Большой брат для ретейла. Торговые сети созрели для анализа больших данных

Автор фото: Сергей Ермохин

Посчитать каждого клиента, заранее понимать его предпочтения и выстроить систему работы с покупателями так, чтобы зарабатывать по максимуму.

В мире счет доходов от big data уже пошел на сотни миллиардов долларов. Россия на этом фоне выглядит более чем скромно. 10–30 млрд рублей — объем всего рынка. Но это только начало. Крупные игроки постепенно включаются в работу с технологией. В марте этого года лидер российского ретейла X5 Retail Group (сети "Пятерочка", "Перекресток" и "Карусель") заявил о создании дирекции по управлению проектами в сфере big data.
В компании пришли к выводу, что расширение торговых площадей и повышение цен на товары уже не приносят новой прибыли. В поисках новых точек роста выбор ретейлера пал на большие данные.

Что такое big data?

Как правило, под этим термином специалисты имеют в виду не столько количество информации, сколько технологии ее качественной обработки и анализа. Пока что это привилегия крупных игроков. База накопленной информации малого и среднего бизнеса, как считается, еще недостаточно велика для серьезного анализа.
В основном огромные массивы данных используются для маркетинговых стратегий: чем больше разных сведений о потребителях имеет на руках компания, тем больше у нее возможностей определить "правильную" аудиторию.
"Big data позволяет магазинам предлагать клиенту не все подряд, а выйти с предложением на тех, кто с большей вероятностью купит конкретный товар, — рассказывает Андрей Мунтанион, аналитик IT–компании Loginom. — В первую очередь это приводит к сокращению маркетинговых бюджетов, чтобы на sms и e–mail–рассылки тратить меньше средств. Вместе с тем big data оберегает пользовательскую базу от выгорания. Когда компания спамит человека не интересующими его акциями, он, скорее всего, просто отпишется от рассылки или вообще не захочет больше приходить в магазин этой сети".

Приятно познакомиться

Аналитика больших данных позволяет ретейлерам внимательно изучить своего клиента, узнать его вкусы и предпочтения и уже исходя из этого предлагать нужный ему продукт. Эксперты называют это "персонификацией покупателя": вместо безликой клиентской массы ретейлер видит перед собой индивидов с разным потребительским поведением. А построить эффективные рыночные отношения гораздо проще, когда знаешь клиента "в лицо".
Одним из наиболее успешных примеров использования больших данных в российском ретейле эксперты называют сеть гипермаркетов "Лента". Петербургский ретейлер (занимает третью строчку рейтинга крупнейших игроков отрасли) уже давно работает с большими массивами данных для улучшения продаж. Инструментом получения информации служат карты лояльности. Общее число их пользователей — уже 13 млн человек, в I квартале 2018 года около 96% покупок в "Ленте" были сделаны с использованием карт лояльности.
Оформив карту лояльности, покупатель автоматически становится частью клиентской базы: теперь вся история его покупок строго фиксируется и запоминается. Рынок хочет знать, какие действия клиент совершал в прошлом, чтобы предугадывать будущее: алгоритмы, используемые при анализе больших данных, помогают спрогнозировать динамику спроса.

Под неусыпным оком

Разработчики говорят и еще об одном популярном запросе со стороны ретейлеров — это решения по оптимизации логистики с помощью больших данных. К логистике относят как перемещение товаров от склада до кассы, так и передвижение людей по магазину. Отслеживать "горячие точки", то есть самые популярные места в торговом зале, предлагают с помощью визуализации на экране в виде тепловой карты.
Камеры в некоторых магазинах уже считывают лица посетителей, рассказывает Сергей Анискин, генеральный директор компании "Лаборатория кода". И хотя таким образом ретейлеры пока лишь отслеживают недобросовестных покупателей, ранее уличенных в краже (фотография лица заводится в черный список), технологию можно применять и с целью повысить продажи. Условно, подослать менеджера отдела быта к клиенту, про которого известно, что он недавно купил квартиру. Но это пока в теории. "Вопрос в том, что, когда клиент уже дошел до кассы, его поздно консультировать. Метод идеально подходит для аптек, а вот в обычном супермаркете работать не будет", — считает Сергей Анискин.

Неподатливая data

Нередко проблемы у бизнеса, желающего работать с большими данными, возникают от непонимания технологии. За модным термином предприниматели не видят конкретного практического значения: big data часто используется не для дела, а для демонстрации "трендовости" компании.
Есть и другая крайность: когда компании видят в новых технологиях панацею. "Сейчас, к счастью, количество людей, которые хотят получить волшебную кнопку от всех проблем, уменьшается. Раньше запрос приходил на уровне "нам нужно увеличить продажи на 30%" в лучшем случае. Как правило, заказчик просто говорит: "Нам нужен искусственный интеллект". Куда, зачем — никто не знает, но руководство сказало: надо", — сетует Андрей Мунтанион.
Впрочем, по наблюдениям айтишников, острый интерес к инновациям пробуждается у компаний волнами.
В 1990–х предпринимателей захватил искусственный интеллект, спустя несколько лет рынок стал тяготеть к машинному обучению, а сейчас предприятия втянулись в гонку за big data.
Пока что суть прогресса осознали не все, но западный опыт подсказывает: победители в этом забеге точно будут, и они на своей информации смогут неплохо заработать.