Big Data та психометрія: на порозі глобальних змін у ритейлі

icon
152

У цифрову епоху дедалі більше наших дій залишають відбиток – все вимірюється, відстежується і фіксується. Використовуючи будь-який он-лайн або цифровий інструмент, кожна людина генерує величезну кількість даних, які можна структурувати, проаналізувати і отримати цінні інсайти. Саме цим і займається технологія Big Data, яка протягом останніх кількох років перетворилася на потужне джерело інформації про стиль життя, звички і потреби мільйонів людей.

Спочатку в поняття Big Data вкладали тільки вміння зберігати та обробляти великі масиви даних, згенерованих користувачами он-лайн. Дещо пізніше аналіз цих даних показав величезний потенціал в контексті виявлення закономірностей в поведінці користувачів. Це допомогло таким цифровим гігантам як Facebook, Twitter, Amazon, Google кастомізувати сервіси відповідно до потреб і таргетувати рекламу набагато ефективніше.

Усвідомивши могутність Big Data, компанії почали вкладати ресурси в пошук нових джерел даних і підходів до їхнього аналізу. Це вже не обов’язково великі масиви інформації. Зараз світ поволі переходить від категорії «великих» до категорії «найцінніших і найякісніших» даних.

Саме пошук кардинально нових джерел даних і їхня комбінація з уже наявними для отримання нових інсайтів стає основним завданням фахівців з Big Data в усьому світі.

Big Data та психометрія

Донедавна в основі аналізу даних перебувала побудова кіл (кластерів) на основі певних фактів про людей (вік, стать, захоплення, історія покупок). Тобто передбачалося, що поведінка всіх учасників відповідного кластера є схожою. Наприклад, під час передвиборчої кампанії електорат розбивали на групи за віком, статтю, географією тощо і визначали особливості поведінки всіх учасників кожної групи. Такий підхід називається персоналізація.

Проте в 2016 році компанія Cambridge Analytica сколихнула світ принципово новим підходом до роботи з Big Data. Найвідомішим кейсом стала передвиборча кампанія Дональда Трампа, для якої CA надала маркетингову стратегію, засновану на аналізі Big Data. Вони спромоглися зібрати по 5 тис. фактів на кожного американця, здатного брати участь у виборах, а це близько 230 млн осіб. Також під час попередніх виборів Республіканської партії вони використовували дані щодо типів

Це вже кардинально інший рівень роботи з даними, що передбачає визначення типу особистості на основі аналізу її дій в цифровому просторі – соціальні мережі, пошукові системи, покупки, мобільні гаджети, GPS, розумні пристрої. Такий підхід до аналізу конкретної людини і побудови прогнозів щодо її індивідуальної поведінки, а не групи схожих людей, отримав назву індивідуалізація.

Цей підхід дозволяє відстежувати і визначати особливості поведінки і характеру, спілкування, географічного пересування. Саме ці дані здатні доповнити інформацію про стиль життя людини інсайтами про те, як людина ухвалює рішення, виходячи з її психотипу – імпульсивно або виважено, рішуче і раціонально або емоційно; як краще сприймає інформацію – сенсорно або інтуїтивно. Саме ці дані є головними для прогнозу майбутніх дій людини. Вони дозволяють не лише зрозуміти її мотиви, бачення, сприйняття світу, а й спрогнозувати її поведінку і врешті-решт змінити її.

Для отримання найточнішого індивідуального профілю в ідеалі слід проаналізувати он-лайн активності разом з невербальним мовою – мімікою, жестами, мовою тіла, інтонаціями голосу. Саме таке поєднання забезпечить найякісніший результат. І це та проблема, яка постає перед гігантами збору індивідуальної інформації про людей (Facebook, Google). Для збору психометричної інформації потрібен або фізичний контакт, або хоча б зображення людини, яке можна отримати з допомогою відеокамери. Саме тому однією з важливих цілей запуску сервісів безкоштовного аудіо- і відеозв’язку є збір необхідних психометричних даних про користувачів.

Зчитування невербальної мови вже не є далеким майбутнім. Зовсім нещодавно дослідники інституту Робототехники університету Карнегі-Мелон презентували комп’ютер, здатний розпізнавати фігури і рухи, в тому числі рук і пальців, багатьох людей одночасно і в режимі реального часу. Використання подібної технології в поєднанні з даними, отриманими з інших цифрових джерел, може назавжди змінити індустрії, які орієнтовані на роботу зі споживчою аудиторією.

Однією з таких галузей є ритейл індустрія, яка найближчим часом може виступити основним драйвером розвитку технологій збору, аналізу та використання Big Data. Якщо для побудови найточніших прогнозів про поведінку людини потрібна психометрична інформація, ритейл індустрія має величезні можливості, оскільки вона вже має найважливішу умову для збору такої інформації – фізичний контакт з покупцем в магазині.

Big Data в ритейлі: нові можливості

Отже, саме ритейлери мають один з найкращих контактів із аудиторією в інтернет-магазинах та в торгових точках. По-перше, на відміну від он-лайн, стаціонарні магазини відвідують майже всі люди, а це свідчить про максимально можливе охоплення аудиторії. По-друге, завдяки фізичному контакту можна отримати більше даних про людину: її можна побачити, почути, відстежити поведінку та пересування магазином тощо. Це дає досить повне уявлення про психотип людини, а разом із інформацією про її матеріальне становище та вподобання, яку ритейлери також отримують, можна досить точно спрогнозувати, чому надаватиме перевагу конкретний споживач.

In-store аналітика

За один візит до магазину покупець здатний згенерувати тисячі унікальних показників, зафіксованих різними камерами і сенсорами. З допомогою аналізу можна зрозуміти, куди він збирається піти, що саме привертає його увагу, як він обирає продукт і скільки часу витрачає на це, купує він чітко за списком або, можливо, імпульсивно. Всі ці дані можуть бути корисними при плануванні розкладки, розробці рекламних та промо-кампаній і матеріалів тощо.

До того ж такий підхід здатний попереджати крадіжки – наприклад, аналізуючи мову тіла відвідувача, вираз обличчя, особливості пересування магазином, комп’ютер може посилати попереджувальні повідомлення охоронцям для пильної перевірки.

Прогнозування трендів ще до їх появлення

З допомогою технології Big Data можна прогнозувати тренди і попит на певні категорії і відповідно планувати закупівлі та поставки. При цьому враховується безліч факторів, здатних впливати на попит – інформація про здійснені продажі, повідомлення в соціальних мережах, пошукові запити, економічна ситуація в країні і навіть погодні умови.

Завдяки цьому споживачі завжди зможуть знайти потрібний товар за більш доступною ціною, а новинки максимально відповідатимуть їхнім очікуванням і смакам. Не виключено, що саме ритейл  диктуватиме глобальні споживчі тренди найближчим часом і центр ваги зміститься від виробників до ритейлерів.

Новий рівень взаємодії з покупцями

Крос-платформний аналіз поведінки покупця та історій покупок дає можливість формувати максимально чіткі рекомендації та пропонувати найактуальніші продукти для кожного окремого покупця. Це зі свого боку підвищує їхню лояльність і збільшує задоволення від покупки.

Наприклад, американська мережа супермаркетів Target розробила механізм розпізнавання вагітних жінок, аналізуючи їхні регулярні покупки і виявляючи незначні, але характерні зміни. Одним із сигналів може стати те, що жінка почала купувати вітаміни, засоби особистої гігієни або прибирання без ароматизатора. До того ж на основі аналізу великої кількості даних про покупки вагітних Target навчилися визначати прогнозований строк пологів. Зважаючи на такий детальний аналіз покупців мережа навчилася розуміти реальні потреби жінок в конкретний період часу.

Оптимізація витрат і скорочення собівартості товарів

Можливість відстеження трендів, попиту, потреб, активності конкурентів в режимі реального часу надає ритейлерам інсайти, що базуються не на припущеннях, а на реальному станові справ. Завдяки цьому компанії можуть набагато швидше ухвалювати рішення щодо обсягів замовлень та доставки, налагоджувати ефективну роботу ланцюжка поставок – зменшуються витрати на придбання, зберігання продукції, і відповідно – на собівартість товарів і кінцеву маржу.

Уявіть, що на основі всіх цих даних компанія зможе з досить високою точністю спрогнозувати, що саме купуватиме кожен покупець сьогодні, за тиждень, місяць, півроку. Якісно зміниться весь бізнес – починаючи від оптимізації закупівель та закінчуючи рекламою і вартістю товарів. Збільшаться вигоди обох сторін – і покупців і продавців. Продавці не завантажуватимуть полиці складських приміщень товарами, ймовірність покупки яких низька; зрозуміють, які нові товари треба виробляти для задоволення попиту. А покупці виявлятимуть лояльність до ритейлерів, чиї найвигідніші ціни поєднуватимуться з добре продуманим асортиментом і грамотною, влучною рекламою.

Доступні сьогодні технології Big Data в поєднанні з психометрією можуть дати ритейл-індустрії розуміння майбутніх потреб покупця ще до того, як він сам це усвідомить.

icon
152