Современный ритейл столкнулся с проблемой персонификации покупателей. Для супермаркета все покупатели одинаковы, он не работает с каждым из них отдельно, как когда-то с ними работали небольшие лавки, где хозяин знал каждого покупателя в лицо.
Из-за больших объемов продаж ритейлер не в состоянии построить взаимоотношения с каждым клиентом отдельно. Частичным решением этой проблемы было внедрение программы лояльности, по опыту Tesco и Wallmart. Но не у всех ритейлеров есть возможности, которыми обладают эти компании.
Маркетологи столкнулись с проблемой масштаба: клиентов в программе лояльности очень много и с ними достаточно трудно работать. Не хватало best practice, правильного подхода и специалистов. Менеджеры, ответственные за внедрение программы лояльности, все чаще использовали ее для продажи высокомаржинальных или залежавшихся на складе товаров. Не создавалось настоящей, “живой” коммуникации с клиентами.
Но технологическая революция не прошла мимо ритейла, с развитием технологий, персонализированных гаджетов и новых методов обработки данных, появилась возможность выйти на новый уровень работы с клиентами. При этом накапливается значительный объем различной информации: социально-демографические данные, данные из социальных сетей, клубных карт и чеков.
У нас есть возможность достичь такого уровня работы с клиентом, как когда-то достигал “бакалейщик на районе”, и продавать действительно нужные клиенту товары
И если раньше ритейлеры анализировали лишь мизерную часть информации о клиентах, то сегодня с помощью передовых технологий, таких как Machine Learning (машинное обучение), можно спрогнозировать, что действительно нужно покупателям, и в какой именно момент им это нужно.
При этом учитываются все доступные данные о клиенте: история его покупок, его увлечения и предпочтения. А также такие данные как сезонность, день недели, погода и т.д. Согласитесь, уместнее предлагать наборы для барбекю и пиво в пятницу, а не в понедельник утром.
Стало возможным делать те вещи, которые еще несколько лет назад казались научной фантастикой.
- Отправлять персонализированные сообщения, когда ритейлер может определить периодичность покупок клиента, его шаблон поведения и рекомендовать ему то что он забыл купить.
- Рекомендовать нужные ему товары, на основе покупок других клиентов.
- Идентифицировать покупателя по его покупкам и, учитывая его предпочтения и вкусы, сделать лучшее предложение.
В ближайшем будущем мы увидим повсеместное внедрение beacon-гаджетов (индор навигация) в торговых сетях. Такие beacon-сенсоры будут идентифицировать нас в момент входа в магазин. Они будут размещены по всему магазину, и по мере перемещения покупателя по торговому залу, ему на телефон будут приходить рекомендации и предложения о товарах, которые могут ему понравиться и будут подобраны быстро, просто и легко.
Основатели Datawiz.io – Владимир Непьюк и его жена Сянтин
Сейчас у нас есть возможность проанализировать работу магазина, закупщиков, складских помещений и создать достаточно точную модель бизнеса. Это позволяет ритейлеру максимально оптимизировать ассортимент, товарооборот и цены.
У нас есть возможность достичь такого уровня работы с клиентом, как когда-то достигал “бакалейщик на районе” и продавать действительно нужные клиенту товары. Это формирует доверие и настоящую лояльность к ритейлеру. Только на этом могут базироваться настоящие отношения между продавцом и покупателем.
Стоит ли использовать методы работы из прошлого или идти в ногу с современными технологиями – выбор остается за каждым ритейлером.
Автор: Владимир Непьюк, CTO компании Datawiz.io
