большой интерес для мошенников, поэтому компаниям приходится прилагать масштабные усилия для защиты. Однако этот вопрос пока нельзя считать полностью закрытым.

Одно из решений заключается в организации контуров безопасности и исключения возможностей утечек. Как правило, чувствительную информацию размещают в собственных ЦОДах и реже — в облачных сервисах. Кроме этого, компании постоянно проводят тестирование безопасности информационных систем и процессов.

Перспективы Big Data в ритейле

Большие данные собирают давно, однако для целей бизнеса пока получается использовать не все из них, часть остается неосвоенной.

Когда началось повсеместное внедрение Big Data, компании не только стали эффективнее решать старые задачи, но и добились прогресса в совершенно новых направлениях. Например, научились находить скрытые закономерности спроса или разрабатывать персональные предложения. Пока все возможности Big Data не раскрыты, и ритейлеры будут искать способ найти их.

Один из вариантов развития — внедрение искусственного интеллекта и генеративных сетей, которые в будущем, возможно, научатся анализировать потребности покупателей и эффективнее продавать товары.

Однако пока искусственный интеллект следует применять с осторожностью из-за «галлюцинаций». Иногда ИИ придумывает несуществующие товары на основании данных и предлагает их покупателям. Стоит отметить, что галлюцинации ИИ — проблема, характерная не только для ритейла. Как окончательно решить ее, неясно. Один из способов — напрямую приказывать искусственному интеллекту не придумывать.

О направлениях использования Big Data в будущем можно дискутировать, однако их необходимость в ритейле очевидна. Большие данные помогают бизнесу не просто продвигать товары среди обезличенной аудитории, а определять потребности каждого конкретного клиента, что в перспективе ведет к высокой лояльности и благополучию бизнеса в целом. А если поручить внедрение Big Data опытной компании, можно снизить издержки и ускорить достижение результатов.