खुदरा की सेवा में बड़ा डेटा

छाता आईटी में बताया गया है कि खरीदार के लिए तीन प्रमुख पहलुओं - वर्गीकरण, प्रस्ताव और वितरण में वैयक्तिकरण में सुधार के लिए खुदरा विक्रेता बड़े डेटा का उपयोग कैसे करते हैं

1990 के दशक के उत्तरार्ध में, जीवन के सभी क्षेत्रों के उद्यमियों को यह एहसास हुआ कि डेटा एक मूल्यवान संसाधन है, जिसका अगर सही तरीके से उपयोग किया जाए, तो यह प्रभाव का एक शक्तिशाली उपकरण बन सकता है। समस्या यह थी कि डेटा की मात्रा में तेजी से वृद्धि हुई, और उस समय मौजूद जानकारी के प्रसंस्करण और विश्लेषण के तरीके पर्याप्त प्रभावी नहीं थे।

2000 के दशक में, प्रौद्योगिकी ने एक लंबी छलांग लगाई। स्केलेबल समाधान बाजार में दिखाई दिए हैं जो असंरचित जानकारी को संसाधित कर सकते हैं, उच्च वर्कलोड का सामना कर सकते हैं, तार्किक कनेक्शन बना सकते हैं और अराजक डेटा को व्याख्यात्मक प्रारूप में अनुवादित कर सकते हैं जिसे एक व्यक्ति द्वारा समझा जा सकता है।

आज, बड़ा डेटा रूसी संघ कार्यक्रम के डिजिटल अर्थव्यवस्था के नौ क्षेत्रों में से एक में शामिल है, जो कंपनियों की रेटिंग और व्यय मदों में शीर्ष पंक्तियों पर कब्जा कर रहा है। बड़ी डेटा प्रौद्योगिकियों में सबसे बड़ा निवेश व्यापार, वित्तीय और दूरसंचार क्षेत्रों की कंपनियों द्वारा किया जाता है।

विश्लेषकों का कहना है कि 10-20 वर्षों में, बड़ा डेटा पूंजीकरण का मुख्य साधन बन जाएगा और बिजली उद्योग के महत्व के बराबर समाज में एक भूमिका निभाएगा।

आज के खरीदार अब आंकड़ों का एक चेहराविहीन समूह नहीं हैं, बल्कि अद्वितीय विशेषताओं और जरूरतों वाले अच्छी तरह से परिभाषित व्यक्ति हैं। वे चयनात्मक हैं और यदि उनका प्रस्ताव अधिक आकर्षक लगता है तो वे बिना पछतावे के प्रतिस्पर्धी के ब्रांड में बदल जाएंगे। यही कारण है कि खुदरा विक्रेता बड़े डेटा का उपयोग करते हैं, जो उन्हें "एक अद्वितीय उपभोक्ता - एक अनूठी सेवा" के सिद्धांत पर ध्यान केंद्रित करते हुए लक्षित और सटीक तरीके से ग्राहकों के साथ बातचीत करने की अनुमति देता है।

1. व्यक्तिगत वर्गीकरण और स्थान का कुशल उपयोग

ज्यादातर मामलों में, अंतिम निर्णय "खरीदने या न खरीदने के लिए" माल के साथ शेल्फ के पास पहले से ही स्टोर में होता है। नीलसन के आंकड़ों के अनुसार, खरीदार शेल्फ पर सही उत्पाद खोजने में केवल 15 सेकंड खर्च करता है। इसका मतलब यह है कि किसी व्यवसाय के लिए किसी विशेष स्टोर को इष्टतम वर्गीकरण की आपूर्ति करना और उसे सही ढंग से प्रस्तुत करना बहुत महत्वपूर्ण है। मांग को पूरा करने के लिए वर्गीकरण और बिक्री को बढ़ावा देने के लिए प्रदर्शन के लिए, बड़े डेटा की विभिन्न श्रेणियों का अध्ययन करना आवश्यक है:

• स्थानीय जनसांख्यिकी,
• शोधन क्षमता,
• धारणा खरीदना,
• वफादारी कार्यक्रम खरीद और भी बहुत कुछ।

उदाहरण के लिए, सामानों की एक निश्चित श्रेणी की खरीद की आवृत्ति का आकलन करना और एक उत्पाद से दूसरे उत्पाद में खरीदार की "स्विचबिलिटी" को मापने से तुरंत यह समझने में मदद मिलेगी कि कौन सी वस्तु बेहतर बिकती है, जो बेमानी है, और इसलिए, अधिक तर्कसंगत रूप से नकदी का पुनर्वितरण संसाधन और योजना स्टोर स्थान।

बड़े डेटा के आधार पर समाधानों के विकास में एक अलग दिशा अंतरिक्ष का कुशल उपयोग है। यह डेटा है, न कि अंतर्ज्ञान, कि व्यापारी अब सामान डालते समय भरोसा करते हैं।

X5 खुदरा समूह हाइपरमार्केट में, उत्पाद लेआउट स्वचालित रूप से उत्पन्न होते हैं, खुदरा उपकरणों के गुणों, ग्राहकों की वरीयताओं, कुछ श्रेणियों के सामानों की बिक्री के इतिहास पर डेटा और अन्य कारकों को ध्यान में रखते हुए।

उसी समय, लेआउट की शुद्धता और शेल्फ पर सामानों की संख्या की वास्तविक समय में निगरानी की जाती है: वीडियो एनालिटिक्स और कंप्यूटर विज़न प्रौद्योगिकियां कैमरों से आने वाली वीडियो स्ट्रीम का विश्लेषण करती हैं और निर्दिष्ट मापदंडों के अनुसार घटनाओं को उजागर करती हैं। उदाहरण के लिए, स्टोर के कर्मचारियों को एक संकेत मिलेगा कि डिब्बाबंद मटर के जार गलत जगह पर हैं या संघनित दूध अलमारियों पर खत्म हो गया है।

2. वैयक्तिकृत प्रस्ताव

उपभोक्ताओं के लिए वैयक्तिकरण एक प्राथमिकता है: एडेलमैन और एक्सेंचर के शोध के अनुसार, 80% खरीदारों द्वारा उत्पाद खरीदने की संभावना अधिक होती है यदि कोई खुदरा विक्रेता व्यक्तिगत पेशकश करता है या छूट देता है; इसके अलावा, 48% उत्तरदाता प्रतिस्पर्धियों के पास जाने से नहीं हिचकिचाते हैं यदि उत्पाद की सिफारिशें सटीक नहीं हैं और जरूरतों को पूरा नहीं करती हैं।

ग्राहकों की अपेक्षाओं को पूरा करने के लिए, खुदरा विक्रेता सक्रिय रूप से आईटी समाधान और एनालिटिक्स टूल लागू कर रहे हैं जो उपभोक्ता को समझने और व्यक्तिगत स्तर पर बातचीत लाने में मदद करने के लिए ग्राहक डेटा एकत्र, संरचना और विश्लेषण करते हैं। खरीदारों के बीच लोकप्रिय प्रारूपों में से एक - उत्पाद अनुशंसाओं का खंड "आपकी रुचि हो सकती है" और "इस उत्पाद के साथ खरीदें" - पिछली खरीद और वरीयताओं के विश्लेषण के आधार पर भी बनता है।

अमेज़ॅन सहयोगी फ़िल्टरिंग एल्गोरिदम (एक अनुशंसा विधि जो उपयोगकर्ताओं के समूह की ज्ञात प्राथमिकताओं का उपयोग किसी अन्य उपयोगकर्ता की अज्ञात प्राथमिकताओं की भविष्यवाणी करने के लिए करता है) का उपयोग करके इन अनुशंसाओं को उत्पन्न करता है। कंपनी के प्रतिनिधियों के मुताबिक, सभी बिक्री का 30% अमेज़ॅन अनुशंसा प्रणाली के कारण होता है।

3. व्यक्तिगत वितरण

एक आधुनिक खरीदार के लिए वांछित उत्पाद को जल्दी से प्राप्त करना महत्वपूर्ण है, चाहे वह ऑनलाइन स्टोर से ऑर्डर की डिलीवरी हो या सुपरमार्केट अलमारियों पर वांछित उत्पादों का आगमन। लेकिन केवल गति ही काफी नहीं है: आज सब कुछ शीघ्रता से दिया जाता है। व्यक्तिगत दृष्टिकोण भी मूल्यवान है।

अधिकांश बड़े खुदरा विक्रेताओं और वाहकों के पास कई सेंसर और आरएफआईडी टैग (माल की पहचान करने और ट्रैक करने के लिए उपयोग किया जाता है) से लैस वाहन होते हैं, जिनसे बड़ी मात्रा में जानकारी प्राप्त होती है: वर्तमान स्थान पर डेटा, कार्गो का आकार और वजन, यातायात भीड़, मौसम की स्थिति , और यहाँ तक कि ड्राइवर का व्यवहार भी।

इस डेटा का विश्लेषण न केवल वास्तविक समय में मार्ग का सबसे किफायती और तेज़ ट्रैक बनाने में मदद करता है, बल्कि उन खरीदारों के लिए वितरण प्रक्रिया की पारदर्शिता भी सुनिश्चित करता है, जिनके पास अपने ऑर्डर की प्रगति को ट्रैक करने का अवसर होता है।

वितरण वैयक्तिकरण खरीदार के लिए "अंतिम मील" चरण में एक महत्वपूर्ण कारक है। एक खुदरा विक्रेता जो ग्राहक और रसद डेटा को सामरिक निर्णय लेने के चरण में जोड़ता है, ग्राहक को तुरंत मुद्दे के बिंदु से सामान लेने की पेशकश करने में सक्षम होगा, जहां इसे वितरित करना सबसे तेज़ और सस्ता होगा। डिलीवरी पर छूट के साथ उसी दिन या अगले दिन सामान प्राप्त करने की पेशकश, ग्राहक को शहर के दूसरे छोर तक जाने के लिए प्रोत्साहित करेगी।

अमेज़ॅन, हमेशा की तरह, प्रेडिक्टिव एनालिटिक्स द्वारा संचालित प्रेडिक्टिव लॉजिस्टिक्स तकनीक का पेटेंट कराकर प्रतियोगिता से आगे निकल गया। लब्बोलुआब यह है कि खुदरा विक्रेता डेटा एकत्र करता है:

• उपयोगकर्ता की पिछली खरीदारी के बारे में,
• कार्ट में जोड़े गए उत्पादों के बारे में,
• इच्छा सूची में जोड़े गए उत्पादों के बारे में,
• कर्सर आंदोलनों के बारे में।

मशीन लर्निंग एल्गोरिदम इस जानकारी का विश्लेषण करते हैं और भविष्यवाणी करते हैं कि ग्राहक किस उत्पाद को खरीदने की सबसे अधिक संभावना रखता है। इसके बाद आइटम को सस्ते मानक शिपिंग के माध्यम से उपयोगकर्ता के निकटतम शिपिंग हब में भेज दिया जाता है।

आधुनिक खरीदार एक व्यक्तिगत दृष्टिकोण और एक अद्वितीय अनुभव के लिए दो बार भुगतान करने के लिए तैयार है - धन और जानकारी के साथ। ग्राहकों की व्यक्तिगत प्राथमिकताओं को ध्यान में रखते हुए उचित स्तर की सेवा प्रदान करना केवल बड़े डेटा की मदद से संभव है। जबकि उद्योग के नेता बड़े डेटा के क्षेत्र में परियोजनाओं के साथ काम करने के लिए संपूर्ण संरचनात्मक इकाइयाँ बना रहे हैं, छोटे और मध्यम आकार के व्यवसाय बॉक्सिंग समाधानों पर दांव लगा रहे हैं। लेकिन सामान्य लक्ष्य एक सटीक उपभोक्ता प्रोफ़ाइल बनाना है, उपभोक्ता दर्द को समझना और खरीद निर्णय को प्रभावित करने वाले ट्रिगर्स का निर्धारण करना, खरीदारी सूचियों को हाइलाइट करना और एक व्यापक वैयक्तिकृत सेवा बनाना है जो अधिक से अधिक खरीदारी को प्रोत्साहित करेगी।