כך תזהו: מה יהיה המוצר החם של העונה?

מגזרים רבים במשק כבר מבינים את הערך הטמון במידע המובנה והבלתי מובנה שהכלים הדיגיטליים מאפשרים לאגור ולנתח. אחד מאלה שמתחילים להבין זאת הוא המגזר הקמעונאי. במחקר של מק'קינזי (McKinsey) נמצא שחברות המקבלות החלטות על סמך ניתוח נתונים חוות שיפור של 15%-20% בהחזר על ההשקעה.

היכן פוגשים הקמעונאים את טכנולוגיות ה-Analytics Big Data וכיצד הן יכולות להסב להם תועלת? להלן חמש תובנות שמבקשות לענות על השאלה הזאת:

חיזוי מגמות – קמעונאים רוצים להבין, ובצדק, מה יהיה המוצר החם של העונה. באמצעות אלגוריתמים לחיזוי מגמה הם יכולים לסרוק את המדיה החברתית ולהתחקות אחר הרגלי הגלישה של הציבור. הרגלים אלה יכולים ללמד איפה נמצא הבאזזז. אלגוריתמים מבוססי לימוד מכונה, המנתחים את הסנטימנט במדיה החברתית, יכולים להעיד על היחס של הלקוחות למוצרים ולשירותים ולשמש כמקור לחיזוי המוצרים הנמכרים ביותר בכל קטגוריה. בצד אלה, ניתוח של נתוני פרסום מלמד אילו מוצרים ושירותים מנהלי השיווק דוחפים הכי חזק.

חיזוי ביקוש – אחרי שמבינים מה הלקוחות צפויים לקנות, כדאי להבין איפה עתיד להיות ביקוש גבוה. על ידי איסוף וניתוח נתונים דמוגרפיים וכלכליים ניתן לבנות תמונה של הרגלי ההוצאות בשוק. קמעונאים רוסיים, למשל, מצאו כי הדרישה לספרים גדלה אקספוננציאלית ככל שמזג האוויר נעשה קר יותר. על סמך תובנה זו, רשתות הספרים ברוסיה מגדילות את הפצת המלצות הספרים ללקוחותיהן בהתאם למזג האוויר במקום מגוריהם.

אופטימיזציית תמחור – רשתות ענק כמו וולמארט (Walmart) משקיעות סכומי עתק במערכות זמן אמת שעוקבות אחר מיליוני טרנזאקציות המתרחשות מדי יום. המערכות עוקבות אחר הביקוש, רמות המלאי ופעילות המתחרים, ומגיעות לתובנות חדשות – מה שמאפשר לרשת לקבל החלטות בזמן אמת וליישמן בתוך דקות.

טכנולוגיות Big Data אף מסייעות לקמעונאים לקבל החלטה בנוגע להורדת מחירים. אם בעבר כל הקמעונאים נהגו, באופן גורף, להוריד מחירים בסוף העונה, עם הירידה בביקוש, הרי ששיטות הניתוח המודרניות מלמדות שהפחתה הדרגתית יותר במחיר, המלווה את תהליך הירידה בביקוש, מובילה לגידול בהכנסות.

זיהוי לקוחות – ההחלטה מי מהלקוחות יעדיף מוצר מסוים ומהי הדרך הטובה ביותר למשוך את תשומת ליבו לעבר המוצר היא החלטה קריטית. לשם חיזוי מורכב זה נעזרים קמעונאים במנועי המלצה אונליין, בשילוב עם איסוף נתונים מטרנזאקציות וממועדוני לקוחות – אונליין ואופליין. נתונים אודות כלל האינטראקציות של הלקוחות עם הקמעונאים מהווים תשתית טובה לקבלת החלטה לגבי הדרך הטובה ביותר להסב את תשומת לב הלקוח למוצר או לקמפיין מסוים. הדרך יכולה להיות מייל, SMS או התראה לנייד ממשדר NFC כאשר הלקוחות נמצאים בקרבת החנות.

קבלת תשלום – מחקרים שעוקבים אחר תהליכי רכישה באתרי e-commerce מראים שתהליכי קנייה רבים נקטעים לאחר שהלקוח בחר את הפריט והכניס אותו לסל הקניות. בהנחה שמצב זה נובע מאי מציאת כרטיס האשראי ברגע האמת, Klarna – פלטפורמת המסחר האלקטרוני השבדית – הנהיגה מודל חיוב, לפיו הלקוח יכול לשלם רק לאחר קבלת המוצר. מערכת מתוחכמת מלווה את התהליך ומסייעת במניעת הונאות.

יצוין שטכנולוגיות Big Data Analytics כבר אינן נחלתם של הארגונים הגדולים בלבד. בימינו מתפתח שוק שלם של פתרונות BDaaS (ר"ת Big Data as a Service), שמאפשרים גם לעסקים קטנים להשתמש בכלים לניתוח מידע. טכנולוגיות אלה, לצד פלטפורמות פרסום ממוקדות כגון גוגל (Google) ופייסבוק (Facebook), תומכות באסטרטגיות שיווק מפולחות. פוטנציאל רב גלום במדיה החברתית, במשוב מהלקוחות, בקטעי וידיאו, בשיחות טלפון מוקלטות ובנתוני GPS. למיצוי מלא של נתונים אלה יגיעו מי שישקיעו בגישות חדשניות ויצירתיות לניתוח הנתונים.

הכותב הוא המנכ"ל והבעלים של BIyond.