Тренды цифровизации в ритейле

Как с помощью Business Intelligence (BI) и инструментов аналитики поддержать продажи рассказывает руководитель практики BI компании iFellow Павел Осипов.

Конкуренция торговых сетей за кошелек покупателей растет. В условиях общего снижения доходов люди склонны не только чаще включать «режим экономии», но и более тщательно сравнивать предложения различных магазинов. Сегодня цифровые аналитические инструменты помогают ритейлерам привлекать покупателей, повышать их лояльность, оценивать бизнес-показатели и принимать верные управленческие решения.

В 2022 году оборот российских ритейлеров оказался на 10% ниже, чем годом ранее, подсчитали в INFOLine. При этом даже таких показателей выручки компании смогли достичь в основном благодаря инфляции, а не объему потребления. Тенденция сохраняется и в 2023 году: по данным Росстата, оборот предприятий розничной торговли в январе-феврале снизился на 7,2% в сопоставимых ценах по сравнению с двумя первыми месяцами прошлого года.

Кроме того, руководители крупных FMCG-компаний опасаются дальнейшего снижения прибыльности бизнеса из-за стремления покупателей экономить, показало исследование NielsenIQ. 88% топ-менеджеров, участвовавших в опросе, назвали основным риском падение потребительских доходов населения. Поднимать цены для повышения маржинальности в таких условиях вряд ли получится. Очевидно, что нужно стимулировать продажи, повышать их эффективность, прогнозировать спрос другими способами. Вот почему компаниям стоит обратить особое внимание на цифровые инструменты BI и аналитики.

Место BI в ИТ-ландшафте ритейлера

Аналитические команды и ИТ-инструменты так или иначе присутствуют в арсенале любой торговой сети. Раньше, как правило, крупные компании создавали для этого внутри себя единые обособленные подразделения. В текущих реалиях чаще используется модель, когда на уровне бизнес-юнита или департамента есть своя команда аналитики, например, в отделах маркетинга, логистики, управления пунктами выдачи заказов и т.д.

Структура такой команды различается в зависимости от специфики бизнеса, функциональных задач и данных, которыми она оперирует. В любом случае главную роль в ней играет опытный специалист, который четко понимает, что и как нужно считать, как оценивать результаты, от чего они зависят и на что влияют, как можно их изменить в лучшую сторону. Чтобы аналитик мог работать с готовой «очищенной» базой данных и ему не приходилось ходить по бизнес-юнитам и собирать данные в необходимом формате, — как раз используются инструменты BI. Таким образом, BI собирает, обрабатывает, хранит и предоставляет аналитикам по возможности наиболее полные данные в соответствии с определенным запросом.

При этом BI-система активно взаимодействует с корневыми системами компании: закупочной, складской, логистической, бухгалтерской, CRM и другими, выгружая и трансформируя данные этих систем, а также обеспечивая их сохранность в течение длительного времени на отдельном сервере. И уже эта база используется аналитиками для проведения A/B тестов, проверки статистических гипотез, выявления инсайтов, выработки правил антифрода и других задач.

Перейдем к конкретным практическим примерам.

Персонализация с помощью CRM

Массовые промоакции в торговых сетях продолжают играть большую роль как механизм формирования спроса и катализатор продаж. Однако всё большее значение для ритейлеров имеют персонализированные предложения, которые помогают повысить лояльность клиентов и тем самым увеличить частоту покупок и средний чек каждого покупателя. В ряде сетей развиты партнерские программы и кэшбек — они также положительно влияют на средний чек и мотивируют клиента выбирать в течение срока акции магазин конкретного бренда.

Стратегия CRM-маркетинга (управление взаимоотношениями с клиентами) предполагает сбор клиентских данных и их грамотную обработку. Основную информацию аналитики берут в CRM-системе — это ключевой инструмент при построении программ лояльности и создании промо-предложений. Поэтому для современного ритейла важны ее дополнительные аналитические возможности.

Продвинутые поставщики CRM-систем предлагают инструменты бизнес-аналитики в дополнение к своему программному обеспечению в виде CDP (Customer Data Platform, платформа клиентских данных), или же аналитика настраивается с помощью BI. Здесь могут быть как преднастроенные отчеты, так и отчеты, настроенные по требованиям заказчика. Например, могут оцениваться частота совершения покупок и длина чека — как основа для дальнейшего построения отчетов о категорийных предпочтениях и пересекаемости категорий. Если сети магазинов требуются специализированные отчеты, то делается кастомная доработка CDP-системы.

Значение аналитики клиентских данных в ритейле растет. Так, крупные игроки рынка трансформируют CRM-маркетинг в CVM (Customer Value Management — управление потребительской ценностью). Они стремятся не просто грамотно взаимодействовать с клиентом, а учатся управлять ценностью, которую он получает от компании.

Ассортиментная политика

Аналитика в ритейле помогает решать множество задач: среди них — актуализация ассортиментной матрицы и ценообразование. Например, для всех точек продаж важно определить товары-маркеры и установить на них конкурентную цену. По этим товарам клиенты сравнивают предложения разных торговых сетей. Для некоторых сетей имеет смысл выделить EDLP-продукты (Everyday Low Price), на которые всегда удерживается низкая цена — в первую очередь, речь идет про FMCG.

Кроме этого, объем продаж зависит от того, насколько ритейлеру удается своевременно удовлетворять сезонный спрос. Здесь также стоимость товара должна быть конкурентной, потому что покупатели внимательно наблюдают за предложениями.

Еще один нюанс ассортиментной политики — выявление основных покупаемых товаров, чтобы правильно управлять их наличием на торговых точках, а также анализ списаний неликвидных товаров, товаров с истекшим сроком годности и брака.

Продвинутая аналитика помогает сформировать наиболее востребованный и маржинальный ассортимент, устанавливать на критически значимые товары конкурентные цены. При этом проекты в области аналитики — это объемный и сложный пласт работы. Часто ритейлеры работают с устаревшим ПО или с инструментом, который не совместим с какими-то другими системами. Как следствие, наиболее распространенной проблемой является разрозненность накопленных данных. Таблицы с информацией очень велики — в крупных сетях, особенно в секторе FMCG, могут быть сотни тысяч покупок в минуту. Для корректного объединения таких данных компаниям могут потребоваться дополнительные ИТ-мощности.

Оценка удовлетворенности клиентов

Высокое качество обслуживания побуждает клиентов возвращаться в магазин не только за низкими ценами, но и за сервисом. Для повышения уровня сервиса некоторые ритейлеры собирают и анализируют оценки удовлетворенности покупками. Для их сбора существует множество различных инструментов: например, анализ мессенджеров и социальных сетей, где покупатели активно делятся мнениями о посещении той или иной торговой точки.

«Подтягивание» информации об удовлетворенности покупателей из внешних источников происходит с помощью промышленных решений или самописных систем. Полученная статистика используется для бенчмаркинга (изучения опыта конкурентов и внедрения лучших практик), для принятия решений о премировании или депремировании сотрудников.

«Умные» программы лояльности

Если раньше для запуска промоакции CRM-менеджер вручную выбирал сегмент клиентов и запускал коммуникацию с ними, то сегодня на рынке есть ML-инструменты, которые максимально автоматизируют этот процесс: сегментируют, подбирают промо под каждый сегмент, делают рассылку и даже фиксируют время открытия писем, что в дальнейшем учитывается при коммуникации и повышает Open Rate (процент открытия писем). Компании остается только задать рамки: например, установить размер максимальной скидки на определенную категорию товаров, величину начисляемых бонусных баллов и т.д. Таким образом цифровой сервис позволяет оптимизировать трудовые ресурсы компании.

Крупные ритейлеры уже пилотируют продукты, в которых используются технологии машинного обучения. Правда, остаются открытыми вопросы измерения их эффективности. Для их корректной работы недостаточно анализировать данные по товарообороту, нужны и дополнительные метрики: например, анализ поведения клиентов до акции и после.

С чего начать?

Как правило, внедряя аналитику, компании начинают с простых инструментов, чтобы оценить их эффективность и в дальнейшем развивать это направление. Стандартный процесс – перенос отчетов из Excel в BI.

По мере развития бизнеса торговой сети требуются всё более сложные инструменты с глубокой аналитикой. Поэтому важно уже на начальном этапе закладывать возможность расширения функциональности внедренных решений, их дальнейшей доработки и интеграции с новыми источниками данных. Каскадная методология внедрения аналитической системы позволяет поуровнево «нанизывать» на нее дополнительные компоненты.

Стоит также начать с определения того, какие метрики необходимы компании, в каком виде они должны быть представлены, с какой детализацией.

Одно из главных условий при внедрении собственной аналитики в ритейле — это согласие руководства компании на всех уровнях с тем, что будет происходить перестройка ряда бизнес-процессов, понимание data driven подхода (принятие решений на основе данных) и готовность обеспечивать финансовыми, трудовыми и техническими ресурсами аналитические команды.