Прогнозная аналитика — это технология, которая опирается на Big Data, данные о поведении людей, чтобы предсказывать, как они будут вести себя в будущем, и оптимизировать бизнес-процессы с помощью этих знаний. Вам когда-нибудь хотелось заранее знать о том, какие продукты ваши клиенты будут покупать с наибольшей вероятностью? Как было бы здорово, если бы вы могли предугадать максимальную цену, которую клиент готов заплатить за продукт. А что если бы вы могли оптимизировать клиентский сервис и решить все проблемы еще до того, как они возникли бы у пользователя? Скорее всего, эти знания помогли бы вам увеличить свою прибыль в сфере e-Commerce и повысить конверсию.
Прогнозная аналитика предлагает решения не только в вышеперечисленных областях, но и во многих других. Ниже 7 советов по оптимизации конверсии с помощью методов прогнозной аналитики (для желающих углубиться в то, как повысить конверсию вашего сервиса рекомендуем статью "Все, что вы знаете об оптимизации конверсии — неправда").
1. Повышайте интерес клиентов и увеличивайте доход
Есть разные типы клиентов, и их восприятие сайтов сегмента e-commerce значительно отличается друг от друга, к каждому необходим свой подход, каждого можно привлечь каким-то определенным способом. Прогнозная аналитика рассматривает все возможные варианты восприятия, чтобы вызвать желаемый интерес у каждого покупателя. Это может быть предложение подписаться на рассылку, клик на кнопку «акция» или какой-то другой способ привлечения клиентов.
Есть несколько продуктов, которые помогают ритейлерам создавать модели для отслеживания и анализа поведения пользователей – например, Alteryx, Attivio, Lattice, SAS. Подобные модели могут впоследствии выполнять роль ориентиров в бизнесе, помогающих развиваться в правильном направлении.
Lattice исследовал, как лидирующие компании Amazon и Netflix использовали прогнозную аналитику для того, чтобы лучше понять поведение пользователей и выработать решение, которое поможет специалистам по продажам точнее определять лиды.
Внчурные капиталисты инвестировали более $160 млн. в 2014 году в инструменты прогнозирования, которые помогают маркетологам понять, как лучше осуществлять онлайновые и оффлайновые продажи.
Инвесторы в этой области понимают возможности рынка – они видят, что инструменты прогнозирования типа Lattice помогают менеджерам по продажам лучше подсчитать лиды, используя общедоступную информацию о них, чем просто качественно сравнив их с уже существующей базой клиентов компании. Ниже – иллюстрация количества инвестиций в разные программы прогнозной аналитики.
Forrester называет сочетание прогнозной аналитики и привлечения клиентов приложениями прогностического анализа, считая их частью эпохи, в которой весь интернет-сегмент подходит к ожидаемой для него крайности: миру гипер-индивидуализированного опыта. Именно благодаря таким инструментам компании Dell удалось добиться улучшения показателей продаж почти в два раза, хотя количество лидов, которое отдел маркетинга отправлял в отдел продаж, было уменьшено на 50%, с помощью прогнозной аналитики были отобраны только наиболее перспективные из них.
В этом примере на PredictiveAnalyticsWorld.com в неназванном образовательном портале, который используется каждым третьим старшеклассником колледжа, используется прогнозирующая система рекламы, которая помогает лучше подбирать рекламные предложения к существующему трафику. В результате отклик пользователей увеличился на 25%, что равняется доходу от рекламы примерно в $1 млн за 19 месяцев.
2. Запускайте рекламные кампании, таргетированные на ваших клиентов
Пример персонализированной рекламной компании
Реклама в ритейле – это must-have, но не так-то просто направить свою рекламную кампанию в правильном направлении.
Согласно исследованию Oracle, 98% быстроразвивающихся торговых компаний понимают, что сегментация и таргетинг представляют собой важнейшую часть их стратегии мерчандайзинга в онлайне, однако более половины из них не удовлетворены теми инструментами, которые они используют для проведения рекламных акций.
Прогнозная аналитика способна изменить это путем сопоставления данных из нескольких источников, что помогает создать персонализированные рекламные предложения, которые будут максимально эффективны для конкретного клиента или сегмента.
Macy's уже успели убедиться в преимуществах прогнозной аналитики, использовав решение, предложенное SAP, что привело к более эффективному таргетингу уже зарегистрированных на сайте пользователей. В течение трех месяцев Macy’s наблюдали рост продаж в онлайне на 8-12%, этого удалось добиться путем анализа переходов пользователей по категориям товаров и отправки таргетированных е-мейлов каждому сегменту потенциальных клиентов.
StitchFix – еще один ритейлер, использующий уникальную модель продаж. Пользователям предлагается пройти опрос о стиле одежды, а затем с помощью прогнозной аналитики определяется, какая одежда больше понравится каждому из клиентов. Если же покупателю не нравится одежда, он может вернуть ее обратно, не оплачивая доставку.
Еще один пример: компания Turkcell, крупнейший оператор мобильной связи в Турции, использует более 150 параметров, характеризующих ее пользователей, такие как характер использования, предпочтительные параметры устройств, данные о местоположении. Вся эта информация используется для того, чтобы отправлять клиентам наиболее подходящие для них рекламные предложения в режиме реального времени и тем самым сократить отток пользователей.
Важно, чтобы вы понимали, что инструменты прогнозной аналитики не работают по принципу Plug&Play: залил данные и получил мгновенный рост доходов. По данным исследования, проведенного Ventana, только 13% из 2600 предприятий считают прогнозную аналитику важнейшим элементом их бизнес-стратегии.
Дэвид Меннингер, бывший директор по научно-исследовательской работе в Ventana, аргументирует это следующим образом:
“Прогнозная аналитика остается инструментом для специалистов. Лично мне кажется, что заниматься этим очень тяжело, а сложность расчетов в этой сфере находится за пределами возможностей и познаний большинства людей».
Роберт Т. Митчелл выяснил в процессе интервью с экспертами-аналитиками консталтинговых фирм, что наиболее распространенные ошибки при внедрении программ прогнозной аналитики связаны с тем, что предприниматели не могут сформировать конечные цели своей деятельности, не удаляют устаревшие данные (из-за недостатка понимания) и в их компании царит дух консерватизма и неприятия изменений.
К примеру, Дин Эббот из Abbot Analytics поделился историей о коллекторском агентстве, которое хотело разработать наиболее эффективную последовательность действий для взыскания долга, но придерживались строгих правил, из-за которых коллекторам приходилось выполнять каждый раз одни и те же действия.
«Анализ данных – это искусство проводить сравнения, и для этого вам нужны примеры из истории. К счастью, большинство экспертов придерживается мнения, что хотя даже дефектные модели прогнозирования редко бывают фатальными и всегда могут быть улучшены, общее мнение гласит, что построение качественных моделей требует больших усилий и может занять действительно много времени. Для клиента это означает, что он тратит деньги и время и не получает мгновенной отдачи, или хуже того, тратит ресурсы вообще впустую. Джон Элдер говорит, что на доведение модели прогнозирования до ума может уйти год, и именно по этой причине, даже если технически 90% создаваемых для клиентов моделей успешны, только 65% из них реально срабатывают».
3. Оптимизация цен ради максимизации прибыли
Пример тестирования разных ценников
Традиционно ритейлеры использовали A/B- или Мультивариантное тестирование, чтобы установить цены на разные категории продуктов и определить оптимальную стоимость, которая позволит максимизировать прибыль. Проблема в том, что каждая цена устанавливается вручную и очень зависит от человеческого фактора, а значит, велика вероятность ошибки.
В прогнозной аналитике используется другой подход к разработке модели ценообразования в реальном времени, которая формируется на основе информации из таких источников как:
• Исторически принятая цена продукта;
• активность клиентов;
• история заказов, предпочтения клиентов в прошлом;
• цены на аналогичные товары у конкурентов;
• желаемая наценка;
• доступный запас продукта;
• и другие.
В этом видео показано, как Uber & AirBnB избавились от сложностей, связанных с установкой цен на различные категории товаров путем уравнивания спроса и предложения, и как им в этом помогла прогнозная аналитика.
Нужно постоянно контролировать процесс ценообразования, чтобы избежать автоматического изменения цен, которое вызовет вопросы в среде ритейлеров.
Преимущества прогнозной аналитики для управления ценообразованием уже долгое время подчеркивает компания Accenture. В их докладе говорится о том, что ритейлеру никогда не рано начинать экспериментировать с ценообразованием с помощью прогнозной аналитики, чем раньше компания начнет это делать, тем скорее сможет добиться успешных аналитических прогнозов. Вряд ли это как-то связано, но после публикации доклада в 2011 году спрос на работу аналитиков значительно вырос.
4. Управление складскими запасами: пополняйте их вовремя, но избегайте переизбытка
Walmart совершил революцию в области управления запасами, попросив поставщиков оказывать поддержку в этой области в режиме реального времени, система была названа VMI (vendor managed inventory — товарно-материальные запасы, управляемые поставщиком).
Прогнозная аналитика совершенствует это решение, уменьшая требуемый/критический уровень запаса товара, если по модели прогнозирования на ближайшее время не предвидится больших заказов. Это помогает ритейлерам распределять свои средства так, чтобы покупать продукты, которые имеют повышенный спрос и потенциально более прибыльны.
В прошлом году было опубликовано полезное исследование о том, насколько большие данные (Big Data) и прогнозная аналитика способны изменять стратегию управления складскими запасами.
Исследователи из Sam M. Walton College of Business и Weber State University определили, что отсутствие технических навыков для использования подобных технологий является крупнейшим препятствием на пути к более широкому внедрению прогнозной аналитики анализа, но эта ситуация меняется c помощью поставщиков, которые предлагают легко внедряемые комплексные решения для управления складскими запасами с использованием прогнозной аналитики.
График ниже показывает, насколько чаще за последние годы стали искать в Google фразу «прогнозная аналитика» — это свидетельствует, что пробелы в знаниях уменьшаются с каждым днем.
Один из подобных примеров был приведен Southern States – там рассказывается о том, как сельскохозяйственные кооперативы использовали Alteryx для поддержания продаж на том же уровне, храня при этом на 31% товара на складах.
Для фермеров это означало на 31% меньше испорченных продуктов, но для владельца бизнеса в сегменте e-Commerce это значит меньшее количество денег, потраченных на хранение, меньшее количество товара на таможне и других ненужных трат.
5. Уменьшайте риск мошенничества путем его активного выявления
К сожалению, мошенничество – частая история в современном ритейле, в том числе в онлайновом, годовые потери от него исчисляются в миллиардах долларов.
Любая технология, способная снизить потери от мошенничества, — это как глоток свежего воздуха для любого ритейлера. Решения, предлагаемые прогнозной аналитикой, наподобие тех, что встречаются в IBM’s SPSS suite, позволяют предпринимателю анализировать модели поведения пользователей, способы оплаты и приобретения товара для того, чтобы обнаружить и предотвратить возможное мошенничество. Некоторые ритейлеры даже экспериментируют, используя самообучающиеся программы по прогнозной аналитике, чтобы автоматически определять закономерности, по которым можно выявить и предотвратить мошенничество.
Это действительно необходимо, потому что мошенники с каждый днем становятся все более изобретательными.
В работе, проведенной Aberdeen, были проанализированы различные виды мошенничества, а также готовность бороться с ними. Ниже график, демонстрирующий степень готовности к борьбе с разными видами мошенничества, в процентах по вертикали – степень готовности ритейлеров к защите от каждого вида мошенничества, по горизонтали – распространенность этого вида за последний год.
В докладе также подчеркивается, что прогнозной аналитике как методу борьбы с мошенниками еще предстоит долго развиваться: только 16% опрошенных заявили, что они использовали аналитические инструменты в первую очередь для того, чтобы обнаружить мошенничество.
Walmart продемонстрировали серьезное отношение к прогнозной аналитике как способу борьбы с обнаружения мошенничества, когда они в прошлом году приобрели перспективный в сфере прогнозной аналитики стартап Inkiru.
Другие ритейлеры также используют различные алгоритмы, вычисляющие мошенников, на протяжении нескольких последних лет. Но сейчас подобные модели расширяются и совершенствуются, начиная использовать прогнозную аналитику, чтобы распознать и предотвратить мошенничество еще до того, как оно произойдет.
6. Предлагайте более качественное обслуживание клиентов за меньшую плату
Обслуживание клиентов – одна из тех областей, с которой у ритейлеров связано много вопросов, вот некоторые из них:
• Должна ли быть клиентская поддержка только в электронном варианте или колл-центр тоже нужен?
• Если служба поддержки по телефону тоже необходима, то сколько нужно менеджеров?
• Может быть, кроме колл-центра нужен онлайн-консультант на сайте?
• Каким должно быть оптимальное время ожидания ответа, когда клиент звонит в службу поддержки?
• Как расставить приоритеты между вопросами лояльных и ценных клиентов?
Найти ответы на эти и другие вопросы можно с помощью построения модели, уникальной клиентского сервиса каждого конкретного ритейлера. С течением времени эта модель усовершенствуется и будет предоставлять наиболее точные прогнозы, помогающие улучшить качество обслуживания клиентов.
Дистрибьютер Linux Red Hat использует прогнозную аналитику для улучшения качества обслуживания клиентов путем увеличения параметра, который они назвали «прилипчивость к подписчику». Согласно исследованию, у компании получилось предугадывать вопросы пользователей и решать их проблемы еще до того, как они появлялись.
Сети отелей, типа Marriott, представляют собой еще один отличный пример бизнеса, в котором огромное внимание уделяется прогнозной аналитике, что помогает превзойти ожидания клиентов до, во время и после пребывания в отеле.
Сети отелей премиального сегмента, такие как Four Seasons и Ritz Carlton, всегда стараются предугадать желания клиентов – и все это происходит благодаря прогнозной аналитике! Вот всего лишь один из примеров, когда Ritz Carlton вылез из кожи вон, чтобы превзойти ожидания клиентов, использовав немного прогнозной аналитики. Сын одного из постояльцев отеля забыл там свою любимую игрушку – жирафа Джоузи, отец придумал забавную историю о том, что жираф остался в отеле и принимает солнечные ванны. В тот же день сотрудники отеля позвонили, сказав, что нашли жирафа, и когда отец попросил их сделать одну забавную фотографию жирафа в шезлонге, чтобы продемонстрировать правдивость своей выдумки, сотрудники отеля устроили настоящую фотосессию каникул Джози, пара фотографий ниже.
7. Анализируйте информацию и принимайте решения в режиме реального времени
Потоковая аналитика – это способность генерировать идеи в режиме реального времени, что помогает ритейлерам принимать решение «здесь и сейчас».
Сегмент ритейла развивается очень быстро, поэтому бессмысленно использовать прогнозную аналитику, опираясь на устаревшие данные. Решения, принятые в режиме реального времени помогают выбрать самый удачный для запуска рекламной акции день, определить продукты, которые будут продаваться лучше всего, популярных продуктов, которые будут хорошо продаваться, правильно таргетировать конкретные кампании и т.д.
Netflix – это хорошо известный пример эффективной потоковой аналитики: они записывают и анализируют каждый элемент взаимодействия с клиентами, в том числе, на каком моменте задержалась клиентка, сколько раз она это сделала, фиксируют, название фильма какого цвета привлекает больше внимания клиентов и т.д. Все это помогает им давать полезные рекомендации в режиме реального времени.
Технологическая платформа Granify выпускает прогнозную аналитику того же уровня, используя накопленные данные для корректировки веб-сайта в режиме реального времени. Например, если поведение посетителя сайта соответствует модели поведения кого-то из прошлых клиентов, кто беспокоился по поводу размеров одежды, его внимание будет обращено на таблицу размеров, а как только станет ясно, что клиент хочет узнать о доставке, система сразу переключит его внимание на условия доставки каким-либо образом.
Источник — http://conversionxl.com/predictive-analytics-changing-world-retail/?hvid=352IDw#.
В следующем материале о прогнозной аналитике — конкретные кейсы применения программ в сегменте электронной коммерции, повысившие конверсию. О других полезных для повышения продаж сервисах можете узнать из материала "7 инструментов повышения конверсии на сайте".
Автор: AdOneTech
