റീട്ടെയിൽ സേവനത്തിൽ ബിഗ് ഡാറ്റ

വാങ്ങുന്നയാൾക്കുള്ള മൂന്ന് പ്രധാന വശങ്ങളിൽ വ്യക്തിഗതമാക്കൽ മെച്ചപ്പെടുത്തുന്നതിന് റീട്ടെയിലർമാർ എങ്ങനെയാണ് ബിഗ് ഡാറ്റ ഉപയോഗിക്കുന്നത് - തരംതിരിക്കൽ, ഓഫർ, ഡെലിവറി, അംബ്രല്ല ഐടിയിൽ പറയുന്നു

1990-കളുടെ അവസാനത്തിൽ, ജീവിതത്തിന്റെ എല്ലാ തുറകളിൽ നിന്നുമുള്ള സംരംഭകർ ഡാറ്റ ഒരു മൂല്യവത്തായ വിഭവമാണെന്ന് മനസ്സിലാക്കി, അത് ശരിയായി ഉപയോഗിച്ചാൽ, സ്വാധീനത്തിന്റെ ശക്തമായ ഉപകരണമായി മാറാൻ കഴിയും. ഡാറ്റയുടെ അളവ് ക്രമാതീതമായി വർദ്ധിച്ചതും, അക്കാലത്ത് നിലവിലുണ്ടായിരുന്ന വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യുന്നതിനും വിശകലനം ചെയ്യുന്നതിനുമുള്ള രീതികൾ വേണ്ടത്ര ഫലപ്രദമല്ല എന്നതായിരുന്നു പ്രശ്നം.

2000-കളിൽ സാങ്കേതികവിദ്യ ഒരു കുതിച്ചുചാട്ടം നടത്തി. ഘടനാരഹിതമായ വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യാനും ഉയർന്ന ജോലിഭാരത്തെ നേരിടാനും ലോജിക്കൽ കണക്ഷനുകൾ നിർമ്മിക്കാനും ക്രമരഹിതമായ ഡാറ്റ ഒരു വ്യക്തിക്ക് മനസ്സിലാക്കാൻ കഴിയുന്ന ഒരു വ്യാഖ്യാന ഫോർമാറ്റിലേക്ക് വിവർത്തനം ചെയ്യാനും കഴിയുന്ന സ്കേലബിൾ സൊല്യൂഷനുകൾ വിപണിയിൽ പ്രത്യക്ഷപ്പെട്ടു.

ഇന്ന്, റഷ്യൻ ഫെഡറേഷന്റെ ഡിജിറ്റൽ എക്കണോമി പ്രോഗ്രാമിന്റെ ഒമ്പത് മേഖലകളിൽ ഒന്നിൽ വലിയ ഡാറ്റ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, കമ്പനികളുടെ റേറ്റിംഗുകളിലും ചെലവ് ഇനങ്ങളിലും മുൻനിരയിൽ സ്ഥാനം പിടിക്കുന്നു. ബിഗ് ഡാറ്റ ടെക്നോളജികളിൽ ഏറ്റവും വലിയ നിക്ഷേപം നടത്തുന്നത് ട്രേഡിംഗ്, ഫിനാൻഷ്യൽ, ടെലികമ്മ്യൂണിക്കേഷൻ മേഖലകളിൽ നിന്നുള്ള കമ്പനികളാണ്.

10-20 വർഷത്തിനുള്ളിൽ, വലിയ ഡാറ്റ മൂലധനവൽക്കരണത്തിന്റെ പ്രധാന മാർഗമായി മാറുകയും വൈദ്യുതി വ്യവസായവുമായി താരതമ്യപ്പെടുത്താവുന്ന സമൂഹത്തിൽ ഒരു പങ്ക് വഹിക്കുകയും ചെയ്യും, വിശകലന വിദഗ്ധർ പറയുന്നു.

ഇന്നത്തെ ഷോപ്പർമാർ സ്ഥിതിവിവരക്കണക്കുകളുടെ മുഖമില്ലാത്ത കൂട്ടമല്ല, മറിച്ച് തനതായ സവിശേഷതകളും ആവശ്യങ്ങളും ഉള്ള നന്നായി നിർവചിക്കപ്പെട്ട വ്യക്തികളാണ്. അവർ തിരഞ്ഞെടുക്കപ്പെട്ടവരാണ്, അവരുടെ ഓഫർ കൂടുതൽ ആകർഷകമാണെന്ന് തോന്നിയാൽ ഖേദമില്ലാതെ ഒരു എതിരാളിയുടെ ബ്രാൻഡിലേക്ക് മാറും. അതുകൊണ്ടാണ് റീട്ടെയിലർമാർ ബിഗ് ഡാറ്റ ഉപയോഗിക്കുന്നത്, ഇത് ഉപഭോക്താക്കളുമായി ടാർഗെറ്റുചെയ്‌തതും കൃത്യവുമായ രീതിയിൽ സംവദിക്കാൻ അനുവദിക്കുന്നു, "ഒരു അദ്വിതീയ ഉപഭോക്താവ് - ഒരു അദ്വിതീയ സേവനം" എന്ന തത്വത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു.

1. വ്യക്തിഗതമാക്കിയ ശേഖരണവും സ്ഥലത്തിന്റെ കാര്യക്ഷമമായ ഉപയോഗവും

മിക്ക കേസുകളിലും, "വാങ്ങണോ വേണ്ടയോ" എന്ന അന്തിമ തീരുമാനം ഇതിനകം ചരക്കുകളുള്ള ഷെൽഫിനടുത്തുള്ള സ്റ്റോറിൽ നടക്കുന്നു. നീൽസൻ സ്ഥിതിവിവരക്കണക്കുകൾ പ്രകാരം, വാങ്ങുന്നയാൾ ഷെൽഫിൽ ശരിയായ ഉൽപ്പന്നം തിരയാൻ 15 സെക്കൻഡ് മാത്രം ചെലവഴിക്കുന്നു. ഒരു പ്രത്യേക സ്റ്റോറിലേക്ക് ഒപ്റ്റിമൽ ശേഖരണം നൽകുകയും അത് ശരിയായി അവതരിപ്പിക്കുകയും ചെയ്യുന്നത് ഒരു ബിസിനസ്സിന് വളരെ പ്രധാനമാണ് എന്നാണ് ഇതിനർത്ഥം. ശേഖരം ഡിമാൻഡ് നിറവേറ്റുന്നതിനും വിൽപ്പന പ്രോത്സാഹിപ്പിക്കുന്നതിന് ഡിസ്പ്ലേയ്ക്കും വേണ്ടി, വലിയ ഡാറ്റയുടെ വിവിധ വിഭാഗങ്ങൾ പഠിക്കേണ്ടത് ആവശ്യമാണ്:

• പ്രാദേശിക ജനസംഖ്യാശാസ്ത്രം,
• സോൾവൻസി,
• ധാരണ വാങ്ങൽ,
• ലോയൽറ്റി പ്രോഗ്രാം വാങ്ങലുകളും മറ്റും.

ഉദാഹരണത്തിന്, ഒരു പ്രത്യേക വിഭാഗത്തിലുള്ള സാധനങ്ങളുടെ വാങ്ങലുകളുടെ ആവൃത്തി വിലയിരുത്തുന്നതും ഒരു ഉൽപ്പന്നത്തിൽ നിന്ന് മറ്റൊന്നിലേക്ക് വാങ്ങുന്നയാളുടെ "സ്വിച്ചബിലിറ്റി" അളക്കുന്നതും ഏത് ഇനമാണ് നന്നായി വിൽക്കുന്നത്, അത് അനാവശ്യമാണ്, അതിനാൽ കൂടുതൽ യുക്തിസഹമായി പണം പുനർവിതരണം ചെയ്യുക. വിഭവങ്ങളും പ്ലാൻ സ്റ്റോർ സ്ഥലവും.

വലിയ ഡാറ്റയെ അടിസ്ഥാനമാക്കിയുള്ള പരിഹാരങ്ങൾ വികസിപ്പിക്കുന്നതിനുള്ള ഒരു പ്രത്യേക ദിശയാണ് സ്ഥലത്തിന്റെ കാര്യക്ഷമമായ ഉപയോഗം. സാധനങ്ങൾ നിരത്തുമ്പോൾ വ്യാപാരികൾ ഇപ്പോൾ ആശ്രയിക്കുന്നത് ഡാറ്റയെയാണ്, അവബോധത്തെയല്ല.

X5 റീട്ടെയിൽ ഗ്രൂപ്പ് ഹൈപ്പർമാർക്കറ്റുകളിൽ, റീട്ടെയിൽ ഉപകരണങ്ങളുടെ സവിശേഷതകൾ, ഉപഭോക്തൃ മുൻഗണനകൾ, ചില വിഭാഗങ്ങളുടെ ചരക്കുകളുടെ വിൽപ്പനയുടെ ചരിത്രത്തെക്കുറിച്ചുള്ള ഡാറ്റ, മറ്റ് ഘടകങ്ങൾ എന്നിവ കണക്കിലെടുത്ത് ഉൽപ്പന്ന ലേഔട്ടുകൾ സ്വയമേവ സൃഷ്ടിക്കപ്പെടുന്നു.

അതേ സമയം, ലേഔട്ടിന്റെ കൃത്യതയും ഷെൽഫിലെ സാധനങ്ങളുടെ എണ്ണവും തത്സമയം നിരീക്ഷിക്കുന്നു: വീഡിയോ അനലിറ്റിക്സും കമ്പ്യൂട്ടർ വിഷൻ സാങ്കേതികവിദ്യകളും ക്യാമറകളിൽ നിന്ന് വരുന്ന വീഡിയോ സ്ട്രീം വിശകലനം ചെയ്യുകയും നിർദ്ദിഷ്ട പാരാമീറ്ററുകൾ അനുസരിച്ച് ഇവന്റുകൾ ഹൈലൈറ്റ് ചെയ്യുകയും ചെയ്യുന്നു. ഉദാഹരണത്തിന്, ടിന്നിലടച്ച പീസ് ജാറുകൾ തെറ്റായ സ്ഥലത്താണെന്നോ അല്ലെങ്കിൽ ബാഷ്പീകരിച്ച പാൽ അലമാരയിൽ തീർന്നുവെന്നോ ഉള്ള ഒരു സിഗ്നൽ സ്റ്റോർ ജീവനക്കാർക്ക് ലഭിക്കും.

2. വ്യക്തിഗതമാക്കിയ ഓഫർ

ഉപഭോക്താക്കൾക്കുള്ള വ്യക്തിഗതമാക്കൽ മുൻഗണനയാണ്: Edelman, Accenture എന്നിവയുടെ ഗവേഷണമനുസരിച്ച്, ഒരു ചില്ലറ വ്യാപാരി ഒരു വ്യക്തിഗത ഓഫർ നൽകുകയോ കിഴിവ് നൽകുകയോ ചെയ്താൽ, 80% വാങ്ങുന്നവർ ഒരു ഉൽപ്പന്നം വാങ്ങാനുള്ള സാധ്യത കൂടുതലാണ്; കൂടാതെ, ഉൽപ്പന്ന ശുപാർശകൾ കൃത്യമല്ലെങ്കിൽ ആവശ്യങ്ങൾ നിറവേറ്റുന്നില്ലെങ്കിൽ, പ്രതികരിച്ചവരിൽ 48% പേരും എതിരാളികളിലേക്ക് പോകാൻ മടിക്കുന്നില്ല.

ഉപഭോക്തൃ പ്രതീക്ഷകൾ നിറവേറ്റുന്നതിനായി, ഉപഭോക്താവിനെ മനസ്സിലാക്കാനും വ്യക്തിഗത തലത്തിലേക്ക് ആശയവിനിമയം കൊണ്ടുവരാനും സഹായിക്കുന്നതിന് ഉപഭോക്തൃ ഡാറ്റ ശേഖരിക്കുകയും ഘടന ചെയ്യുകയും വിശകലനം ചെയ്യുകയും ചെയ്യുന്ന ഐടി സൊല്യൂഷനുകളും അനലിറ്റിക്‌സ് ടൂളുകളും റീട്ടെയിലർമാർ സജീവമായി നടപ്പിലാക്കുന്നു. വാങ്ങുന്നവർക്കിടയിലെ ജനപ്രിയ ഫോർമാറ്റുകളിലൊന്ന് - "നിങ്ങൾക്ക് താൽപ്പര്യമുണ്ടാകാം", "ഈ ഉൽപ്പന്നം ഉപയോഗിച്ച് വാങ്ങുക" എന്നീ ഉൽപ്പന്ന ശുപാർശകളുടെ വിഭാഗം - മുൻകാല വാങ്ങലുകളുടെയും മുൻഗണനകളുടെയും വിശകലനത്തെ അടിസ്ഥാനമാക്കി രൂപീകരിച്ചതാണ്.

സഹകരിച്ചുള്ള ഫിൽട്ടറിംഗ് അൽഗോരിതങ്ങൾ (മറ്റൊരു ഉപയോക്താവിന്റെ അജ്ഞാത മുൻഗണനകൾ പ്രവചിക്കാൻ ഒരു കൂട്ടം ഉപയോക്താക്കളുടെ അറിയപ്പെടുന്ന മുൻഗണനകൾ ഉപയോഗിക്കുന്ന ഒരു ശുപാർശ രീതി) ഉപയോഗിച്ചാണ് Amazon ഈ ശുപാർശകൾ സൃഷ്ടിക്കുന്നത്. കമ്പനി പ്രതിനിധികൾ പറയുന്നതനുസരിച്ച്, എല്ലാ വിൽപ്പനയുടെയും 30% ആമസോൺ ശുപാർശ ചെയ്യുന്ന സംവിധാനം മൂലമാണ്.

3. വ്യക്തിഗത ഡെലിവറി

ഒരു ഓൺലൈൻ സ്റ്റോറിൽ നിന്നുള്ള ഓർഡർ ഡെലിവറി അല്ലെങ്കിൽ സൂപ്പർമാർക്കറ്റ് ഷെൽഫുകളിൽ ആവശ്യമുള്ള ഉൽപ്പന്നങ്ങളുടെ വരവ് എന്നത് പരിഗണിക്കാതെ തന്നെ, ഒരു ആധുനിക വാങ്ങുന്നയാൾക്ക് ആവശ്യമുള്ള ഉൽപ്പന്നം വേഗത്തിൽ സ്വീകരിക്കുന്നത് പ്രധാനമാണ്. എന്നാൽ വേഗത മാത്രം പോരാ: ഇന്ന് എല്ലാം വേഗത്തിൽ വിതരണം ചെയ്യുന്നു. വ്യക്തിഗത സമീപനവും വിലപ്പെട്ടതാണ്.

ഒട്ടുമിക്ക വലിയ റീട്ടെയിലർമാർക്കും കാരിയറുകൾക്കും നിരവധി സെൻസറുകളും RFID ടാഗുകളും (ചരക്കുകൾ തിരിച്ചറിയാനും ട്രാക്ക് ചെയ്യാനും ഉപയോഗിക്കുന്നു) ഉള്ള വാഹനങ്ങളുണ്ട്, അവയിൽ നിന്ന് വലിയ അളവിലുള്ള വിവരങ്ങൾ ലഭിക്കുന്നു: നിലവിലെ സ്ഥാനം, ചരക്കിന്റെ വലുപ്പം, ഭാരം, ഗതാഗതക്കുരുക്ക്, കാലാവസ്ഥ എന്നിവയെക്കുറിച്ചുള്ള ഡാറ്റ. , ഡ്രൈവർ പെരുമാറ്റം പോലും.

ഈ ഡാറ്റയുടെ വിശകലനം തത്സമയം റൂട്ടിന്റെ ഏറ്റവും ലാഭകരവും വേഗതയേറിയതുമായ ട്രാക്ക് സൃഷ്ടിക്കാൻ സഹായിക്കുക മാത്രമല്ല, അവരുടെ ഓർഡറിന്റെ പുരോഗതി ട്രാക്കുചെയ്യാൻ അവസരമുള്ള വാങ്ങുന്നവർക്ക് ഡെലിവറി പ്രക്രിയയുടെ സുതാര്യത ഉറപ്പാക്കുകയും ചെയ്യുന്നു.

"അവസാന മൈൽ" ഘട്ടത്തിൽ വാങ്ങുന്നയാൾക്ക് ഡെലിവറി വ്യക്തിഗതമാക്കൽ ഒരു പ്രധാന ഘടകമാണ്. തന്ത്രപരമായ തീരുമാനമെടുക്കൽ ഘട്ടത്തിൽ ഉപഭോക്താവിന്റെയും ലോജിസ്റ്റിക്‌സിന്റെയും ഡാറ്റ സംയോജിപ്പിക്കുന്ന ഒരു ചില്ലറ വ്യാപാരിക്ക്, ഇഷ്യൂ ചെയ്യുന്ന ഘട്ടത്തിൽ നിന്ന് സാധനങ്ങൾ എടുക്കാൻ ക്ലയന്റിന് ഉടനടി വാഗ്ദാനം ചെയ്യാൻ കഴിയും, അവിടെ അത് വിതരണം ചെയ്യാൻ ഏറ്റവും വേഗതയേറിയതും വിലകുറഞ്ഞതും ആയിരിക്കും. അതേ ദിവസമോ അടുത്ത ദിവസമോ സാധനങ്ങൾ സ്വീകരിക്കാനുള്ള ഓഫർ, ഡെലിവറിയിലെ കിഴിവ് സഹിതം, നഗരത്തിന്റെ മറ്റേ അറ്റത്തേക്ക് പോലും പോകാൻ ക്ലയന്റിനെ പ്രോത്സാഹിപ്പിക്കും.

ആമസോൺ, പതിവുപോലെ, പ്രവചനാത്മക അനലിറ്റിക്‌സ് നൽകുന്ന പ്രവചനാത്മക ലോജിസ്റ്റിക്‌സ് സാങ്കേതികവിദ്യയുടെ പേറ്റന്റ് നേടി മത്സരത്തിൽ മുന്നേറി. ചില്ലറ വ്യാപാരി ഡാറ്റ ശേഖരിക്കുന്നു എന്നതാണ് ഏറ്റവും പ്രധാന കാര്യം:

• ഉപയോക്താവിന്റെ മുൻകാല വാങ്ങലുകളെ കുറിച്ച്,
• വണ്ടിയിൽ ചേർത്ത ഉൽപ്പന്നങ്ങളെക്കുറിച്ച്,
• വിഷ്‌ലിസ്റ്റിൽ ചേർത്ത ഉൽപ്പന്നങ്ങളെക്കുറിച്ച്,
• കഴ്‌സർ ചലനങ്ങളെക്കുറിച്ച്.

മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ ഈ വിവരങ്ങൾ വിശകലനം ചെയ്യുകയും ഉപഭോക്താവ് ഏറ്റവും കൂടുതൽ വാങ്ങാൻ സാധ്യതയുള്ള ഉൽപ്പന്നം പ്രവചിക്കുകയും ചെയ്യുന്നു. ഇനം പിന്നീട് ഉപയോക്താവിന് ഏറ്റവും അടുത്തുള്ള ഷിപ്പിംഗ് ഹബ്ബിലേക്ക് വിലകുറഞ്ഞ സ്റ്റാൻഡേർഡ് ഷിപ്പിംഗ് വഴി അയയ്‌ക്കുന്നു.

ആധുനിക വാങ്ങുന്നയാൾ ഒരു വ്യക്തിഗത സമീപനത്തിനും അദ്വിതീയ അനുഭവത്തിനും രണ്ടുതവണ പണം നൽകാൻ തയ്യാറാണ് - പണവും വിവരവും. ഉപഭോക്താക്കളുടെ വ്യക്തിഗത മുൻഗണനകൾ കണക്കിലെടുത്ത് ശരിയായ തലത്തിലുള്ള സേവനം നൽകുന്നത് വലിയ ഡാറ്റയുടെ സഹായത്തോടെ മാത്രമേ സാധ്യമാകൂ. വ്യവസായ പ്രമുഖർ ബിഗ് ഡാറ്റാ മേഖലയിലെ പ്രോജക്ടുകളുമായി പ്രവർത്തിക്കാൻ മുഴുവൻ ഘടനാപരമായ യൂണിറ്റുകളും സൃഷ്ടിക്കുമ്പോൾ, ചെറുകിട, ഇടത്തരം ബിസിനസുകൾ ബോക്‌സ്ഡ് സൊല്യൂഷനുകളിൽ വാതുവെപ്പ് നടത്തുന്നു. എന്നാൽ പൊതുവായ ലക്ഷ്യം കൃത്യമായ ഒരു ഉപഭോക്തൃ പ്രൊഫൈൽ നിർമ്മിക്കുക, ഉപഭോക്തൃ വേദന മനസ്സിലാക്കുക, വാങ്ങൽ തീരുമാനത്തെ ബാധിക്കുന്ന ട്രിഗറുകൾ നിർണ്ണയിക്കുക, വാങ്ങൽ ലിസ്റ്റുകൾ ഹൈലൈറ്റ് ചെയ്യുക, കൂടുതൽ കൂടുതൽ വാങ്ങാൻ പ്രോത്സാഹിപ്പിക്കുന്ന സമഗ്രമായ വ്യക്തിഗത സേവനം സൃഷ്ടിക്കുക.