Сегодня для розничных сетей огромное значение приобретают большие данные (BIG DATA), благодаря которым бизнес может получить ценную информацию, выявить скрытые закономерности в данных, провести анализ текущих трендов и определить правильный вектор дальнейшего развития.
В условиях быстро растущего рынка и большой конкуренции одна из ведущих торговых сетей по продаже компьютерной техники поставила себе цель удержать высокие показатели продаж, сформировать стабильно растущую базу клиентов и создать устойчивую систему коммуникации с брендом.
Практика KYC (Know Your Client), давно признанная в финансовой области как наиболее эффективный способ анализа клиентского поведения, пока только начинает завоевывать сферу ритейла. Главным образом, введение такой практики было осложнено тем, что данные, которые торговые сети получали благодаря сбору информации о своих клиентах, было сложно систематизировать и объединить в цельный массив, на базе которого можно провести глубокий анализ.
Как следствие, невозможность сегментировать клиентскую базу привело к невозможности разработать персонализированные предложения, которые бы гарантировали магазину прогнозируемый уровень продаж.
Компании приходилось уделять огромное количество времени планированию закупок, проводя поверхностную аналитику и практически пытаясь “угадать”, какие именно товары будут пользоваться спросом, а также оплачивать склады для хранения непроданной техники.
Сегментация клиентской базы стала возможной благодаря модулю Azure Data Bricks – продукта на базе аналитической платформы Microsoft Azure, которая позволяет обработать данные через Azure Data Factory и аккумулировать их в облачных хранилищах Azure Blob Storage и Azure Data Lake Storage для проведения прогнозной и предписательной аналитики — predictive and prescriptive analytics и построения моделей машинного обучения — AI/ML-models.
Сегментация клиентов (customer segmentation) является классической AI/ML-задачей, которая была решена с помощью продукта для работы с данными и разработки AI/ML-моделей Azure Data Bricks.
На базе множественных характеристик, таких как возраст, пол, специальность, предпочтения, интересы, и ее покупательского поведения (типичные покупки, величина среднего чека, время нахождения возле полки с определенным товаром) были выявлены группы клиентов с похожими вкусами, интересами и уровнем дохода. Клиенты торговой сети были разбиты на сегменты для последующего анализа с целью разработки рекламных кампаний, формирования ЦА-месседжей и ценовых предложений, которые покрывают потребности конкретной целевой аудитории и с высокой степенью вероятности будут восприняты ею положительно.
Такой подход позволил планировать закупку товара, разработать схемы для повышения уровня продаж и повысить лояльность клиентов, которые теперь получают рекламные предложения, специально разработанные с учетом интересов и потребностей сегмента, к которому они относятся, а автоматизация – устранить влияние человеческого фактора (субъективных оценок и личного мнения), что позволило бизнесу опираться исключительно на факты.
Результатом сегментации клиентской базы стало увеличение конверсий и откликов на рекламные кампании, повышение лояльности и выбор правильных каналов коммуникации с заранее определенной группой покупателей.
Для описательной и диагностической аналитики — descriptive and diagnostic analytics компания разработала и автоматизировала систему текущей отчетности, для визуализации которой был выбрана аналитическая платформа Microsoft Power BI, которая вот уже 11 лет занимает первое место среди облачных решений для data-аналитики.*
После перехода на BI-технологии руководство торговой сети получило возможность обновлять отчеты чаще чем раз в сутки и получать самую актуальную информацию о состоянии компании практически режиме реального времени.
* — согласно данным компании Gartner.
РЕЗУЛЬТАТ:
- Оптимизированы каналы коммуникации, что привело к увеличению открываемости сообщений до 55% и снижению расходов на рассылки;
- Конверсия откликов выросла больше чем на 50%;
- Средний чек вырос на 12%;
- Увеличилось количество новых клиентов.
Microsoft Azure Synapse Analytics
обращайтесь
к нашим аналитикам
