Содержание
Мы перевели интересную обзорную статью о перспективах персонализации в оффлайн-ритейле. Рекомендуем почитать, что об этом думают лидеры отрасли персонализации пользовательского опыта
Представьте, когда вы заходите в магазин, все о вас всё знают: имя, размеры, историю покупок, даже ваши взгляды на жизнь, на окружающий мир, вообще на все.
Как вы будете себя чувствовать? Как знаменитость или как жертва маниакального преследования?
То, как вы ответите, повлияет и уже влияет на будущее розничной торговли, которая в данный момент переживает радикальную трансформацию, движимую анализом big data в реальном времени.
Барбекю и пиво
Мы привыкли к тому, что ритейлеры постоянно собирают о нас данные с тех пор, как компания Dunnhumby помогла супермаркетам Tesco наладить их карточную систему лояльности Clubcard в 1994 году.
Но сегодня простая история покупок дополняется целым рядом новых данных. Например, погодой — крайне важный параметр для понимания, сколько нужно выставлять на полки зонтиков, наборов для барбекю или пива. Сюда же относятся данные из соцсетей и мобильных девайсов.
Умения анализировать эти данные в режиме реального времени дает беспрецедентную возможность продавцам предлагать нам специализированные услуги и онлайн, и оффлайн.
«Если вы знаете, что ваши клиенты покупают и что у вас есть в наличии, то вы можете создать правильные специальные предложения, чтобы удовлетворить их потребность, и при чем делать это в реальном времени», говорит Клаус Бекле (Klaus Boeckle), представитель софтверной компании SAP, чья платформа для анализа данных «Hana» используется такими монстрами торговли, как eBay и B&Q.
Создан, чтобы измерять
Торговцы, используя возможности мощных систем анализа, по постам в соцсетях смогут определять, как мы планируем провести выходные или что мы собираемся купить новую одежду. Затем они будут поощрять приобретать релевантные товары — либо те, которые будут нам интересны сейчас, либо те, которые мы покупали ранее.
“Технология iBeacon от Apple (индор навигация) разработанная для взаимодействия со смартфонами скоро позволит ритейлерам и создателям мобильных приложений идентифицировать нас в момент входа в магазин” — говорит Оуен Геддес (Owen Geddes) из Appflare, компании специализирующейся на развертывании и управлениями девайсами размером с монету.
Специальные предложения затем будут показываться в наших смартфонах и будут меняться в зависимости от того, где именно мы находимся в магазине.
Однако, мы всегда будем спрашивать на это разрешения клиента, говорит Геддес, предупреждая критику о нарушении приватности пользователя.
“Много данных улучшают сервис” — говорит Скотт Сильверторн (Scott Silverthorn), глава отдела данных ритейлера косметики Lush.
Компании сегодня имеют возможность использовать big data в работе со своим персоналом. И не только в торговом зале, но и на складе, что позволяет контролировать статистику продаж буквально на кончиках пальцев.
Это не только помогает поддерживать соревновательный дух в работниках для улучшения продаж и производительности, но и дает им информацию для повышения качества обслуживания клиентов.
“Например, если сотрудники заметили, что бомбы для ванны хорошо покупают вместе с определенным шампунем, то они могут изменить раскладку в магазине так, чтобы эти товары были рядом друг с другом” — говорит он.
Чем больше, тем лучше
Успех Amazon, который приближается к 240 миллионам клиентов по всему миру и годовому доходу в $75 млрд., можно проследить по его способности анализировать данные о клиентах и адаптировать к ним свой сервис, утверждает Девид Селинджер (David Selinger), исполнительный директор RichRelevance, компания, специализирующейся на решениях по персонализации контента.
«Уже в 2004 году у Amazon было больше возможностей для обработки данных, чем у большинства розничных сетей сегодня» — говорит Девид.
Вернер Фогельс (Werner Vogels), директор по технологиям Amazon, советует: «Никогда не бывает слишком много данных — чем больше, тем, безусловно, лучше. Чем больше соберете, тем более четкие результаты получите».
Расцвет облачных вычислений и обработки данных в режиме реального времени позволяет владельцам магазинов создавать целевые предложения для своих клиентов гораздо более точно, продолжает рассуждать Фогельс.
«Например в особо холодный день зимы в своем городе ритейлер сможет порекомендовать пальто из коллекции, вещи из которой вы приобретали ранее. В будущем, когда вы добавите другие источники данных, голос или видео, ваши возможности станут гораздо еще более интересными».
Покупка Amazon рекомендательного движка, который предлагал товары на основе поведения и рейтингов была «не совсем удачна», говорит Фогельс. Однако благодаря «машинному обучению» он стал лучше работать.
«Вы ищете чайник и мы рекомендуем чайник, который лучше подходит к вещам, которые вы уже купили для своей кухни у нас».
Сопротивление
Традиционные ритейлеры сопротивляются атаке Amazon, владеющим собственным арсеналом big data, утверждает Селинджер.
Его компания RichRelevance с такими клиентами, как Marks and Spencer, Boots, John Lewis, Argos, Dixons и Ann Summers, специализируется в обработке массивов данных, которые ритейлеры накапливают уже о своих клиентах и используют их для персонализации покупательского опыта.
Программное обеспечение RichRelevance обрабатывает эти данные через open-source фреймворк Apache Hadoop, а затем применяет 125 различных алгоритмов, которые пытаются предсказать, какие продукты клиент скорее всего купит в зависимости от его предыдущего и текущего поведения.
И все это делается за 20 миллисекунд, говорит Девид.
Каждый из алгоритмов оценивается по точности и его предсказательной способности, и эти рейтинги влияют на то, какие изображения и предложения будут показываться клиентам в следующий раз, когда они посетят веб-сайт ритейлера или любой другой сайт, например, тот же Pinterest.
Селинджер называет этот процесс «многопоточное обучение» (ensemble learning).
«Помогая потребителям найти продукты, которые наиболее актуальны для них, мы поднимаем продажи на 3-10% », утверждает он.
“И это касается не только контента веб-сайтов, которые могут быть адаптированы к потребительским предпочтениям и покупательскому поведению, подчеркивает Девид Брассин (David Brussin), исполнительный директор Monetate (персонализация e-commerce), чью систему используют 400 брендов по всему миру.
Даже контент маркетинговых писем может быть адаптирован на основе того, как вы по ним кликаете — говорит он.
Что ж… Кажется, что мы уже внутри этого нового дивного мира — хотим мы этого или нет.
