Dữ liệu lớn tại dịch vụ bán lẻ

Cách các nhà bán lẻ sử dụng dữ liệu lớn để cải thiện khả năng cá nhân hóa ở ba khía cạnh chính cho người mua – phân loại, ưu đãi và giao hàng, được kể trong Umbrella IT

Vào cuối những năm 1990, các doanh nhân từ mọi tầng lớp xã hội đã nhận ra rằng dữ liệu là một nguồn tài nguyên quý giá, nếu được sử dụng đúng cách, có thể trở thành một công cụ gây ảnh hưởng mạnh mẽ. Vấn đề là khối lượng dữ liệu tăng theo cấp số nhân và các phương pháp xử lý và phân tích thông tin tồn tại vào thời điểm đó không đủ hiệu quả.

Vào những năm 2000, công nghệ đã có một bước nhảy vọt về lượng tử. Các giải pháp có thể mở rộng đã xuất hiện trên thị trường có thể xử lý thông tin phi cấu trúc, xử lý khối lượng công việc lớn, xây dựng các kết nối logic và dịch dữ liệu hỗn loạn sang định dạng có thể hiểu được mà một người có thể hiểu được.

Ngày nay, dữ liệu lớn được đưa vào một trong chín lĩnh vực của chương trình Kinh tế kỹ thuật số của Liên bang Nga, chiếm vị trí hàng đầu trong xếp hạng và hạng mục chi phí của các công ty. Các khoản đầu tư lớn nhất vào công nghệ dữ liệu lớn được thực hiện bởi các công ty từ lĩnh vực thương mại, tài chính và viễn thông.

Các nhà phân tích cho biết trong 10-20 năm nữa, dữ liệu lớn sẽ trở thành phương tiện vốn hóa chính và sẽ đóng một vai trò trong xã hội có tầm quan trọng tương đương với ngành điện.

Người mua sắm ngày nay không còn là một khối lượng thống kê vô danh, mà là những cá nhân được xác định rõ ràng với những đặc điểm và nhu cầu riêng biệt. Họ chọn lọc và sẽ chuyển sang nhãn hiệu của đối thủ cạnh tranh mà không hối tiếc nếu lời đề nghị của họ có vẻ hấp dẫn hơn. Đó là lý do tại sao các nhà bán lẻ sử dụng dữ liệu lớn, cho phép họ tương tác với khách hàng một cách chính xác và có mục tiêu, tập trung vào nguyên tắc “một người tiêu dùng duy nhất – một dịch vụ duy nhất”.

1. Phân loại được cá nhân hóa và sử dụng không gian hiệu quả

Trong hầu hết các trường hợp, quyết định cuối cùng “mua hay không mua” đã diễn ra tại cửa hàng gần kệ hàng hóa. Theo thống kê của Nielsen, người mua chỉ mất 15 giây để tìm kiếm sản phẩm phù hợp trên kệ. Điều này có nghĩa là điều rất quan trọng đối với một doanh nghiệp là cung cấp chủng loại tối ưu cho một cửa hàng cụ thể và trình bày nó một cách chính xác. Để phân loại đáp ứng nhu cầu và hiển thị để thúc đẩy doanh số bán hàng, cần nghiên cứu các loại dữ liệu lớn khác nhau:

• nhân khẩu học địa phương,
• khả năng thanh toán,
• nhận thức mua hàng,
• mua chương trình khách hàng thân thiết và nhiều hơn nữa.

Ví dụ: đánh giá tần suất mua một loại hàng hóa nhất định và đo lường “khả năng chuyển đổi” của người mua từ sản phẩm này sang sản phẩm khác sẽ giúp hiểu ngay mặt hàng nào bán chạy hơn, mặt hàng nào thừa và do đó, phân phối lại tiền mặt hợp lý hơn tài nguyên và kế hoạch không gian cửa hàng.

Một hướng riêng trong việc phát triển các giải pháp dựa trên dữ liệu lớn là sử dụng hiệu quả không gian. Đó là dữ liệu, chứ không phải trực giác, mà những người bán hàng hiện đang dựa vào khi sắp xếp hàng hóa.

Trong các đại siêu thị của Tập đoàn bán lẻ X5, bố cục sản phẩm được tạo tự động, có tính đến các thuộc tính của thiết bị bán lẻ, sở thích của khách hàng, dữ liệu về lịch sử bán hàng của một số loại hàng hóa và các yếu tố khác.

Đồng thời, tính chính xác của bố cục và số lượng hàng hóa trên kệ được theo dõi trong thời gian thực: công nghệ phân tích video và thị giác máy tính phân tích luồng video đến từ camera và đánh dấu các sự kiện theo các thông số đã chỉ định. Ví dụ, nhân viên cửa hàng sẽ nhận được tín hiệu rằng lọ đậu Hà Lan đóng hộp không đúng chỗ hoặc sữa đặc đã hết trên kệ.

2. Ưu đãi được cá nhân hóa

Cá nhân hóa cho người tiêu dùng là ưu tiên hàng đầu: theo nghiên cứu của Edelman và Accenture, 80% người mua có nhiều khả năng mua sản phẩm hơn nếu nhà bán lẻ đưa ra ưu đãi được cá nhân hóa hoặc giảm giá; hơn nữa, 48% số người được hỏi không ngần ngại tìm đến đối thủ cạnh tranh nếu sản phẩm đề xuất không chính xác và không đáp ứng nhu cầu.

Để đáp ứng mong đợi của khách hàng, các nhà bán lẻ đang tích cực triển khai các giải pháp CNTT và công cụ phân tích nhằm thu thập, cấu trúc và phân tích dữ liệu khách hàng để giúp hiểu người tiêu dùng và mang lại sự tương tác ở cấp độ cá nhân. Một trong những định dạng phổ biến đối với người mua – phần đề xuất sản phẩm “bạn có thể quan tâm” và “mua với sản phẩm này” – cũng được hình thành dựa trên phân tích các giao dịch mua và sở thích trong quá khứ.

Amazon tạo các đề xuất này bằng thuật toán lọc cộng tác (một phương pháp đề xuất sử dụng các tùy chọn đã biết của một nhóm người dùng để dự đoán các tùy chọn chưa biết của một người dùng khác). Theo đại diện của công ty, 30% tổng doanh số bán hàng là do hệ thống tư vấn của Amazon.

3. Giao hàng được cá nhân hóa

Điều quan trọng đối với người mua hiện đại là nhận được sản phẩm mong muốn một cách nhanh chóng, bất kể đó là việc giao đơn đặt hàng từ cửa hàng trực tuyến hay sự xuất hiện của sản phẩm mong muốn trên kệ siêu thị. Nhưng tốc độ thôi là chưa đủ: ngày nay mọi thứ đều được giao một cách nhanh chóng. Cách tiếp cận cá nhân cũng có giá trị.

Hầu hết các nhà bán lẻ và hãng vận chuyển lớn đều có phương tiện được trang bị nhiều cảm biến và thẻ RFID (được sử dụng để xác định và theo dõi hàng hóa), từ đó nhận được lượng thông tin khổng lồ: dữ liệu về vị trí hiện tại, kích thước và trọng lượng của hàng hóa, tắc nghẽn giao thông, điều kiện thời tiết và thậm chí cả hành vi của tài xế.

Việc phân tích dữ liệu này không chỉ giúp tạo ra tuyến đường tiết kiệm nhất và nhanh nhất trong thời gian thực mà còn đảm bảo tính minh bạch của quy trình giao hàng cho người mua, những người có cơ hội theo dõi tiến trình đặt hàng của họ.

Cá nhân hóa giao hàng là yếu tố quan trọng đối với người mua ở giai đoạn “dặm cuối”. Một nhà bán lẻ kết hợp dữ liệu khách hàng và hậu cần ở giai đoạn ra quyết định chiến lược sẽ có thể nhanh chóng đề nghị khách hàng nhận hàng từ điểm phát sinh vấn đề, nơi sẽ giao hàng nhanh nhất và rẻ nhất. Ưu đãi nhận hàng trong cùng ngày hoặc ngày hôm sau, cùng với chiết khấu khi giao hàng, sẽ khuyến khích khách hàng thậm chí đi đến đầu kia của thành phố.

Amazon, như thường lệ, đã đi trước đối thủ bằng cách cấp bằng sáng chế cho công nghệ hậu cần dự đoán được hỗ trợ bởi các phân tích dự đoán. Điểm mấu chốt là nhà bán lẻ thu thập dữ liệu:

• về các giao dịch mua trước đây của người dùng,
• về các sản phẩm được thêm vào giỏ hàng,
• về các sản phẩm được thêm vào danh sách yêu thích,
• về chuyển động của con trỏ.

Các thuật toán học máy phân tích thông tin này và dự đoán sản phẩm nào khách hàng có nhiều khả năng mua nhất. Sau đó, mặt hàng này được vận chuyển qua phương thức vận chuyển tiêu chuẩn rẻ hơn đến trung tâm vận chuyển gần người dùng nhất.

Người mua hiện đại sẵn sàng trả gấp đôi cho cách tiếp cận cá nhân và trải nghiệm độc đáo – bằng tiền và thông tin. Việc cung cấp mức độ dịch vụ phù hợp, có tính đến sở thích cá nhân của khách hàng, chỉ có thể thực hiện được với sự trợ giúp của dữ liệu lớn. Trong khi các nhà lãnh đạo ngành đang tạo ra toàn bộ các đơn vị cấu trúc để làm việc với các dự án trong lĩnh vực dữ liệu lớn, các doanh nghiệp vừa và nhỏ đang đặt cược vào các giải pháp đóng hộp. Nhưng mục tiêu chung là xây dựng hồ sơ người tiêu dùng chính xác, hiểu nỗi đau của người tiêu dùng và xác định các yếu tố kích hoạt ảnh hưởng đến quyết định mua hàng, làm nổi bật danh sách mua hàng và tạo ra một dịch vụ được cá nhân hóa toàn diện sẽ khuyến khích mua hàng ngày càng nhiều.