28.05.2015, 14:54
Количество просмотров

Анализ Big Data в ритейле: от экспериментов к бизнес-кейсам


  
    
  
    Роман Баранов, руководитель направления Analytics & Big Data компании КРОК
  


Первый всплеск пилотных проектов в области Big Data закончился, и сейчас идет осознанный выбор решений по работе с «Большими данными», таким образом, в ближайшее время рост интереса к этой теме точно не спадет. О технологиях анализа Big Data на современном этапе развития розницы рассказывает Роман Баранов, руководитель направления Analytics & Big Data компании КРОК.
 - рис.1
Роман Баранов, руководитель направления Analytics & Big Data компании КРОК

Первый всплеск пилотных проектов в области Big Data закончился, и сейчас идет осознанный выбор решений по работе с «Большими данными», таким образом, в ближайшее время рост интереса к этой теме точно не спадет. О технологиях анализа Big Data на современном этапе развития розницы рассказывает Роман Баранов, руководитель направления Analytics & Big Data компании КРОК.

С реди основных возможных заказчиков технологий анализа Big Data – все ведущие отрасли, для которых крайне важно сохранять лидерство в конкурентной борьбе: это и ритейл, и банковский сектор, и телеком. Так, например, ритейлерам важно понимать объемы продаж товара и правильно сформировать план закупок и перевозок на ближайший период. Телеком-операторы заинтересованы в понимании механизмов притока-оттока абонентов, чтобы влиять на эти показатели с помощью маркетинговых акций, предложений новых услуг или путем внесения изменений по прежним предложениям. Банкам важно преумножать или как минимум сохранять лояльность имеющихся клиентов и привлекать новых.

В чем интерес ритейла?

Можно выделить несколько сценариев использования Big Data в ритейле. Во-первых, анализ больших объемов информации позволяет более четко сегментировать клиентов, включив в их портреты дополнительные факторы (будь то анализ поведения посетителей на сайте или информация из соцсетей), а значит, делать более фокусированные предложения. Причем предварительно можно протестировать такой подход на микросегментах и по результатам выбрать те моменты, которые действительно увеличивают продажи.

 - рис.2
За счет построения правильного пути покупателя значительно возрастает их средний чек: чем длиннее путь, тем больше товаров они успевают заметить и купить

Средний показатель результативности внедрения аналитического решения и более сфокусированных (персонифицированных) предложений клиентам выражается в увеличении продаж на 1–2%. Для крупного ритейла это серьезный показатель, который за счет параллельных акций можно увеличить до 3–10%. Например, уже сейчас часть авиаперевозчиков персонифицируют стоимость авиабилетов на одни и те же направления при бронировании из разных стран. Визионером рынка в этом направлении можно назвать компанию Amazon, которая еще лет пять назад начала анализировать поведение пользователей на сайте, аккумулировать эту информацию, выдавать персонифицированную статистику и автоматически формировать предложения клиентам.

Другой сценарий использования аналитики «Больших данных» – это мониторинг спроса и предложений на рынке, который дает возможность оперативно изменять цены на собственном ресурсе и тем самым не только влиять на повышение лояльности клиентов, но и увеличивать приток покупателей. В частности, мы уже поэкспериментировали в создании сервисов для мониторинга рынка и анализа информации из открытых источников с использованием подходов Big Data. При этом сроки и трудозатраты оказались гораздо меньшими, чем при классическом подходе.

Рубрика:
{}
Теги: