|
Улучшение понимания потребностей покупателей
Статья из журнала Intelligent
Enterprise
1 2 3
Когда компании розничной торговли сталкиваются
с задачей анализа потребностей покупателей встает проблема анализа
накопленных данных. Вопрос в том, чего им не хватает для реализации
возможности своевременной оценки ситуации и реагирования? Технологии
интеллектуального анализа данных (data mining) являются центральной
частью аналитической стратегии, которая может в этом случае
принести компаниям пользу.
Усама Файяд (Usama Fayad)
Понимание образа действия заказчиков важно для
определения и настройки стратегии компании, увеличения доходов
и поиска новых возможностей в бизнесе. Важность владения знаниями
о клиентах для достижения этих целей не новость. Ими всегда
обладали успешные компании. Новым является то, что многие имеют
в своем распоряжении внушительное разнообразие данных, что обещает
раскрыть гораздо больше информации, чем прежде. Этот потенциал,
к сожалению, создал парадокс. Особенно сильно парадокс проявляется
в больших и диверсифицированных компаниях: чем большее количество
этих данных имеется, тем тяжелее их обработать и понять.
Сегодня компании в изобилии накопили данные о действиях клиентов.
Это данные о посещении сайта (clickstream), предпочтениях в
покупках, возвратах, жалобах, пожеланиях, приобретаемых подарках
и прочее. И как много компаний их эффективно используют? Причина
парадокса кроется в том, что технологии сбора и хранения данных
опередили способность человека понимать и анализировать накапливаемую
информацию для управленческого воздействия. Технологии data
mining, ориентированные на выявление интересных, неочевидных
шаблонов и разработке прогнозных моделей, имеют огромный потенциал
для использования компаниями накопленных информационных ресурсов
с целью достижения успеха в бизнесе.
Проблема розничных торговых компаний
Нигде так не проявляется сочетание богатства накапливаемых
данных с их неэффективным использованием как в компаниях розничной
торговли, использующих различные каналы продаж. Начальные усилия
по применению технологий интеллектуального анализа данных сфокусированы
в первую очередь на обработке статистики посещения web-сайта
и данных систем электронной торговли. Например, анализ таких
факторов как количество запрошенных файлов, посещенные страницы,
продолжительность посещения сайта, количество и объемы продаж.
Статистика, собираемая с помощью web-сайта, отлично подходит
для общего анализа, но только ее недостаточно для того, чтобы
получить максимум пользы от накапливаемых данных.
Чтобы получить всеобъемлющую информацию о клиентах, необходимо
объединить собираемую статистику с данными из учетных систем
и источников, содержащих демографическую информацию. Необходимо
также иметь возможность сегментировать клиентов в соответствии
с различными критериями и анализировать предпочтения каждого
сегмента. В конечном же итоге, нужен инструмент для превращения
знаний в действия - например, проведения рекламных кампаний
и создания рекомендаций, ориентированных на работу с определенными
группами заказчиков. С помощью такого набора средств есть возможность
полностью реализовать потенциал технологий интеллектуального
анализа данных: от приобретения знаний о клиентах до их применения
в действии для достижения поставленных задач.
Первое, что мне хочется рассмотреть в этой статье, это различные
типы накапливаемой о заказчиках информации, и стадии, через
которые необходимо пройти, чтобы научиться применять технологии
интеллектуального анализа наиболее эффективно. Далее, я объясню,
как можно направить результаты анализа на оптимизацию взаимодействия
с заказчиками и улучшить показатели.
Какие данные вам нужны?
Для большинства сетей розничной торговли, наиболее важными
источниками данных для анализа информации о заказчиках являются:
Демографические данные. Сотрудники отделов директ-маркетинга
используют информацию о возрасте, месте жительства и доходах,
чтобы выявить необходимые сегменты и использовать их в рекламных
кампаниях.
Данные из систем оперативного учета. Этот ресурс предоставляет
детальные данные о покупках и вместе с демографической информацией
позволяет прогнозировать будущие покупки и осуществлять продвижение
товаров более эффективно. Системы оперативного учета позволяют
извлечь информацию о времени, месте и факторах, сопутствующих
покупке.
Оперативно собираемая статистика. Наибольшие объемы
статистики предоставляют журнальные файлы web-сайта компании
(clickstream data), хотя мы также должны включить сюда статистику
обращений через беспроводные устройства, кабельное телевидение
и пр. Этот ресурс дает еще больше знаний, чем данные систем
оперативного учета. С его помощью можно понять процесс принятия
решения о покупке и шаги (переходы между страницами), предпринимаемые
пользователем, чтобы ее совершить. Таким образом, становится
известно не только то, что покупают клиенты (или не покупают),
но и как они доходят до решения.
Лучше понимая процессы, приводящие к решению о покупке, вы
можете более эффективно влиять на них в будущем.
Также важно, статистика сайта рассказывает, кто не покупает
товары и почему. Например, с ее помощью можно узнать, что среди
посетителей, которые ничего не приобрели много таких, которые
искали информацию об условиях поставки, но так ничего и не обнаружили.
Из этого вы можете сделать заключение, что информацию о поставке
необходимо сделать более доступной.
|
|
Услуги
Статьи