Big Data w e-commerce

Big Data już dawno przestała być nowinką technologiczną i stała się realnym elementem zarządzania firmą. Już w 2016 roku niemalże 40% firm implementowało technologię Big Data (Forrester). Jak wykorzystać jej potencjał w e-commerce?

Gwałtownie wzrastają wydatki, które firmy wydają na gromadzenie i analizowanie danych –  Big Data. Podczas gdy w 2014 roku 5,4% badanych firm inwestowało 50 milionów dolarów lub więcej na rozwój tej technologii, w 2017 roku było już ich 26,8% (NewVantage Partners, „Big Data Executive Survey 2016”). A inwestycje przekładają się na zyski. Według portalu Statista.com, przewidywany globalny dochód wygenerowany przez Big Data w 2018 r. wyniesie ponad 168 miliardów dolarów – to o 44 mld więcej niż w 2015 r.

Jak podaje NewVantage Partners, wśród głównych powodów inwestycji w Big Data zarządzający firmami podają potrzebę znalezienia trafnych insightów (37 proc.) oraz możliwość sprawniejszego podejmowania decyzji i podejmowania akcji związanych ze zmianami na rynku (29,7 proc.). To realne korzyści, które może nieść za sobą sprawna analiza danych.

Co to jest Big Data?

Big Data w skrócie to gromadzenie i przetwarzanie ogólnodostępnych danych, w celu znajdowania wartościowych powiązań i zależności między nimi. E‑commerce może wykorzystywać Big Data jako źródło insightów i wiedzy o klientach poprzez sprawdzanie związków pomiędzy różnymi danymi, na przykład wiekiem a zakupionym towarem.

Big Data nie zajmuje się więc analizowaniem danych deklaratywnych, np. związanych z chęcią nabycia konkretnego produktu, które rzadko przekładają się na rzeczywiste wyniki sprzedaży. Z analizy Big Data nie dowiemy się też, w jaki sposób wyjaśnić istniejące korelacje, np. dlaczego klienci nie chcą kupować danej rzeczy. Jej cel jest jeden: sprawdzić, jakie powiązana istnieją między różnymi wydarzeniami.

Pozyskiwanie i analizowanie danych

Istnieje kilka źródeł, z których e‑commerce może zdobyć dane demograficzne i behawioralne konsumentów. Ogromne ilości danych można pozyskać dzięki korzystaniu z narzędzie Google, takich jak Google Cloud Platform oraz funkcjonujący w jej ramach BigQuery. Szeroki zakres informacji uzyskamy również w mediach społecznościowych, przede wszystkim na Facebooku. Do analizy warto włączyć dane z urzędów statystycznych oraz informacje z hurtowni danych, które dostarczą nam wiedzy na temat wybranych grup konsumentów.

Dane może analizować albo specjalista, albo maszyna. Platformy DMP (Data Management Platform) i sztuczna inteligencja pomogą automatycznie analizować dostępne dane, wyciągając z nich konkretne insighty. Wykorzystanie odpowiedniej technologii daje nam przewagę w postaci samoczynności i szybkości dzięki możliwości analizy real‑time. Jednak w obu modelach można dokonać wielu czynności, dzięki którym uzyskamy wartościowe korelacje – zwłaszcza związane z segmentacją danych klientów, np. według demografii, wykorzystywanych urządzeń, historii wyszukiwania, historii zakupów i innych.

Które aspekty e‑commerce może usprawnić Big Data?

Oferta e‑sklepu

Dzięki analizom Big Data możemy dowiedzieć się, jakich produktów poszukują klienci z naszej grupy docelowej. Jeśli decydujemy się na analizę real‑time, możemy zapewnić personalizację ofert oraz bardziej skuteczny cross- i up‑selling. Promowanie wybranych produktów bezpośrednio użytkownikom, którzy wykonali do tej pory odpowiednie czynności lub mają profil wskazujący na to, że mogą być tymi produktami zainteresowani, wymaga gromadzenia danych dotyczących ich poprzednich zakupów, wizyt i wyszukań. Dane analizuje się, by wybrać do promowania te produkty, które mają największy potencjał sprzedażowy.

Zdjęcia i treści w e‑sklepie

Analityka pozwala na sprawdzenie, co sprawia, że klient zostaje na stronie e‑sklepu. Można więc dowiedzieć się, jaki język (poważny, zabawny, profesjonalny) i które elementy graficzne (kształty, kolory, zdjęcia, grafiki) wpływają na dłuższe przeglądanie oferty – tym samym zwiększając prawdopodobieństwo sprzedaży.

Polityka cenowa

Analiza Big Data pomaga ocenić, ile klienci są gotowi zapłacić za produkt oraz zaproponować im tak wysoką cenę, która nas usatysfakcjonuje, ale nie skłoni do porzucenia koszyka i skorzystania z oferty innego e‑sklepu. Automatyczna analityka umożliwia prowadzenie aktywnej polityki cenowej w czasie rzeczywistym – zarówno nakierowanej na testowanie najwyższej możliwej ceny, jak i udostępnienie specjalnych ofert i kodów rabatowych dla wybranych klientów.

Obsługa klienta

Big Data to również dokładniejsze niż w innych metodach rozpoznanie ścieżki klienta. Umożliwia zaprojektowanie scenariuszy zakupowych, które pomogą sprzedawać więcej i częściej. Mechanizmy analityki pozwalają na prognozowanie niebezpieczeństwa odejścia klienta – co powinno być przyczynkiem do kontaktu ze strony obsługi klienta i zaproponowanie takiej oferty, która zatrzyma  churnera, czyli nielojalnego konsumenta.

Feedback

Dzięki analizie Big Data  w e-commerce możemy dowiedzieć się, co klienci sądzą o nas – o naszym sklepie, ale też o konkretnej kampanii czy wskazanym produkcie. Wciąż udoskonalana technologia sentyment analysis bada wydźwięk opinii pozostawionych w Internecie. Możemy sprawdzić nastawienie, emocje i poziom satysfakcji naszych klientów analizując, czy wstawione recenzje są pozytywne, neutralne czy negatywne oraz sprawdzając emotikony czy występowanie rekordów z list słów kluczowych.

Reklama i marketing

Dane zgromadzone w systemach Big Data pozwalają na:

  • personalizowanie reklam w Internecie,
  • prowadzenie skutecznego remarketingu (np. e‑mail retargetingu),
  • wdrożenie look-alike modelingu.

Ta ostatnia strategia polega na stworzeniu profilu najlepszego klienta sklepu internetowego – nie tylko pod względem demograficznym, ale też behawioralnym. Dzięki temu można zaproponować ofertę i komunikację dla osób, którzy nie kupowali jeszcze produktów w naszym e‑sklepie, ale ich zainteresowania i zachowania wskazują na duże prawdopodobieństwo, że wizyta na stronie sklepu zakończyłaby się zakupem.

Do tego dochodzi jeszcze personalizowana komunikacja z klientami, które pozwala na dosprzedaż produktów lub finalizacja niedokończonych zakupów. Można wykorzystać to w sytuacji, w której klient porzuca koszyk – i przesłać mu zniżkę na jeden z produktów znajdujących się w koszyku, co zachęci go do powrotu na stronę e‑sklepu. Sprawdza się też w sytuacjach, w których klient nabył wiele produktów z tej samej kategorii (np. sprzętu wspinaczkowego) – można zaoferować mu rabat na zakupienie podobnych towarów.

Analityka Big Data pozwala więc na obniżenie kosztów reklamy, gdyż działamy bardziej celowo i bezpośrednio do klientów, którzy mogą chcieć skorzystać z danej oferty.

Zarządzanie zapasami

Dzięki przetwarzaniu danych możemy bardzo szybko zdiagnozować problemy, które mogą pojawić się z niedostateczną ilością zapasów. Analiza Big Data pozwala bowiem na przewidywanie popytu na konkretne produkty sezonowe, np. parasolek w sytuacji zapowiadanych długotrwałych deszczy, czy płaszczy i akcesoriów zimowych przed nagłym nadejściem ochłodzenia.

Trendwatching

Analiza trendów i przewidzenie, na jakie produkty będzie popyt w najbliższym czasie, coraz bardziej przechodzi w kompetencje automatycznych systemów do analizy Big Data. Inwestycja w sztuczną inteligencję wskazującą wzrastające trendy pozwala na podejmowanie decyzji biznesowych, które lepiej odpowiedzą na potrzeby rynku i konsumentów.

Bariery dla e‑commerce przed Big Data

Wciąż nie każda firma, której kapitał pozwala na fundowanie projektów Big Data dla e-commerce, decyduje się na wdrożenie odpowiedniej technologii i infrastruktury, które umożliwiają analitykę. Główne powody to:

  1. błędne oczekiwania dotyczące rezultatów – liczenie na otrzymanie gotowych rozwiązań zamiast danych, na podstawie których rozwiązania należy zaprojektować,
  2. brak specjalistycznej wiedzy dotyczącej wartościowych pytań do zadania i analizowania korelacji,
  3. niepewność co do bezpieczeństwa przechowywania danych – zwłaszcza w obliczu nowych regulacji prawnych.

Te bariery są do pokonania – zwłaszcza, gdy otoczymy się gronem profesjonalistów i specjalistów. A rezultaty wdrożenia analityki Big Data w e‑commerce, zwłaszcza z wykorzystaniem sztucznej inteligencji, mogą przynieść wyższe zyski przy mniejszych wydatkach chociażby na marketing. Należy więc nie zadawać sobie pytania: „czy warto”, ale „jak to zrobić”.

Logistyka w e-commerce, rozwiązania omnichannel, peaki, zwroty w branży fashion. Chcesz być na bieżąco w tych i wielu innych tematach? Czytaj nasz newsletter. Piszemy o logistyce inaczej niż inni. Zapisz się tutaj

Leszek Gawinowski

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *