Один на миллион: обеспечить персональный подход каждому клиенту | Карьера и свой бизнес | Forbes.ru
$58.96
69.35
ММВБ1930.71
BRENT52.89
RTS1027.85
GOLD1284.25

Один на миллион: обеспечить персональный подход каждому клиенту

читайте также
+149 просмотров за суткиСамоирония и интерактив как способы разрядить обстановку и помириться с клиентом +27 просмотров за суткиРебенок в соцсетях: зачем Nike заключил контракт с 9-летним футболистом +25 просмотров за суткиБренд и бизнес: как бренд может повлиять на финансовые результаты компании +13 просмотров за суткиНа крючке: как привлечь клиента в нужное время и в нужном месте +37 просмотров за суткиДва в одном: как интеграция онлайн и офлайн-каналов меняет облик ретейла +4 просмотров за суткиМузыка денег: экономический эффект от музыкальных фестивалей Как «программатик-потребление» меняет индустрии FMCG и продуктового ритейла? +3 просмотров за суткиБудущее автоматизации маркетинга и типичные ошибки на пути к ней +2 просмотров за суткиЭмодзи преткновения: куда ведет конкуренция за пользователей +2 просмотров за сутки От противного: как пивовар Heineken зарабатывает на ЗОЖ-тренде +5 просмотров за суткиПо цепочке: как работают современные программы лояльности +9 просмотров за суткиБитва за лидеров мнений: как блогеры стали выгоднее любой рекламы +5 просмотров за суткиПод впечатлением: как воспитать лояльность потребителя +10 просмотров за суткиСделай сам: как уйти из зоны конкуренции +3 просмотров за суткиДвигатель прогресса: пять правил эффективного маркетолога +2 просмотров за суткиПерсональный продавец: как чат-боты изменят мир анализа данных и что это значит для коммерции +1 просмотров за суткиБрать или не брать? Два случая, когда стартапу нужны инвестиции, и три, когда не нужны Fashion Tech. Рождение новой индустрии или трансформация старой? +4 просмотров за суткиНат Гаджибалаев (Amplifr): «Учим людей с помощью соцсетей зарабатывать больше денег» +1 просмотров за суткиУдарная доза. Как Костя Цзю помог раскрутить бренд спортивного питания

Один на миллион: обеспечить персональный подход каждому клиенту

Дмитрий Зеленко Forbes Contributor
Фото REUTERS / Stephane Mah
Прогнозная аналитика помогает ретейлерам использовать максимум информации о покупателях для повышения продаж.

По правилам современной торговли не важно, откуда пришел клиент, важно суметь сделать ему по-настоящему персональное предложение. В будущем, возможно, даже исчезнут единые цены — они будут формироваться для каждого покупателя индивидуально исходя из истории его покупок, возвратов, интереса к данному товару и прочих факторов. Такая модель основана на предиктивной (предсказательной) аналитике, которой уже сейчас активно пользуются торговые сети.

Узнать своего клиента

Чтобы выстроить прогноз покупательского поведения, необходимо постоянно собирать массив данных о клиенте. Но прежде всего своего покупателя нужно идентифицировать. С помощью принципа омниканальности и IT это несложно: ретейлеры узнают клиента, обратившегося по телефону, email, через соцсети и мессенджеры или чат на сайте. Идентификация в офлайне пока не так проста. Хотя можно узнать клиента на кассе по личным данным в системе, но самые технологически продвинутые магазины мира узнают клиентов не только с помощью мобильных приложений и по картам лояльности, но и по лицам.

Технологии распознавания образов, в частности распознавания лиц, традиционно использовались в системах безопасности и правопорядка. Более совершенные, сегодня они предлагают ретейлу выделять из толпы VIP-покупателей и лояльных клиентов для ведения их профилей и формирования персональных предложений, а также посетителей из «черного списка» – для предупреждения краж и других неприятных инцидентов.

Система распознавания, подключенная к системам видеонаблюдения, позволит в офлайне идентифицировать пользователей, найти их в социальных сетях и показать им персонализированную онлайн-рекламу, а после оценить эффективность проведенных рекламных кампаний. Лица покупателей вкупе со сведениями из соцсетей — Клондайк для аналитиков Bigdata в ретейле.

Сценариев использования систем распознавания лиц немало, например, для контроля доступа и учета рабочего времени персонала, для построения излюбленных маршрутов покупателей по залу, расчета времени, потраченного у разных полок. В магазине Hointer в Сиэтле вся одежда представлена в виде галереи. Покупатели считывают смартфоном код вещи, а размер и цвет выбирают уже на экране. Благодаря технологии отслеживания покупателей в магазине, выбранные вещи уже лежат в примерочной к тому моменту, когда туда подходит покупатель.

Идентификация офлайн сейчас возможна и без зрительных образов. MAC-адреса – это уникальные идентификаторы сетевого интерфейса, которые есть у каждого смартфона. Их научились сопоставлять с конкретным номером телефона, и теперь, если покупатель окажется в радиусе действия Wi-Fi-роутера, ему на смартфон может прийти сообщение от магазина. Эта технология дешевле систем распознавания лиц и работает на расстоянии, например, когда давний покупатель только прогуливается по торговому центру и еще даже не собирается посетить конкретный магазин.

Рассылка персональных предложений

Мы можем узнать клиента и постепенно накапливаем информацию о нем, что дальше? Теперь предстоит работа с предиктивной аналитикой – делим аудиторию на группы и рассылаем персональные предложения.

Специалисты по данным (Data Scientist) анализируют покупательскую историю каждого клиента компании и разбивают клиентов на группы. Для этого используют кластеризацию – метод, который предполагает поиск закономерностей и позволяет сгруппировать клиентов по данным об их поведении: покупках, банковских транзакциях, кредитных историях. В отличие от сегментации, подразумевающей механическое дробления аудитории по демографическим, социальным и географическим признакам, кластеризация создает гораздо более однородные группы. А значит, точность предложений для людей в группе значительно повышается.

После анализа характеристик каждого кластера с помощью машинного интеллекта формируют модели рекомендаций, какой товар какому покупателю можно предложить. Это и называется предиктивной, или прогнозной, аналитикой и выглядит следующим образом. Аналитики Bigdata выстраивают сообщества товаров, которые часто покупают друг с другом, и на следующем этапе связывают эти сообщества с кластерами покупателей. Теперь в распоряжении магазина – таблицы вероятности покупки конкретного товара конкретным покупателем. Отфильтровав невысокую вероятность покупки, можно отсылать предложение клиенту в полной уверенности, что оно окажется релевантным.

Интернет-магазин «Твое» поделили свою аудиторию на группы, используя методику упрощенного психотипирования. Для этого экспериментальное письмо подписчикам разбили на четыре блока, с разными товарами, текстом и цветовым оформлением. Реакция пользователя на те или иные блоки позволила дополнить его профиль определенными свойствами характера, под которые потом подстраивались все последующие, уже персонализированные рассылки. А обувная сеть Mascotte использует технологии геотаргетинга в залах магазинов и собирает детальные сведения о посещении своих салонов, интересе к товарам и делает адресные предложения клиентам при входе в магазин или через несколько минут.

На рынке появляется все больше IT-решений, реализующих возможности предиктивной аналитики. При выборе своего варианта помните, что со временем поведенческие паттерны меняются. Это происходит в связи с изменением образа жизни клиентов, экономическими, политическими событиями. Эффект от однократного применения современных аналитических инструментов продлится недолго, поэтому стоит использовать предикативные технологии нового поколения, которые отслеживают изменения покупательского поведения, ведь работу с BigData нужно вести постоянно.