Как чеки и advanced-аналитика помогут удержать клиента

Фото: Александр Зубко

Syntegra — украинская компания, которая специализируется на проектировании и обслуживании облачной инфраструктуры на базе Microsoft Azure, а также на advanced-аналитике данных с применением алгоритмов машинного обучения и искусственного интеллекта. Андрей Губинский, директор по маркетингу Syntegra, рассказал Retailers.ua о необходимости advanced-аналитики в бизнесе и о том, как она поможет удержать клиента

«Пользоваться возможностями advanced-аналитики и big data можно и нужно уже сейчас, — подчеркивает Андрей Губинский. — Если вы думаете, что у вас данных для анализа нет, то знайте — это неправда». Данные для аналитики и дальнейшего прогнозирования есть у каждого бизнеса — это может быть информация о том, как клиент вас нашел, когда он совершает у вас покупки и какой метод доставки ему больше импонирует, что он у вас купил и сколько денег потратил.

Данные характеризуются так называемыми 4V — velocity, variety, veracity и volume. Velocity — это динамика прироста данных и режим обработки. Например, обработка данных посещаемости сайтов или данных о транзакциях в реальном времени, либо же загрузка данных о продажах раз в 24 часа. Variety — это источники и формат данных: CRM-система, GPS-координаты с датчиков или даже погода. Veracity — это достоверность данных, используемых для анализа. Например, если в таблице продаж будут находиться искаженные данные, которые не соответствуют факту продажи в этот день или контрагенту, на которого была совершена отгрузка, а данные принимаются за истинные, то вероятность точного прогноза падает. Volume — это физический объем данных в мегабайтах или терабайтах. Как минимум нужно собирать все данные, которые относятся к основным бизнес-процессам в компании: показатели продаж, логистические показатели и данные о производстве. «Учитывая динамику роста данных в мире, Syntegra рекомендует ориентироваться на хранение данных в Cloud у мировых лидеров, в частности Microsoft Azure», — отмечает Андрей Губинский.

Без выполнения хотя бы одного пункта результаты не будут точными. «Один мобильный оператор собирает 15 млрд записей с информацией о нашем взаимодействии со смартфоном и использует более 500 факторов влияния, чтобы просто в один прекрасный момент выслать вам предложение с бесплатными 4Гб и удержать своего клиента», — рассказывает Губинский. Вот это как раз и есть advanced-аналитика в действии.

Что такое advanced-аналитика?

Adnaced-аналитика — это процесс оценки данных с помощью алгоритмов, основанных на искусственном интеллекте и машинном обучении, что позволяет выявить аномалии в бизнес-процессах, прогнозировать действия конкурентов и мониторить внешнюю среду. Advanced-аналитика поможет узнать, как дождливый день повлияет на поведение покупателя, что именно заставит его уйти к конкуренту, как этого избежать и, самое главное, что же нужно предпринять для повышения эффективности своего бизнеса.

Что принесет применение advanced-аналитики? Как отвечает Андрей Губинский, advanced-аналитика поможет повысить выручку с квадратного метра, увеличить удовлетворенность клиента и его LTV, то есть прибыль от одного клиента. Также становится возможным создать персонализированные рекомендации для каждого клиента, оценить уровень доверия и отношения к бренду по отзывам в медиа. Однако все начинается с формулировки бизнес-задачи — только после этого возможно сказать, как именно можно прийти к поставленной цели.

Для одного из игроков фармацевтического рынка Украины компания Syntegra провела исследование данных о покупках клиентов, то есть чеков, направленное на повышение лояльности к компании и уровня обслуживания клиентов.

В рамках проекта на основании анализа продаж и существующей системы лояльности компании был проведен RFM-анализ — анализ и сегментация клиентской базы по степени лояльности клиентов на основе прошлых их действий — активности, количества покупок и сумм, которые они тратили на покупки. Далее создавалась платформа для анализа покупателей и настройки бизнес-правил при миграции клиентов между группами, определенными во время RFM-анализа.

«Понимая важность персональной коммуникации с клиентом, а также деликатность и финансовую чувствительность медицинского сектора, была проведена кластеризация клиентской базы с выделением зависимостей в потреблении товаров, что позволяло создать основу для предложения персональных программ лояльности и специальных предложений для групп клиентов», — рассказывает Губинский. Например, была разработана программа поддержки будущих молодых родителей.

Для достижения эффективности персональной коммуникации провизора и клиента в точке продажи на основании анализа чеков на предмет попадания товара в 1 чек было предложено решение по интеграции рекомендационного блока в POS-терминалы, где в процессе продажи товара провизор получал рекомендации, какие товары стоит предложить клиенту на основании оценки вероятности попадания группы или SKU в 1 чек. 

«Данная осведомленность о предпочтениях клиента и последующее предложение ему потенциально интересных для него продуктов поможет удержать или вернуть клиента, либо же просто побудить его к очередной покупке, — подчеркивает Андрей Губинский. — Внедрение инновационной аналитики в бизнес автоматизирует подобные бизнес-процессы».

 

Автор: Дарья Янченко