Торговля с опорой на знания

Ритейлеры стали чаще использовать аналитику на базе Big Data, которая позволяет им лучше понимать аудиторию

Аналитика на базе Big Data позволяет ритейлерам не только лучше понимать аудиторию, но и делать для нее точечные предложения

Аналитика на базе Big Data позволяет ритейлерам не только лучше понимать аудиторию, но и делать для нее точечные предложения

Фото: Евгений Павленко, Коммерсантъ

Аналитика на базе Big Data позволяет ритейлерам не только лучше понимать аудиторию, но и делать для нее точечные предложения

Фото: Евгений Павленко, Коммерсантъ

Растущая востребованность больших данных и возможности по их обогащению открывают новые перспективы для ритейлеров, которые хотят донести продукт до правильной аудитории и получить дополнительную прибыль. Сейчас многие крупные компании из отрасли уже применяют массу инструментов на основе Big Data, работая как с собственными данными, так и с экспертизой сторонних компаний, и видят конкретный финансовый эффект.

По оценкам Allied Market Research, глобальный рынок больших данных в ритейле достиг $4,85 млрд в 2020 году с перспективами роста до $25,56 млрд в 2028 году. Такая динамика объясняется общим фокусом компаний на персонализацию предложений для клиента и растущим рынком e-commerce. Российские ритейлеры уже оценили преимущества цифровых решений и все больше внимания уделяют работе с массивами данных о своих клиентах.

Так, «М.Видео—Эльдорадо» использует аналитику данных и алгоритмы машинного обучения для создания персонализированного клиентского опыта, а также повышения операционной эффективности и снижения затрат, рассказывает Chief Data Officer компании Данила Наумов. «Магниту» использование больших данных позволяет улучшать маркетинговые стратегии, оптимизировать ценообразование и промокампании, применять прогнозную аналитику, чтобы лучше планировать поставки и предсказывать потребительское поведение, говорит директор по маркетингу сети Павел Локшин. Решения на основе Big Data позволяют улучшить операционную эффективность, сократить издержки на прежде не автоматизированные операции и четче управлять товарными запасами в соответствии с потребностями магазинов, отмечает Андрей Эскин, руководитель направления по работе с данными «Ашан ритейл Россия».

Аналитика на базе Big Data позволяет ритейлерам не только лучше понимать аудиторию, но и делать для нее точечные предложения. «При персонализации действия ритейлера направлены на предложение покупателю релевантных товаров, расширение его корзины, рост частоты визитов и прогноз возможного оттока клиентов»,— объясняет руководитель группы «Клиенты и маркетинг» «Делойт консалтинг» в СНГ Кирилл Балашов. «М.Видео—Эльдорадо», например, предлагает для пользователей мобильной платформы персонализированные ценовые предложения, добавляет Данила Наумов: «Размер скидки определяет искусственный интеллект на основе истории покупок и целого ряда доступных скидочных инструментов». В Inventive Retail Group добились роста открываемости электронных писем вдвое и конверсии в заказы в три-четыре раза за счет такой аналитики, указывает вице-президент по продажам детских товаров группы Мария Голенкова.

Составляя портрет своего покупателя, розничные сети могут опираться и на сторонние данные об их аудитории. По словам директора по развитию корпоративного бизнеса «Мегафона» Натальи Талдыкиной, компания развивает свой сервис «Смарт профиль», который позволяет ритейлерам исследовать свою аудиторию, чтобы персонализировать рекламу, оперативно оценивать спрос на определенные категории товаров и за счет этого повышать лояльность клиентов и увеличивать количество повторных продаж. «Мы помогаем ритейлу анализировать свою клиентскую базу, ее интересы, предпочтения и формировать портрет потребителя. „Мегафон“ во внутреннем контуре анализирует ту ее часть, которая приходится на абонентов оператора, и на выходе предоставляет клиенту обезличенный отчет, который содержит различные параметры и количество людей, которые под них подходят»,— объясняет она. При профилировании учитываются социально-демографические и поведенческие параметры, интересы и предпочтения людей, добавляет Наталья Талдыкина.

Ритейл также применяет большие данные при планировании ассортимента и ценообразовании. По словам Данилы Наумова, три четверти ассортимента, доступного в розничных магазинах, сеть формирует на основе анализа пользовательских сессий на сайте. «Этот подход позволяет определить потребности клиентов, подобрать максимально отвечающий им модельный ряд с учетом ограниченного пространства торговой точки»,— поясняет он. По словам управляющего директора «Х5 Технологии» Антона Мироненкова, X5 Group разработала для себя автоматизированную систему управления ценообразованием, которую тиражирует в регионах. «Этот продукт позволит увеличить годовую выручку более чем на 1,2 млрд руб., а также сохранить оборот розничных продаж и трафик»,— рассчитывают в группе.

Технология помогает розничным сетям в планировании поставок. По словам Андрея Эскина, в цепочках поставок Auchan за счет Big Data удалось существенно улучшить качество прогноза, сократив ручной труд: «Сегодня сотрудники осуществляют только высокоуровневый контроль, а высвободившееся время перераспределено на выполнение других задач». X5 Group разработала специальную платформу для поставщиков, в которой используется накопленная информация о продажах и покупательском поведении. «Это многофункциональная платформа для решения проблем бизнеса, набор цифровых инструментов, который уже включает в себя аналитическую и логистическую отчетность, рекламный таргетинг и тендерную площадку»,— объясняет Антон Мироненков.

Анализ больших данных и использование нейросетей находят применение в видеоаналитике для ритейла. По оценкам Telecom Daily, ритейл по итогам 2020 года стал крупнейшим потребителем видео­аналитики с долей 15%. В «М.Видео—Эльдорадо», например, используют ее для выявления покупателей, которым необходима консультация, а также для определения очередей на кассе. Кроме того, такая технология может использоваться для выявления поведенческих паттернов воров, что позволит в дальнейшем предупреждать кражи, рассуждает Кирилл Балашов.

Несмотря на бум онлайн-торговли в связи с пандемией и ростом проникновения доставки в потребительские привычки россиян, крупные розничные сети пока не отказываются от наращивания числа своих магазинов. Например, по итогам третьего квартала текущего года у X5 Group совокупно было 18,6 тыс. точек, и ранее группа намеревалась достичь отметки в 20 тыс. в 2023 году. «Магнит» планирует открыть еще 2 тыс. магазинов всех форматов в нынешнем году, и это без учета тех, что перейдут компании в рамках покупки «Дикси». А «Лента» намерена ввести не менее 100 тыс. кв. м новых торговых площадей в 2021 году. При этом ритейлеру важно понимать поток клиентов и конкурентное окружение, объясняет Кирилл Балашов. Благодаря обогащенным большим данным торговые сети могут более осознанно принимать решение об открытии торговой точки в конкретной локации, добавляет он.

В целом крупнейшие ритейлеры зачастую рассматривают компетенции в области продвинутой аналитики в качестве ключевых, дающих конкурентное преимущество, стараются создавать центры компетенций в штате, отмечает партнер практики технологического консалтинга PwC в России Тимофей Хорошев. «Но это не всегда эффективный путь решения конкретных задач. Часто, чтобы успешно решить прикладную бизнес-задачу, нужна кросс-функциональная команда, за плечами которой решение серии аналогичных бизнес-задач в этой предметной области»,— подчеркивает эксперт. По словам Марии Голенковой, группа пользовалась сервисами внешних провайдеров Big Data в последние годы для решения задач уточнения профиля своих клиентов и корректировки стратегии развития розничных сетей. «Обновив профиль целевой аудитории и выделив ключевые параметры, которые отличают наших клиентов, мы наложили карту текущего покрытия сетей на карту целевых городов и учитывали эти данные при планировании развития покрытия»,— добавляет она.

Как отмечает Наталья Талдыкина, сейчас на рынке есть комплексные сервисы, которые помогают оценить потенциальную рентабельность локации для конкретной торговой точки. Для этого в «Мегафоне» есть решение Footprint. Этот сервис учитывает параметры действующих точек продаж, начиная от их географической доступности и ассортиментного ряда и заканчивая финансовыми показателями и параметрами торговой площади. Аналитическая модель обучается на существующих показателях и предсказывает потенциал локаций на картах. Сервис сразу покажет, есть ли в принципе смысл открывать магазин в данной локации, поскольку не исключено, что расширение сети приведет лишь к перетоку покупателей, а не к увеличению их количества. «Footprint помогает ритейлу найти максимально эффективное место для магазина, проанализировав локации более чем в 500 городах России по товарной выручке, среднему чеку, бизнесу, расположенному рядом, транспортной и дорожной инфраструктуре»,— уточняет госпожа Талдыкина.

Сам оператор с 2020 года использует Footprint для развития сети салонов связи «Мегафон ритейл» и поиска наиболее перспективных мест для размещения магазинов. С его помощью только в Центральной России релоцированы десятки салонов связи. Помимо экономии времени, это помогло более точно прогнозировать окупаемость торговой точки и ожидаемое количество подключений сим-карт, уточняют в компании.

В целом ритейлеры усиливают фокус на решениях на базе больших данных. «Это позволяет нам максимально удобно взаимодействовать с покупателями. Летом этого года компания запустила программу лояльности, поэтому в обозримом будущем основной фокус в рамках Big Data будет направлен на CRM, клиентскую аналитику и omni-channel»,— отмечает Андрей Эскин. В будущем применение Big Data в ритейле будет востребовано в части планирования размещения точек забора товаров или завоза продуктов на конкретный склад онлайн-ритейлера для быстрой доставки до дома с помощью управления спросом, уверен Кирилл Балашов.

Дмитрий Шестоперов

Картина дня

Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...
Загрузка новости...