В любой крупной компании, независимо от рода деятельности, со временем накапливается множество неструктурированной и слабоструктурированной информации. Мультимедиафайлы, записи с камер видеонаблюдения, логи интернет-трафика, почтовые сообщения, метаданные и прочая информация. Все их можно использовать для того, чтобы выявить потенциал для экономии, сделать небольшие открытия и т.д. В этом предприятию поможет анализ Больших Данных (Big Data).
Big Data – дополнительный драйвер роста
В ритейле, в отличии от производства, данных значительно больше, ведь каждый кассовый чек, транзакция по клубной карте на порядок увеличивает объемы накопленной информацией. Грех ею не воспользоваться. Эффективность анализа информации классическими методами в современном обществе с каждым годом снижается. К тому же время на анализ информации только растет. Чтобы минимизировать эти недостатки, на помощь крупным ритейлерам приходит анализ Больших Данных. Автоматизированные системы позволяют получать данные если не в «online», то, в «real-time».
Первые проекты Big Data в российском ритейле появились в Санкт-Петербурге, так как именно в этом городе находятся штаб-квартиры федеральных продовольственных сетей.
Например, «Лента» одним из первых российских продуктовых ритейлеров начала изучать предпочтения клиентов, основываясь на данных из кассовых чеков.
Сейчас конкуренция между крупнейшими ритейлерами растет год от года.
Согласно Росстату, гипермаркеты, супермаркеты, магазины у дома, совокупно показывают ежегодный рост продаж на уровне 16-18% в год. В целом по России проникновение современных форматов торговли не велико, но в отдельных регионах, а особенно в мегаполисах, конкуренция за площадь под солнцем и за покупателей довольна высока. Big Data в этих условиях поможет найти дополнительные драйверы роста.
Оптимизация ассортимента, повышение лояльности покупателей и эффективности операций – в этом и многом другом помогают транзакции клиентов. В каждом гипермаркете «Лента», — а их по России более 70-ти, функционирует программа лояльности. За определенную сумму покупатель может приобрести карту постоянного клиента, которая дает скидку на всю сумму покупки.
«Приобретая карту, покупатель сообщает о себе базовую информацию – возраст, пол, семейное положение, владение автомобилем, а также контактные данные. На конец сентября 2014 года у компании было 6,0 млн активных держателей карт лояльности, при этом около 90% покупок в девять месяцев 2014 года было осуществлено с использованием таких карт. Это дает возможность «Ленте» эффективно анализировать привычки и особенности потребления своих покупателей», — говорит директор по маркетингу Андрей Сорокин.
Представители компании уверены, что эти данные, при их эффективном использовании, могут значительно повысить качество принятия решений, увеличить продажи и получить уникальное конкурентное преимущество. Кроме того, в ноябре 2013 г. «Лента» совместно с партнером также запустила проект Big data, который позволил поднять знания о покупателях на совершенно новый уровень и приступить к детальному изучению их поведенческих моделей. В проекте задействована информация о покупках клиентов, начиная с 2010 г. Первой задачей торговой сети стал отказ от сегментации покупателей на «типичный» и «средний». Сегментация стала проходить по принципу RFV («давность, частота и стоимость»).
«Также покупатели были разделены на сегменты в зависимости от их покупательских привычек (потребностей) – это дает компании возможность адаптировать ассортимент и принципы выкладки товаров буквально в каждом магазине». Например, удалось выявить значительный сегмент, который ориентирован на приготовление пищи из товаров собственной торговой марки «Ленты» и склонен к экономии. Этот сегмент назвали Budget Cooking. Посещают гипермаркеты и покупатели, приобретающие в основном напитки и снэки, преимущественно мужчины. Этот сегмент мы назвали Party People», — говорит Андрей Сорокин.
Сегментация покупателей по целям, которые привлекают их в магазин, позволяет дать более четкое представление о причинах покупок. Уже сегодня эти данные, полученные при анализе кассовых чеков, используются для тонкой настройки ценовой политики в магазинах.
Сегодня более 400 сотрудников «Ленты» используют эти и другие инструменты мониторинга и анализа потребительских данных для принятия ежедневных решений по операционной и коммерческой деятельности сети.
Где эта улица, где этот дом
Аналитические отделы телекоммуникационных компаний России могут не только делиться информацией с отделом маркетинга и департаментом розничного бизнеса, но и предлагать свои решения сторонним организациям. В «МегаФоне» первым шагом в аналитику больших данных стал геопространственный анализ. Решение компании было продиктовано необходимостью повышения эффективности работы компании.
Сервис геопространственной аналитики оператор запустил в ноябре 2013 г. Изначально геоаналитика планировалась для использования внутри компании. «В первую очередь это касается построения собственной розничной сети – открытия салонов в местах наибольшего человеко-потока, эффективной релокации салонов (те смены их расположения), а также анализа эффективности работы конкретных торговых точек. Именно геоаналитика помогает принять решение об открытии-закрытии магазинов, месте, где необходимо построить базовые станции и т.д.», – говорит директор по сегментному маркетингу и клиентской аналитике Роман Постников.
Геоаналитика, по словам представителя «МегаФона», позволяет располагать салоны не только в зависимости от количества клиентов, но и от характера потребления услуг связи, мобильных устройств и даже потребностей клиентов. Это позволяет качественнее оперировать ассортиментом салонов или их размером. «Мы точно знаем, где открывать меленький салон, а где нужен флагман с широкой линейкой премиальных смартфонов и планшетов», — говорит директор по сегментному маркетингу и клиентской аналитике Роман Постников.
В процессе развития сервиса геоаналитики в компании пришли к выводу, что сервис можно успешно использовать и для решения вопросов градостроительства: оптимизации транспортных потоков, планирования социальной и культурной среды и т.д.
В настоящее время «МегаФон» ведет уже более 20-ти проектов в области Больших Данных, охватывающих все виды деятельности кампании – от разработки продуктов и специальных предложений до принятия решения о названии услуги (тестирование названий).
Большие Данные для премиум-клиентов
Ритейлер «Юлмарт» имеет аналитический центр, все проекты которого так или иначе связаны с Big Data.Сейчас результатами анализа Больших Данных активно пользуется, например, отдел онлайн продвижения для оптимизации активностей для клиентов. Кроме того, и работа в определении стратегии компании Юлмарт опирается на аналитику в области Больших Данных.
Первые результаты любой работы в этом направлении, по словам Николая Валиотти, руководителя отдела стратегического анализа и сценарного планирования компании Юлмарт, ведут к увеличению числа гипотез и вопросов, которые начинают формироваться. «Мы используем Большие Данные, чтобы получить новые инсайты, новые гипотезы относительно деятельности компании. Можно даже сказать, что мы как раз ищем какие-либо противоречия, которые открывают для нас возможности дальнейшего роста».
В компании изучают различные сегменты бизнеса, строят различные рекомендации к товарам, прогнозируют продажи объектов, а также работают с аналитикой по клиентам. К примеру, клиентам, которые обычно покупают технику премиум-класса, будет удобнее, если каталог на сайте будет структурирован с учётом их предпочтений.
«Не секрет, что все передвижения по сайту, каждый клик пользователя могут быть записаны и проанализированы. Мы начали работу в направлении Больших Данных с транзакций наших клиентов и с их предпочтениями при совершении покупок. Среди основных результатов следует отметить улучшение и уточнение маркетинговой работы, переход к таргетированному и персонализированному подходу от общего и широкого», — говорит Николай Валиотти.
Планирование, построенное на данных, безусловно, точнее. Использование эконометрических моделей позволяет заглянуть в историю, уточнить сезонные колебания в рамках всей компании или конкретных товарных направлений, уверен представитель «Юлмарт».
Проблемы анализа
Сейчас Большие Данные охватывают весь спектр изучаемой информации. Но не все данные могут пригодится для использования. Как считает Николай Валиотти, вопрос стоит не в плоскости расширения применения Big Data, а в выборе наиболее ценных крупиц из того «песка», который представляет собой поток информации любой компании.
Аналитики считают, что уровень готовности компаний к использованию Больших Данных и аналогичных технологий, а также недостаток квалифицированных кадров в этой сфере – главные сто-факторы для развития Big Data в отечественном ритейле. Например, в ГК «Связной» Большие Данные только собираются внедрять. И уже сейчас могут назвать некоторые проблемы, с которыми компания может столкнуться. Во-первых, это новая структура технологий (от hardware до software) и, соответственно, недостаток компетенций в BigData на этом уровне развития, во-вторых, недостаток соответствующих специалистов на рынке. «Уже появилась острая необходимость в таких популярных в BigData специальностях как DevOps, DataScientist, BI Analyst, названия которых в контексте технологии до сих пор даже не имеют однозначного перевода на русский язык», — говорит директор по информационным технологиям группы «Связной» Сергей Харитонов.