Big data w handlu. Szybsza obsługa, większa satysfakcja klienta

W zależności od tego, co zobaczyły kamery, kierowcom na cyfrowym ekranie wyświetlały się inne zestawy. Gdy kolejka była dłuższa, system proponował produkty, które pracownicy byli w stanie szybko przygotować. Gdy aut było niewiele, wówczas system wyświetlał droższe, ale też dłuższe w przygotowaniu zestawy. W ten sposób firma przyśpieszała obsługę, a ludzie nie marnowali czasu, stojąc w kolejce. To tylko jeden z przykładów na to, jak analiza danych z różnych źródeł może – i to w czasie rzeczywistym - pomagać firmom w poprawianiu wyników. Eksperyment sieci fast-food nie był – wbrew pozorom - aż tak bardzo zaawansowany.

O tym, jak ważna jest analiza zachowań użytkowników, wie doskonale Amazon. W 2014 r. gigant branży handlowej opracował patent, który można określić jako "wyprzedzanie zamówienia”. Analizując historię poprzednich transakcji, gust klienta i to, jak często zamawia produkty, Amazon chce wysyłać rzeczy... zanim włożymy je do wirtualnego koszyka. Po co? By skrócić czas dostawy. Kiedy już zdecydujemy się na zakup, zamówienie nie będzie w odległym magazynie, tylko w najbliższym punkcie dostaw. To na razie tylko plany Amazonu, ale dobrze pokazujące, jak można wykorzystać wiedzę na temat użytkownika. Chodzi o to, by pomóc mu, przewidzieć jego zachowanie i ułatwić mu życie. A przy okazji zarobić.

Najsłynniejszym bodaj przykładem na owo rozgryzanie klienta był system, który działał w sieci marketów Target. Łącząc m.in. rejestr, w którym kobiety deklarowały, że są w ciąży, historię użycia karty kredytowej i historię zakupów, sieć znalazła pewne wzorce zakupowe u kobiet, które zaszły w ciążę (oraz zmiany list zakupowych w kolejnych miesiącach). W ten sposób analitycy Target dowiedzieli się, że podczas pierwszych 20 tygodni ciąży kobiety zaczynają kupować suplementy (takie jak wapń, magnez czy cynk). Dowiedzieli się, że w drugim trymestrze kupują większe dżinsy i więcej środków czystości. W sumie sieć zidentyfikowała ok. 25 produktów, które nabywały w sklepach Target kobiety ciężarne.

Ta wiedza sama w sobie nie była niczym nadzwyczajnym. Ale gdy Target zaczął testować system na całej bazie klientów, okazało się, że jest w stanie wskazać, która kobieta jest w ciąży. Przykład przytaczamy nie bez powodu – w mediach zrobiło się o nim głośno dzięki publikacjom w „New York Timesie” i „Forbesie”. Bo system Target dowiedział się o ciąży szybciej niż... ojciec pewnej młodej damy (to na niego była zarejestrowana karta, dlatego dostał maila z gratulacjami, nim córka powiadomiła go, że zostanie dziadkiem).

Czy program opłacił się sieci? Target nigdy nie chciał komentować publicznie efektów. Jednak - jak czytamy w branżowym serwisie datafloq – prezes sieci Gregg Steinhafel w rozmowie z udziałowcami przyznał, że na poprawę przychodów spółki wpłynęła m.in. "większa uwaga poświęcona produktom, które odpowiadają konkretnym grupom klientów jak mamy czy dzieci”. A to, że Target był w stanie identyfikować konkretne grupy produktów, było możliwe dzięki zaawansowanej analizie.

Jeszcze kilka lat temu na porządku dziennym był... Excel. Tam firmy gromadziły dane o swoich użytkownikach i próbowały zrozumieć, co i dlaczego kupują w sklepie (a czego nie kupują). Tę rolę przejęły systemy analityczne. Z jakim skutkiem?

Już w 2013 r. Karem Tomak, wiceszefowa działu analiz w Macys.com, przyznawała, że gdy firma zaczęła stosować systemy analityczne, by lepiej zrozumieć intencje zakupowe klientów, przychody zaczęły rosnąć w zawrotnym tempie.

Nie bez powodu David Dillon, prezes sieci Kroger (w Polsce mało znanej, ale w USA to jeden z kluczowych graczy w handlu), projekt oparty na big data, uruchomiony we własnej firmie, nazywał „tajną bronią”.

W sieci Walmart już samo wykorzystanie semantycznej analizy w wyszukiwarce na stronie sklepu dało zaskakująco dobre rezultaty – wedle danych spółki, liczba internautów kończących wizytę na witrynach Walmartu zakupem wzrosła o 10-15 proc. A to – przy skali działalności sklepu – oznacza wzrosty liczone w milionach dolarów.

Z kolei Tesco analizowało dane nie o klientach, tylko o swoich... lodówkach. W ten sposób sieć była w stanie monitorować stan lodówek w sklepach, wychwycić, gdy sprzęt wymagał serwisowania i wskazać nieefektywności w zużyciu prądu.

Wróćmy jednak do Walmartu – kilkanaście tysięcy sklepów, setki milionów klientów. Codziennie 2,5 petabajta danych, które pomagają analizować wyniki poszczególnych sklepów i decyzje klientów. W dodatku – jak na tak duży koncern – Walmart zadziwiająco chętnie dzieli się swoimi spostrzeżeniami o big data w handlu.

Walmart łączy więc nie tylko dane o historii zakupów klientów, ale też bierze pod uwagę social media (wzmianki o produktach na Facebooku czy Twitterze, komentarze i filmy na YouTube itd.), prognozę pogody, lokalne wydarzenia, np. sportowe. Wykorzystuje też dane z własnych witryn internetowych i aplikacji oraz sieci WiFi, którą udostępnia w sklepach klientom.

Czym może się przysłużyć prognoza pogody? Ten przykład znalazł się nawet w książce „Big Data: A Revolution That Will Transform How We Live, Work and Think” (Big Data: Rewolucja, która zmieni sposób w jaki żyjemy, pracujemy i myślimy). Otóż Walmart wyczytał ze swojego zbioru danych pewną zależność – ilekroć nadchodził huragan, Amerykanie wykupywali w sieci pewien rodzaj chleba tostowego. Gdy więc instytut pogodowy emitował ostrzeżenie o nadchodzącym żywiole, menedżerowie sklepów dostawali sygnał, by obok kas wykładać na półki owe tosty.

Analiza przydaje się też gigantowi handlu w wyłapaniu trendów produktowych – np. analitycy w social media wychwycili, że popularnością zaczynają się cieszyć tzw. cake-pops (ciastka na patyku). Produkt szybko trafił na półki sieci.

Skoro mówiliśmy o przewidywaniu zakupów klienta przez Amazon, trzeba wspomnieć, że i Walmart widzi w tym spory potencjał. Aplikacja mobilna przygotowana przez sieć podsuwa klientom listy zakupowe (oparte na ich dotychczasowej historii i na tym, co w danym dniu czy tygodniu kupują inni), dodatkowo nawigując ich po sklepie i proponując zniżki na wybrane produkty.

Ale nie tylko o półki w sklepach tu chodzi. Analiza big data jest też istotna na zapleczu Walmartu – dzięki przewidywaniu trendów i tego, co i w jakiej ilości kupią klienci, sieć była w stanie istotnie zmniejszyć liczbę towarów zalegających w magazynach i znacząco lepiej dopasować zamówienia u swoich dostawców (np. ograniczając zamówienia tych towarów, dla których system nie przewidywał zwiększonego popytu).

Co interesujące, Walmart analizę big data traktuje jako wyzwanie, także w rekrutacji. W zeszłym roku sieć urządziła – po raz kolejny – konkurs dla osób ze smykałką do analizy danych. Zadaniem – w oparciu o wybrane historyczne dane – było przewidzenie wpływu pogody na sprzedaż poszczególnych produktów w sklepie. Walmart nie robi tego bezinteresownie – najlepsi w takich konkursach dostają propozycje pracy w spółce.

Szukasz porady? Skontaktuj się z ekspertem z Asseco:
+48 22 574 88 23; e-mail: piotr.fabjaniak@assecods.pl