Вопрос обеспечения повторных покупок и понижения затрат на удержание постоянных покупателей всегда для бизнеса был актуальным. Много интересного на эту тему рассказывает Алексей Шиховец, специалист курса big data «Основы работы с большими массивами данных».
Как происходит применение big data?
Сегодня использование технологий Big Data охватывает все больше разных бизнес-проектов. Большие данные активно подключаются к работе маркетологов. С их помощью оптимизируются затраты на производство и логистику.
Для примера можно привести сеть магазинов Walmart. Используя большие данные, компания обрабатывает 2500 терабайт в час. При этом информация поступает от 200 внешних и внутренних объектов. Таким образом, отслеживается обстановка на всех торговых точках, проводится контроль за изменяющимся поведением потребителей, своевременно корректируются цены на продукцию.
Кроме того, весь автопарк компании оснащен датчиками, которые позволяют контролировать перемещение машин с грузами в реальном времени. Благодаря этому фактору, ритейлеру предоставляется уникальная возможность оптимизировать логистику.
Механизмы анализа больших данных формируются на технологии машинного обучения, благодаря которой вырабатываются алгоритмы, способные выявлять скрытые взаимосвязи, выстраивать прогнозы и за счет этого совершенствовать бизнес-процессы.
Как формируется работа?
Для примера Алексей Шиховец предложил рассмотреть оптимизацию маркетинговых коммуникаций компании Beauty Brains с помощью анализа больших данных сети интернет-магазина по продаже косметики. Для этой цели нужно было выяснить, какая аудитория проявляет интерес к какому бренду, чтобы в последствии персонализировать email-сообщения. Таким образом, будут гарантированы повторные закупки и, соответственно, понизится стоимость удержания регулярных покупателей.
В каждом магазине фиксируется свой покупатель и формируется собственный опыт. Именно эти данные играют важную роль в формировании правильного анализа.
Какие сведения брались в отработку?
Сбор данных начался с клиентской базы, покупок, размера среднего чека, объема корзины, частоте и времени закупок и т. д. Далее был проведен анализ того, как клиенты реагируют на рассылки. Во внимание еще брался и интерес клиентов к веб-ссылкам и карточкам товаров.
На следующем этапе проводилось отслеживание повторных посещений и покупок, реакция на акции и поступления новых брендов.
Таким образом, опираясь на все полученные сведения, формируется персональный подход, устанавливаются оптимальные пути коммуникаций, временной промежуток, подбирается группа товаров по определенной цене.
Обработка данных позволяет устанавливать предельно допустимый размер скидок, вычислять общую ценность клиента, прогнозировать вероятность осуществления повторных закупок.