Некоторые ритейл-компании уже накопили достаточно большие массивы данных, но не все знают как их эффективно использовать в бизнесе.
Какие типы Big Data собирает обычный магазин?
- Данные о продажах.
- Информация о просмотрах каталога товаров.
- Данные из программы лояльности.
- История браузинга клиента.
- Профили в соцсетях, используемые для регистрации.
- Данные о взаимодействии сотрудников и клиентов.
Вот несколько способов применения Big Data, эффективных даже для небольшого магазина.
1. Данные по продажам
Данные из чека – наш основной актив. Название товара, сумма, частота покупки, давность предыдущей покупки, количество товара, его качественные характеристики… Все эти вещи складываются в красивую мозаику, дающую довольно точную картину – что и как предлагать каждому покупателю.
Но – только постоянному. Поэтому так важно завести клиента в программу лояльности. Владельцы карт и личных кабинетов помогают нам изучать их потребности и делать персональные предложения со значительно большей частотой отклика, чем огульные рассылки.
2. Каталог товаров
Не только покупки, но и предпочтения при просмотре каталога позволяют сделать вывод о потребительских предпочтениях, социально-демографическом статусе, уровне доходов, составе семьи, наличию автомобиля, домашних животных и так далее.
Допустим, заказывая продукты онлайн, вы никогда не кладете в корзину собачий корм, хотя и просматриваете этот раздел регулярно. Значит, собака у вас есть, но предложение пока не выгодно. Статистика помогает добавить новые товарные позиции, в том числе и по поисковым запросам, выложить новые корма в акцию – изучать и удовлетворять реальный спрос.
3. Данные из программы лояльности
Там хранится не только вся история покупок клиента, но и история коммуникаций – что он пропустил мимо ушей, а на что откликнулся. Это помогает сделать тонкую настройку специальных предложений.
4. История браузинга по сайту
Важно следить за сомнениями и желаниями покупателя. Что искал на сайте, что отложил в корзину, но не оплатил, что приобрел. Здесь можно не только «догонять» его, напоминая о «хотелках». Сравнив эти данные с историей покупок оффлайн, можно еще глубже узнать стратегию поведения клиента.
5. Профили в соцсетях
Изучая покупателей, зарегистрированных в магазине через соцсети, маркетологи видят профили реальных клиентов. Это помогает составить еще более релевантное предложение. Настоящий человек всегда подробнее продемонстрирует портрет покупателя, чем абстрактные диаграммы, пусть и на основе Big Data. Обогатить данные можно, используя интересы и другие параметры из профилей в социальных сетях.
6. Данные о сотрудниках
Последний пункт бонусный. Эта информация поможет менеджменту магазина на основе изучения программы лояльности выяснить, кто из сотрудников продуктивнее работает с клиентами на каждом этапе.
Как в итоге использовать обозначенные типы Big Data?
- Формулировать персональные предложения покупателям.
- Скорректировать выкладку товара.
- Обновить ассортимент товаров.
- Получить «реальный» портрет покупателя.
- Использовать данные при работе с персоналом.
BelRetail.by – это специализированный интернет-ресурс о розничной торговле и e-commerce в Республике Беларусь: актуальная информация о событиях отрасли, статьи, мнения; каталог ритейлеров, вакансии, профильное обучение, акции и бонусные предложения.
