Ми працюємо над тим, щоб зробити сайт україномовним. Слідкуйте за оновленнями!

Big Data и психометрия: на пороге глобальных изменений в ритейле

В цифровую эпоху все больше наших действий оставляют отпечаток – все измеряется, отслеживается и фиксируется. Используя любой онлайн или цифровой инструмент, каждый человек генерирует огромное количество данных, которые можно структурировать, проанализировать и получить ценные инсайты. Именно этим и занимается технология Big Data, которая за последние несколько лет превратилась в мощный источник информации о стиле жизни, привычках и потребностях миллионов людей.

Сначала в понятие Big Data вкладывали только умение хранить и обрабатывать большие массивы данных, сгенерированных пользователями онлайн. Чуть позже анализ этих данных показал огромный потенциал в контексте выявления закономерностей в поведении пользователей. Это помогло таким цифровым гигантам как Facebook, Twitter, Amazon, Google кастомизировать сервисы в соответствии с потребностями и таргетировать рекламу намного эффективнее.

Осознав могущество Big Data, компании начали вкладывать ресурсы в поиск все новых источников данных и подходов к их анализу. Это уже не обязательно большие массивы информации. Сейчас мир постепенно переходит от категории «больших» к категории «наиболее ценных и качественных» данных.

Именно поиск кардинально новых источников данных и их комбинация с уже существующими для получения новых инсайтов становится основной задачей специалистов по Big Data во всем мире.

 

Big Data и психометрия

До недавнего времени в основе анализа данных лежало построение кругов (кластеров) на основе определенных фактов о людях (возраст, пол, увлечения, история покупок). То есть, предполагалось, что поведение всех участников соответствующего кластера похоже. Например, во время предвыборной кампании электорат разбивали на группы по возрасту, полу, географии и т.д. и определяли особенности поведения всех участников каждой из групп. Такой подход называется персонализация.

Однако, в 2016 году компания Cambridge Analytica всколыхнула мир принципиально новым подходом к работе с Big Data. Самым известным кейсом стала предвыборная кампания Дональда Трампа, для которой CA предоставила маркетинговую стратегию, основанную на анализе Big Data. Им удалось собрать по 5 тыс. фактов на каждого американца, способного участвовать в выборах, а это около 230 млн человек. Также во время праймериз Республиканской партии они использовали данные о типах личности электората, чтобы эффективнее таргетировать рекламную кампанию.

Это уже кардинально другой уровень работы с данными, который предусматривает определение типа личности на основе анализа ее действий в цифровом пространстве – социальные сети, поисковые системы, покупки, мобильные гаджеты, GPS, умные устройства. Такой подход к анализу конкретно взятого человека и построению прогнозов насчёт его индивидуального поведения, а не группы похожих людей, получил название индивидуализация.

Этот подход позволяет отслеживать и определять особенности поведения и характера, общения, географического передвижения. Именно эти данные способны дополнить информацию о стиле жизни человека инсайтами о том, как человек принимает решение, исходя из его психотипа – импульсивно или взвешенно, решительно и рационально или эмоционально; как лучше воспринимает информацию – сенсорно или интуитивно. Именно эти данные являются ключевыми для прогноза будущих действий человека. Они позволяют не только понять его мотивы, видение, восприятие мира, но и спрогнозировать его поведение и, наконец, изменить его.

Чтобы получить наиболее точный индивидуальный профиль, в идеале следует проанализировать онлайн активности вместе с невербальным языком – мимикой, жестами, языком тела, интонациями голоса. Именно такое сочетание обеспечит наиболее качественный результат. И это та проблема, с которой сталкиваются гиганты сбора индивидуальной информации о людях (Facebook, Google). Для сбора психометрической информации нужен или физический контакт, или хотя бы изображение человека, которое можно получить с помощью видеокамеры. Именно поэтому одной из важных целей запуска сервисов бесплатной аудио и видеосвязи является сбор необходимых психометрических данных о пользователях.

Считывание невербальной речи уже не является далеким будущим. Совсем недавно исследователи института Робототехники университета Карнеги-Мелон презентовали компьютер, способный распознавать фигуры и движения, в том числе рук и пальцев, многих людей одновременно и в режиме реального времени. Использование подобной технологии в сочетании с данными, полученными из других цифровых источников, может навсегда изменить индустрии, которые ориентированы на работу с потребительской аудиторией.

Одной из таких отраслей является ритейл индустрия, которая в ближайшее время может выступить основным драйвером развития технологий сбора, анализа и использования Big Data. Если для построения наиболее точных прогнозов о поведении человека нужна психометрическая информация, то ритейл индустрия имеет огромные возможности, ведь она уже имеет важнейшее условие для сбора такой информации – физический контакт с покупателем в магазине.

 

Big Data в ритейле: новые возможности

Получается, что именно ритейлеры имеют один из лучших контактов с аудиторией как в интернет-магазинах, так и в торговых точках. Во-первых, в отличие от онлайн, стационарные магазины посещают почти все люди, а это значит максимально возможный охват аудитории. Во-вторых, благодаря физическому контакту можно получить больше данных о человеке: его можно увидеть, услышать, отследить поведение и перемещение по магазину и т.д. Это дает достаточно полное представление о психотипе человека, а вместе с информацией о его материальном положении и предпочтениях, которую ритейлеры также получают, можно достаточно точно спрогнозировать, что будет любить и покупать конкретный потребитель.

 

In-store аналитика

За один визит в магазин покупатель способен сгенерировать тысячи уникальных показателей, зафиксированных различными камерами и сенсорами. С помощью анализа можно понять, куда он собирается пойти, что именно привлекает его внимание, как он делает выбор продукта и сколько времени ему требуется на это, покупает он четко по списку или, возможно, импульсивно. Все эти данные могут быть полезны при планировании раскладки, разработки рекламных и промо-кампаний и материалов и т.д.

Кроме того, такой подход способен предупреждать кражи – например, анализируя язык тела посетителя, выражение лица, особенности передвижения по магазину, компьютер может посылать предупредительные уведомления охранникам для пристальной проверки.

 

Прогнозирование трендов еще до их появления

С помощью технологии Big Data можно прогнозировать тренды и спрос на определенные категории и соответственно планировать закупки и поставки. При этом учитывается множество факторов, которые способны влиять на спрос – информация о совершенных продажах, сообщения в социальных сетях, поисковые запросы, экономическая ситуация в стране и даже погодные условия.

Благодаря этому, потребители всегда смогут найти нужный товар по более доступной цене, а новинки будут максимально отвечать их ожиданиям и вкусам. Не исключено, что именно ритейл будет диктовать глобальные потребительские тренды в ближайшее время и центр тяжести сместится от производителей к ритейлерам.

 

Новый уровень взаимодействия с покупателями

Кросс-платформенный анализ поведения покупателя и историй покупок дает возможность формировать максимально четкие рекомендации и предлагать наиболее актуальные продукты для каждого отдельного покупателя. Это, в свою очередь, повышает их лояльность и увеличивает удовольствие от покупки.

Например, американская сеть супермаркетов Target разработала механизм распознавания беременных женщин, анализируя их регулярные покупки и проявляя незначительные, но характерные изменения. Одним из сигналов может стать то, что женщина начала покупать витамины, средства для личной гигиены или уборки без ароматизатора. Более того, на основе анализа большого количества данных о покупках беременных, Target научились определять прогнозируемый срок родов. За счет такого детального анализа покупателей сеть научилась понимать реальные потребности женщин в конкретный период времени.

 

Оптимизация затрат и сокращение себестоимости товаров

Возможность отслеживания трендов, спроса, потребностей, активности конкурентов в режиме реального времени предоставляет ритейлерам инсайты, которые базируются не на предположениях, а на реальном положении дел. Благодаря этому компании могут намного быстрее принимать решения относительно объемов заказов и доставки, налаживать эффективную работу цепочки поставок – уменьшаются затраты на приобретение, хранение продукции, и соответственно – на себестоимость товаров и конечную маржу.

Представьте себе, что на основе всех этих данных компания сможет с достаточно высокой точностью спрогнозировать, что именно будет покупать каждый покупатель сегодня, через неделю, месяц, полгода. Качественно изменится весь бизнес – начиная от оптимизации закупок и заканчивая рекламой и стоимостью товаров. Увеличатся выгоды обеих сторон – как покупателей, так и продавцов. Продавцы не будут загружать полки складских помещений товарами, вероятность покупки которых низкая; поймут, какие новые товары надо производить, чтобы удовлетворить спрос. А покупатели будут лояльными к тем ритейлерам, у которых самые выгодные цены будут объединены с хорошо продуманным ассортиментом и грамотной, меткой рекламой.

Доступные сегодня технологии Big Data в сочетании с психометрией могут дать ритейл-индустрии понимание будущих потребностей покупателя еще до того, как он сам это осознает.

 

13.09.2017
Что нового
Популярно
комментарии
Блоги
ЭКСПЕРТЫ РЫНКА
ТОП-МНЕНИЕ
АВТОРЫ БИЗНЕС-КНИГ
Обзоры бизнес книг
Лекции
WATCH&SHARE
Рынок
ОБЗОР РЫНКОВ
ОТРАСЛЕВЫЕ ТРЕНДЫ
ЭКСПЕРТЫ
ИДЕИ
ИННОВАЦИИ
ВДНГ TECh
ПРАКТИКА
БИЗНЕС-ПЛАНЫ
ЗНАНИЯ
ИСТОРИИ УСПЕШНЫХ
ТЕЛЕКОМ ДЛЯ БИЗНЕСА