Як за допомогою data science збільшити продажі, налаштувати пошук на сайті та сформувати екосистему компаній. Рекомендації Fozzy Group, Amazon та McKinsey

Онлайн активно розвивається, а даних про споживачів у рітейлерів стає дедалі більше. Справжньою майстерністю для компаній сьогодні є вміння використовувати ці дані для того, щоб дізнатися, хто їх споживачі і як монетизувати трафік.

На хакатоні для data scientists Hack4Retail віце-президент з маркетингу у Fozzy Group Павло Роганов, CIO Fozzy Group Іван Славіогло, молодший партнер QuantumBlack by McKinsey&Company Денис Вайнбендер і Director performance advertising в Amazon Руслана Збагерська розповіли про тренди data science, що стосуються рітейлу. Retailers оприлюднює основні тези дискусії.

---

 

Головне для рітейлера - це дані та алгоритми

У сучасному рітейлі всі рішення приймаються на підставі даних. Першочергове завдання будь-якого рітейлера зберігати якнайбільше даних — якщо раніше потрібно було думати про те, як мінімізувати, зберегти місце, сьогодні потужності для зберігання даних коштують копійки, а самі дані безцінні.

Крім того, рітейлер повинен забезпечити можливість аналізу великої кількості даних. Наприклад, Fozzy Group для цього створює цілу платформу для того, щоб акумулювати їх в одному місці та надалі надавати бізнесам зрізи даних для максимально швидкої та оперативної аналітики.

Основним та ключовим активом компанії на сьогодні стають алгоритми. Великі компанії, які досягають максимального результату над ринком, зазвичай, володіють власними алгоритмами й у світі це часто визначають успішність продукту.

Екосистеми

Даних накопичується все більше і формується цифровий слід по кожному клієнту, відповідно, створюється все більше інформації про те, як люди живуть, якими послугами вони користуються протягом дня і це дає можливість формувати так звані динамічні customer journeys (клієнтські шляхи).

Як працює традиційний рітейл? Клієнти приходять до магазину, купують товари та йдуть додому. Бізнес знає певну інформацію про клієнта - що він купив, яка вага та інші габарити товару. "Розумний" бізнес знає, що якщо клієнт купив "щось велике", цей товар нести додому йому не дуже зручно. У цей момент було б логічним роздрібному бізнесу поділитися інформацією про цього клієнта, наприклад, з каршерингом або з кимось, хто може забезпечити транспорт. Така комунікація між компаніями створює зручний ланцюжок формування послуг.

Клієнт навіть може не замислюватися про те, що важко нести цей товар, але самі дані підказують, що ця послуга може бути затребувана.

У такий спосіб формується послуга. Відкритість даних та їх передача між бізнесами дає величезні можливості для покращення життя людей та дозволяє компаніям конвертувати їх у певний сукупний дохід.

Раніше вважалося, що вартість має формуватися всередині конкретного бізнесу. Але зараз цей процес влаштований по-іншому: трафік має дуже велику цінність і сам економічний ланцюжок будується між двома бізнесами — один зосереджений на залученні трафіку, інший — щоб конвертувати цей трафік на конкретну покупку.

Дані дають можливість створювати нові співробітництва, які зараз називають екосистемами, у яких необов'язково, щоб усі компанії заробляли, адже хтось із них може працювати просто на залучення трафіку.

Semantic search

Раніше клієнту достатньо було знайти зазначений товар і система виводила йому список товарів. Наприклад, клієнт вводить “вино” і йому виводиться великий список вин, але “свого” вина клієнт не бачить, а знайти його серед усього списку – проблема.

У семантичному пошуку повинні враховуватися дані (тексти) — хто такий користувач, які зазвичай вина він бере, любить білі чи червоні, яка для нього прийнятна цінова політика. Рядок пошуку – це найпотужніший інструмент для продажу. Той, хто навчиться у перших трьох результатах видавати саме те, що клієнт хоче купити, фактично завоює ринок.

Amazon Marketing Cloud

Бренди все більше хочуть розуміти свого споживача. Amazon Marketing Cloud намагається допомогти вирішити цю проблему бізнесам, але захищаючи свого покупця. Бренд може "принести" свою інформацію (data), і злити його з "озером" (data lakes-озеро даних) інформації Amazon, яка є про бренд і покупця цього бренду. Таким чином, бренд має більше уявлення як відтворити шлях покупця не тільки в Amazon у цифровому форматі, а й, наприклад, через фізичні магазини "Сільпо" або інші мережі.

Як влаштований data science у Fozzy Group?

Сьогодні основні засоби компанії йдуть у розвиток діджиталу. Fozzy Group будує з покупцем персональну комунікацію, в основі якої стоїть data science. Зокрема, два роки тому у співпраці з McKinsey компанія переформатувала організаційну та аналітичну частину програми “Власний рахунок”.

Так, були розділені "продуктові" команди - тепер кожна з них відповідає за той чи інший тип поведінки клієнта - управління відтоком клієнтів, крос-продажу та збільшення середнього чека. У кожній команді обов'язково є маркетинг-менеджер, data-інженер і data-scientist. У результаті виходить, що кожна з цих команд керує моделлю або декількома моделями, які передбачають поведінку гостей та обирають оптимальні групи, які найкраще реагують на ті чи інші пропозиції, які створює Fozzy Group.

Записав: Олександр Шаріпов

Джерело: Depositphotos