Maloprodajni trendovi: Magija analitike

Otuđenje leži u masovnosti, što nas više ima to smo otuđeniji. Pogledajmo kako upravo ta masovnost brojki, analitički predikativno obrađena, može pomoći u povratku prisnijeg odnosa kupca i suvremene, masovne maloprodaje

Pamtite li još uvijek riječi koje su znali izgovarati naši prisni trgovci u malim simpatičnim trgovinama tu iza ugla? Realnost je takva da se te riječi danas sve rjeđe čuju: “Dobar dan susjeda, stigao nam je jogurt koji volite”… “Dobar dan susjed, imamo svježe jabuke za vašeg malog”…

Nekada je cijeli proces bio puno jednostavniji. Trgovci su pokrivali dio kvarta ili dijela grada, dobro poznavali susjedstvo koje je kod njih dolazilo i mogli su se svakome od njih posebno posvetiti.

Kada poznajete potrošača možete mu ponuditi baš ono što želi kupiti u tom trenutku, a i ono što je možda želio ostaviti za neki drugi dan, ali vašoj ponudi baš ne može odoljeti.

Možemo čak reći da su naši dragi trgovci nekoć znatno intenzivnije obavljali funkciju živog kataloga, ističući što je novo, što baš svježe i tek pristiglo, a što na posebnoj akciji. Danas nam svakako sve više nedostaje taj topao i prisniji odnos.

KUPAC GOVORI KUPOVINOM
Kako, dakle, upoznati nekoga? Najlakše je komunikacijom – bitno je pažljivo slušati što nam netko govori i upoznat ćemo ga, s vremenom. Kod malih lokalnih trgovina, kako smo vidjeli, nekoć je bilo prilično jednostavno – dovoljno je da trgovac bude pažljiv te će u direktnoj komunikaciji moći dobro upoznati svojeg potrošača i s vremenom mu se obraćati riječima: “Dobar dan susjeda, imamo baš to što vi želite…”.

Ali kako tamo, gdje je nemoguće direktno komunicirati, a kamoli zapamtiti što je svaki potrošač poručio, poput velikih lanaca trgovina koje dnevno imaju više tisuća posjeta, kako i na takvom mjestu upoznati potrošača?

Tu će se veliki trgovci morati potruditi kako bi čuli ono što im potrošači indirektno poručuju. A oni se stalno neizravno obraćaju trgovcima kroz svoje kupovine i potrošnju.

Potrošnja je svakako neodvojivi dio svakog pojedinca i jedan od načina gdje oni najjače mogu iskazati svoj životni stil. Što, kako i za koliko novca netko kupuje jasno odražava upravo to. A kada smo toga svjesni, znamo puno preciznije što mu ponuditi.

Informacije o životnom stilu potrošača nalaze se trgovcu doslovce pred nosom – u njegovim transakcijskim bazama. Potrebno je “samo” iz baza pročitati ono što je potrošač rekao svojom kupovinom – u kojem se životnom ciklusu nalazi, na što sve troši novce, koje namirnice bira, koliko često, kupuje li na akcijama, je li sklon “bio” proizvodnji, je li lokal-patriot koji isključivo bira hrvatsko, kupuje li redovito dječje proizvode…

RUDARENJE PODACIMA
Kako transakcijska baza ima milijune i milijune zapisa, čitanje svakog zapisa i intuitivno zaključivanje jako je teško izvodljivo (ako ne i nemoguće).

Zbog toga, u cilju uštede vremena, resursa i što bržeg upoznavanja potrošača, mora se u pomoć pozvati tehnologija i neki od alata za rudarenje podacima (Data Mining), poput IBM SPSS Modeler koji ističe da je analitika od ključnog značaja za dobru zaradu i da je za uspjeh potrebno poznavati podatke i naprednu analitiku.

Amazon, Google, Ford i sva druga zvučna imena s ljestvice Fortune 500 to uspješno rade već neko vrijeme. Ograničena ljestvica jedna je od boljih konkurencijskih okruženja u poslovnom svijetu, zato ne iznenađuje previše da su upravo velike kompanije općenito bile među najranijim korisnicima analitike.

To je također jedan od razloga zbog kojega su se i mnoge priče povezane s analitikom uglavnom usmjerile na uspjehe velikih organizacija. Kako bi ti alati mogli obaviti svoj rudarski dio posla, prvo se baza mora složiti na način da bude razumljiva i pogodna za izvlačenje korisnih informacija. To zahtijeva nekoliko koraka.

Prvi korak i svakako jedan od bitnih uvjeta upoznavanja potrošača jest grupiranje svih kupovina jedne osobe i vezivanje uz jedan jedinstveni broj / oznaku baš tog potrošača u bazi (ili njegov ID). To će se najlakše postići uvođenjem i stimuliranjem korištenja kartica lojalnosti. Korištenjem tih kartica sve kupovine će imati svoj ID, a svaki ID svoje ime, prezime i osnovne demografske podatke.

Sljedeći korak je najvažniji, samim tim i najosjetljiviji i sigurno dio cijelog procesa na koji se troši najviše vremena. Trebaju se stvoriti šifrarnici proizvoda tako što će se svaki proizvod kodirati na nivou SKU (Stock-keeping unit ili jedinstveni identifikator za svaki poseban proizvod, ili uslugu, koji može biti kupljen).

Svaki SKU nosi puno poruka o onome tko ga je kupio. Bitno je da sve te poruke, koje nosi određeni SKU, kodiramo i zapišemo nazad u bazu.

Prvo treba upisati kojim sve kategorijama i potkategorijama proizvod pripada, zatim o kojem je brendu riječ, koje sve pod brendove eventualno uključuje, a potom i fizički opisati proizvod (pakiranje, veličina…). Ovo su sve “kolone” koji se nalaze u svakoj malo bolje složenoj bazi.

Tim podacima trebamo dodati kolone koje prenose poruku potrošača koji konkretni proizvod kupuje. Tu se prije svega misli na cjenovni rang (low, mainstream, premium…), zatim dodajemo kolonu koja govori o životnom stilu onoga tko je proizvod kupio (zdrav život, premium kupac…), zatim može slijediti kolona koja govori životnom ciklusu u kojem se kupac ili korisnik nalaze (pojednostavljeno, na temelju kupljenih pelena možemo zaključivati koliko je staro dijete osobe koja je pelene kupila…), i sl.

Što više “kolona”, to će se bolje moći opisati osoba koja kupuje te proizvode. Kada se podaci slože na ovaj način i zapišu nazad u bazu, vrijeme je da se krene s analitikom i upoznavanjem potrošača.

KREIRANJE PREDIKCIJE
Kako bi se otkrile tajne veze koje se nalaze u transakcijskoj bazi, mora se koristiti neki od alata za rudarenje podacima (Data Mining). Jedan od najboljih alata i svakako jedan od standarda za rudarenje podacima svakako je IBM SPSS Modeler (ex-Clementine). Pomoću njega dolazi se do modela koji pomažu razumjeti što su potrošači poručili svojom kupovinom.

Modeli se prave na osnovu povijesnih podataka iz baze tj. na osnovu bivših kupovina, tako da se za svaki ID (potrošača) određuju životni stil potrošača, životni ciklus u kojem se nalazi (ako je moguće), njegov stav prema cijeni i sl.

Kada se dođe do ovakvih informacija, saznanja o pojedinom potrošaču su dovoljna i za pravljenje predikcije (predviđanja) o vjerojatnoj budućoj kupovini svakog pojedinačnog potrošača.

Na temelju toga može se pripremiti i ponuda za svakog pojedinačnog potrošača i osobno mu se može ponuditi (globalni lider u analitici u segmentu maloprodaje, britanski Tesco, na osnovu toga radi ponude jedan na jedan za svakog pojedinog kupca).

Također, potrošači se mogu grupirati u segmente prema stilu života, može se napraviti ponuda za svaki segment i komunicirati o istoj adekvatnim kanalima. Kako god se postupilo, na osnovu ovih predikcija otvaraju se nebrojene mogućnosti za cross-selling i up-selling na bazi postojećih kupaca.

Pored očiglednih koristi koje se dobivaju na bazama postojećih kupaca, ovi modeli mogu se uspješno koristiti i za upoznavanje novih kupaca. Kada se jednom dođe do stabilnog modela koji daje jasnu sliku o životnom stilu postojećih potrošača, pomoću IBM SPSS Modelera, može se taj model preslikati i na bazu novih potrošača tj. potrošača koji su tek uzeli karticu lojalnosti.

Na osnovu demografskih podataka će se uz pomoć modela za svakog novog potrošača napraviti predikciju s određenim stupnjem vjerojatnosti o njegovom životnom stilu, o njegovom ponašanju u budućnosti, o namjerama kupovine i sl. Na taj način, još i prije direktne poruke koju novi potrošač šalje svojom kupovinom, može mu se ponuditi ono što uistinu želi i treba.

Kada se izda u nekoj trgovini nova kartica lojalnosti i dobiju osnovni podaci o toj osobi, dovoljno je samo “zavrtjeti” model i u roku od par minuta doći u doticaj sa svim potrebnim podacima koji omogućuju slanje poruke o proizvodima koje ta osoba želi kupiti, koje uobičajeno kupuje i koji su baš sada na akciji. Magija.

TAJNA SKRIVENE PORUKE
Koristeći IBM SPSS Modeler i uz bazu u kojoj su kodirani svi SKU jasno se čuje što potrošač indirektno govori, može se upoznati potrošač bolje nego direktnom komunikacijom i može se predvidjeti svaka buduća potreba potrošača.

Pored opisanog, analitički model nam također pomaže utvrditi koje su nezadovoljne stranke, koje bi možda i promijenile svoju do sada uobičajenu i najčešću trgovinu ili banku, koliko su (ne)pouzdani platiše novi poslovni partneri, kako postojećim strankama / kupcima prodati još nešto više, i sl.

Pored nabrojanog postoji i čitav niz drugih, ne tako generičkih načina upotrebe napredne analitike. Ono što je neupitna činjenica jest da pravi alati za rudarenje podacima i statističke analize (naravno u slučaju da ih uistinu i aktivno koristimo) pomažu i potiču veću prodaju te sprečavaju potencijalne poteškoće u poslovanju. Uz magiju analitike i veliki trgovac može jednostavno reći potrošaču: “Dobar dan susjed, imamo baš ono što vam treba”. Tada i vi možete reći da ste upoznali njegovo veličanstvo potrošača.

Prisni odnos ćemo teško nadomjestit prediktivnom analitikom, ali ćemo doprinijeti tome da trgovci budu u stanju ponuditi potrošaču baš ono što mu treba.

U ovoj krizi, kojoj nema kraja, cijena će biti sve važniji faktor, ali uvijek će postojati segmenti koji su “usamljeniji” te i dalje traže prisan odnos i topliji kontakt koji će se u trgovinama budućnosti primarno održavati na blagajnama, ali sve više i na drugim mjestima na kojima će se potrošač moći “registrirati”.

U kockarnicama, znanim kao najnaprednijima u istinskom “poznavanju” posjetitelja, mjesto na kojem dolazi do razvijanja odnosa i prepoznavanja potrošača / posjetitelja nekada je bila recepcija, a kod trgovaca je to dan-danas trenutak kada izlazimo / plaćamo, odnosno blagajna. Mogućnosti da kažemo “ja sam taj” bit će s vremenom sve veća i veća, u samoj trgovini, ali i na drugim mjestima.

Mirna Horvat, Research Director
Ivan Gadanac

Odgovori

Vaša adresa e-pošte neće biti objavljena. Nužna polja su označena s *