Jak praktycznie wykorzystać dane o klientach sieci detalicznych do zwiększenia sprzedaży?

Przetwarzanie Big Data – analiza wielkich zbiorów danych o rynku i klientach daje firmom potężny potencjał rozwoju i niekwestionowaną przewagę konkurencyjną. O tych olbrzymich możliwościach dowiedzieć się można często w negatywnym kontekście handlu informacjami o użytkownikach przez wielkie korporacje technologiczne. Czy rzeczywiście wykorzystanie Big Data powinno nam się kojarzyć wyłącznie w złym kontekście i czy informacje można pozyskiwać jedynie od gigantów IT? Odpowiedź na obydwa pytania pozytywnie nas zaskoczy.

Z TEGO ARTYKUŁU DOWIESZ SIĘ:

JAK BIG DATA WYKORZYSTYWANE JEST W BRANŻY RETAIL?
W JAKI SPOSÓB POZYSKIWAĆ DANE O ZACHOWANIACH KLIENTÓW Z POSZANOWANIEM ICH PRYWATNOŚCI?
JAK POPRAWIĆ SKUTECZNOŚĆ MARKETINGU DZIĘKI DANYM O KLIENTACH SIECI DETALICZNYCH?
W JAKI SPOSÓB OPTYMALNIE LOKALIZOWAĆ PUNKTY SPRZEDAŻY?
W JAKICH INNYCH OBSZARACH OPRÓCZ BRANŻY RETAIL MOŻNA Z POWODZENIEM WYKORZYSTYWAĆ DANE O LOKALIZACJI UŻYTKOWNIKÓW SIECI MOBILNYCH?

Wykorzystanie Big data do poszukiwania lokalizacji placówek retail

Najczęściej dzięki Big Data chcielibyśmy pozyskiwać informacje o zachowaniach naszych obecnych i potencjalnych klientów. Chcemy na przykład wiedzieć, czy warto zlokalizować sklep w jednej z galerii handlowych, czy może lepiej w mniej oczywistym miejscu. Skąd czerpać wiedzę o liczbie osób, które przemieszczają się w danym rejonie i czy osoby te należą do naszej grupy docelowej? Okazuje się, że dane te dostarczyć może operator telekomunikacyjny. Gromadzone informacje pozwolą zlokalizować przemieszczający się strumień osób, a narzędzia Big Data umożliwią wykreślenie map gęstości potencjalnych klientów. Zestawiając takie informacje z kilku miejsc można łatwo znaleźć odpowiedź, która z lokalizacji pozwoli potencjalnie zdobyć więcej kupujących i w jakich godzinach powinna być otwarta placówka handlowa.

Jak zdobyć informacje o naszych klientach z poszanowaniem ich prywatności?

Co istotne, metoda ta pozwala uszanować prywatność naszych potencjalnych klientów. Informacje zbierane są przez operatorów telekomunikacyjnych całkowicie anonimowo i nikt nie zagląda konkretnemu człowiekowi do jego koszyka zakupowego ani do portfela po to, by profilować i wyceniać jego wartość komercyjną. Zagregowane informacje o potencjalnych klientach pozwalają także efektywniej kierować budżety marketingowe. Mapy aktywności umożliwiają zakreślanie obszarów zasięgu „wycieczek zakupowych” i miejsc, w których nasi potencjalni klienci najchętniej robią zakupy. Dzięki tym informacjom możliwe jest lepsze dostosowanie aktywności marketingowych, takich jak ulotki, gazetki czy ogłoszenia w lokalnych portalach i mediach niszowych. Łatwiej jest dzięki temu ustalić obszar, z którego możemy spodziewać się osób składających wizytę w naszej placówce. Z możliwości tych już teraz korzystają najwięksi w branży retail właściciele hipermarketów, ale zakres zastosowania tych danych można rozszerzyć także na mniejszych graczy oraz różnorodne gałęzie handlu i usług, takich jak ubezpieczenia, turystyka, czy bankowość. Konstruując promocję i zachęcając do odwiedzenia naszej placówki znajdującej się na trasie, którą przemieszcza się nasz potencjalny klient, zwiększamy szanse na jego pozyskanie.

Big Data w praktyce

Innymi pytaniami, które często padają w branży retail są: jak gęsto należy umieścić nasze punkty sprzedaży, czy otwarcie sklepu o kilkaset metrów dalej nie „zabije” sprzedaży w pierwotnym punkcie? Przed taką właśnie trudną do rozwiązania zagadką stanęła sieć kawiarni – jeden z klientów usług Big Data operatora T‑Mobile. Dylemat ten udało się szybko rozwiązać spoglądając na mapę aktywności klientów. Okazało się, że ruch w obydwu miejscach, pomimo, że znajdowały się one relatywnie blisko siebie, był na tyle duży, że inwestycja w nowy lokal w bliskim sąsiedztwie pierwszej kawiarni stał się strzałem w dziesiątkę. Nie bez powodu wspominamy właśnie o możliwościach dostarczania zagregowanych danych przez sieć T‑Mobile. To właśnie ten operator dysponuje kilkoma milionami aktywnych kart SIM należących do użytkowników w różnym wieku i z różnych grup zawodowych. To największa na rynku Big Data w Polsce grupa osób, która wyraziła zgodę, by poddawać analizie statystycznej dane z zachowaniem anonimowości i poszanowaniem dla prywatności ludzi. Dzięki tak dużej próbie dane te pozwalają stwierdzić nie tylko to, jaki „kawałek tortu” pozyskała konkretna sieć sprzedaży, ale można z nich również dowiedzieć się jak duży jest rynek, gdzie szukać potencjalnych klientów oraz jak na tle całego rynku wypada konkurencja.

Szerokie pole do zastosowań Big Data

Możliwości wykorzystania Big Data nie kończą się jednak na sieciach handlowych. Analizami w oparciu o duże zbiory danych zainteresowane są także miasta, które korzystając z danych statystycznych na temat ruchu turystycznego w konkretnych lokalizacjach są w stanie skutecznie realizować planowanie przestrzenne, transport komunalny, a także organizować przenośne punkty sanitarne oraz infrastrukturę dla turystów. Innym, mniej oczywistym przykładem instytucji, która korzysta z analiz Big Data są wodociągi na południu Polski, które na podstawie danych mogą lepiej prognozować dostawy wody i robią to w taki sposób, by uniknąć ich braków w najbardziej uczęszczanych lokalizacjach. Podobnie można też prognozować zużycie innych mediów, takich jak energia elektryczna.

Podsumowanie

Przypomnijmy najważniejsze informacje o zastosowaniu danych o klientach sieci detalicznych do zwiększenia sprzedaży:

Danych o lokalizacji klientów i potencjalnych klientów dostarczyć może operator telekomunikacyjny. Gromadzone informacje pozwolą identyfikować przemieszczający się strumień osób, a narzędzia Big Data umożliwią wykreślenie map gęstości potencjalnych klientów
Informacje zbierane są przez operatorów telekomunikacyjnych całkowicie anonimowo bez oceny zasobności portfela i profilowania konkretnego użytkownika
Dzięki informacjom o lokalizacji użytkowników mobilnych możliwe jest lepsze dostosowanie aktywności marketingowych w branży retail, takich jak ulotki, gazetki czy ogłoszenia w lokalnych portalach i mediach niszowych. Łatwiej jest dzięki temu ustalić obszar, z którego możemy spodziewać się osób składających wizytę w naszej placówce
T-Mobile dysponuje kilkoma milionami aktywnych kart SIM należących do użytkowników w różnym wieku i z różnych grup zawodowych, którzy wyrazili zgodę, by poddawać analizie statystycznej dane z zachowaniem anonimowości i poszanowaniem dla prywatności ludzi
Analizami w oparciu o duże zbioru danych zainteresowane są także miasta, które korzystając z danych statystycznych na temat ruchu turystycznego w konkretnych lokalizacjach są w stanie skutecznie realizować planowanie przestrzenne, transport komunalny, a także organizować przenośne punkty sanitarne oraz infrastrukturę dla turystów. Innym przykładem instytucji, która korzysta z analiz Big Data jest przedsiębiorstwo wodociągowe na południu Polski, które na podstawie danych mogą lepiej prognozować dostawy wody unikając ich braków w najbardziej uczęszczanych lokalizacjach