Головне з RAU-вебінару «Дані як основний актив рітейлу. Робота з даними для омніканальних рітейлерів»

Про що говорили під час онлайн-зустрічі власники і топ-менеджери NeuCurrent, Arber і Building Mall: найважливіші тези.

Цей матеріал доступний російською мовою

21 травня Асоціація рітейлерів України провела онлайн-зустріч, спікерами якої виступили Ярослав Шкарупа – співзасновник NeuCurrent, Нікіта Шпірт – керівник діджитал-напрямку Arber та Дмитро Бондаренко – е-commerce-директор Building Mall. Модератор – співзасновник NeuCurrent Богдан Шкарупа. RAU підготувала відеозапис зустрічі, а також ключові тези бесіди.

Що значить «дані як актив» і чому тепер він особливо важливий

Дмитро Бондаренко, Building Mall: Важлива інформація завжди була в ціні, але тепер гіганти індустрії – Amazon, Google, Microsoft – активно інвестують у створення інфраструктури обробки даних. Рітейлу дані потрібні, щоб створити пропозицію, яка максимально точно відповідає запитам клієнта. Треба думати вже зараз: як їх зібрати (на що знадобиться чимало часу), щоб використовувати їх, коли вони будуть потрібні.

Навіть якщо поки не знаєте, як будете використовувати цю інформацію, потрібно починати її збирати, щоб не втратити час. Поки я не знаю в Україні жодного прикладу, коли компанія збирала б всі доступні дані по всіх каналах взаємодії з клієнтом.

Нікіта Шпірт, Arber: Сучасні технології дозволяють створити ефективні моделі обробки величезних масивів даних. Тому ми всіляко стимулюємо клієнтів ділитися інформацією. Так що багато наших рекламних акцій спрямовані не стільки на продаж, скільки на збір інформації.

Про персоналізовану взаємодію на сайті

Ярослав Шкарупа, NeuCurrent: Як компанія, яка допомагає рітейлу в обробці даних, ми бачимо результат правильного їх використання. Продажі на сайті збільшуються на 10-15%, конверсія – на 25%. Оскільки веб сайт ще довгий час залишиться основним інструментом в роботі e-commerce, важливу роль на ньому відіграють персональні рекомендації споживачеві, незалежно від того, новий це клієнт або старий, є дані про його вподобання чи ні.

Наприклад, новому клієнтові, про якого нічого не знаємо, потрібно показати максимально широко весь асортимент товарів. Але як тільки він почне рухатися по сайту, всі рекомендації починають підлаштовуватися під його запити.

Якщо клієнт старий, то сайт орієнтується на виявлені інтереси. Зокрема, ми персоналізуємо всю першу сторінку сайту, щоб збільшити конверсію і збільшити переходи на інші розділи. Також персоналізується каталог товарів. Ми знаємо, наприклад, що клієнт вибирає дорожчі позиції при покупці споживчої електроніки. Відповідно пропозиція відразу ранжується за релевантністю з таким запитом навіть без уточнення клієнта. Також і в картці товарів і в кошику йому пропонуються релевантні товари.

Для збору даних використовується вся доступна інформація, аж до шляхів переходу на сайт і ключових характеристик товару, за якими проходив пошук. Але головне тут – об’єднати всі зібрані дані навколо профілю конкретного клієнта. Що саме собою не відбудеться.

Дмитро Бондаренко, Building Mall: В Будинок іграшок при великому асортименті нам відразу було ясно, що потрібно використовувати конвертаційні моделі, щоб допомогти покупцеві прийняти рішення. Але тут є одна складність: компанія, що реалізує модель рекомендацій, повинна глибоко «зайти» в бізнес замовника і customer journey його клієнтів, щоб все коректно працювало. Адже всі рекомендації конкретному клієнтові повинні збігатися у всіх каналах його взаємодії з рітейлером (сайт, мобільний додаток, POS-матеріали, інтерфейс для продавців-консультантів та інші).

На головній сторінці можуть бути розділи з новинками, акціями, загальними рекомендаціями, блог про те, як вибрати або купити товар. Кожен з цих розділів можна персоналізувати. Те ж саме і на інших сторінках. На сайті або в мобільному додатку – це каталог, картка товару і корзина. Навіть thank you page може містити рекомендації.

Як виокремити потрібну інформацію для рекомендацій

Ярослав Шкарупа, NeuCurrent: Щоб дані давали максимальний ефект вони повинні збиратися в режимі реального часу. Тому що тенденції покупок можуть змінюватися: раніше брали одне, а тепер – інше.

Ми більше акцентуємо увагу не на самому каталозі, а на описі товару. Справа в тому, що у кожного рітейлера є свій спосіб побудови каталогу, який не завжди відповідає тому, що шукає споживач. Крім того, контент-аналіз може стати рішенням при необхідності додати якусь характеристику товару в каталозі. Адже при 100 000 позицій ця задача стає майже нездійсненною.

Ми перейшли на використання контенту в рекомендаціях. І це дало значний приріст конверсії на сторінках товарів, тобто перехід від характеристик товару на його опис.

Нікіта Шпірт, Arber: Виникає питання: що запропонувати клієнту після покупки костюма – ще один костюм? Або сорочку і краватку? Виходить, що треба будувати рекомендації не на своїх переконаннях, а спочатку вивчити дані про те, що зазвичай беруть після покупки костюма. Тому що вірним може виявитися будь-яка з відповідей.

Богдан Шкарупа, NeuCurrent: Контент-аналіз в рекомендаціях добре спрацьовує при поданні новинок. Для цього ми дивимося, чим ці новинки схожі на інші товари, які вже купували відвідувачі сайту. Потрібен баланс між алгоритмом і моделлю складання рекомендацій.

Про те як побудувати автоматизовану комунікацію

Дмитро Бондаренко, Building Mall: Щоб повернути клієнта, який покинув сайт без покупки, найчастіше використовують кинутий кошик, а також заповнений wish-list, лайки, коментарі й т.п. Ефективність такої комунікації підвищує додавання до переглянутих або відібраних позицій крос-товарів, які найчастіше купувалися разом або відразу після.

Використання маркетологів і CRM-фахівців досить дорого і не завжди ефективно. Виручає автоматизація цих комунікацій на базі існуючого контенту. Наприклад, розміщення статті «як вибрати самокат» автоматично формує певну аудиторію навколо цієї публікації на сайті.

Нікіта Шпірт, Arber: Виходить, що основним інструментом для повернення клієнтів, які не залишили про себе даних, залишається ремаркетинг. Але з сегментацією по діям споживача на сайті.

Донедавна ми використовували RFM моделі аналізу (сегментація клієнтів в аналізі збуту по лояльності). Зараз в процесі впровадження сегментація клієнтів за інтересами (наприклад, любителі футболу). Щоб компанію асоціювали з певним явищем або поняттям, через яке з ними можна було б комунікувати. Або сегментувати клієнтів за професійною ознакою (наприклад, звертатися з конкретною пропозицією тільки до вчителів). Але поки можна побудувати автоматично тільки воронку продажів, а саме емоційне повідомлення може створити тільки людина.

Щоб не перевантажувати спілкуванням, через чат-бот можна дати клієнту можливість отримувати тільки те, що його цікавить (шляхом зміни налаштувань). Це свого роду автоматизація.

Богдан Шкарупа, NeuCurrent: Щоб визначити канал, найкращий для комунікації, є спеціальні алгоритми. Але для рітейлера мало визначити канал – важливо скільки це буде коштувати.

Наприклад, багато хто зараз намагається комунікувати з Viber, але це стає дорого. Тому спочатку треба визначити ROI для кожного каналу і вибрати певну стратегію. На перших етапах найкраще, як показує досвід, використовувати найдешевший канал – електронну пошту.

Як інтегрувати дані

Дмитро Бондаренко, Building Mall: Зараз клієнт контактує з брендом приблизно по 5-7 каналам. Тому важливо збирати інформацію по ним всім. Найголовніше в цьому – інтегрувати всі дані на одній платформі. Адже багато систем, які використовують рітейлери, працюють відокремлено, допомагаючи вирішувати коло локальних задач.

Нікіта Шпірт, Arber: Під час карантину ми зіткнулися зі значним зростанням онлайн-замовлень. Тому зараз вкладаємо великі ресурси в систему, яка покликана об’єднати офлайн і онлайн для наших 500 000 клієнтів. Я вважаю, що за виходом онлайн-продуктів в офлайн велике майбутнє: продавець-консультант на своєму планшеті зможе бачити всю історію взаємодії, уподобання клієнта і проблеми, з якими він стикався.

Ярослав Шкарупа, NeuCurrent: Ми пройшли шлях автоматизації з Будинок іграшок в два прийоми. Спочатку організували збір даних в одному місці. Але щоб правильно використовувати цю інформацію, знадобилася інтеграція операційного рівня, щоб всі дані були актуальні. Звідси прийшла ідея створити Retail data infrastructure – центр, до якого підключені всі системи взаємодії з клієнтом. Наприклад, на сайті є свій ідентифікатор конкретного клієнта (e-mail та ін), а в офлайн системі лояльності – свій (скажімо, номер телефону). Важливо, щоб всі ідентифікатори одночасно оновлювалися і дії клієнта оброблялися в єдиному центрі.

Після ідентифікації дії клієнта (або фіксації іншої події – наприклад, відсутність товарних залишків) визначається формат даних: де вони потрібні. Тобто, це не звичайна база даних, а живий організм, де вся інформація постійно актуалізується і передається туди, де вона потрібна.

Жодна система ERP не може вирішити всі завдання рітейлера. Тому доводиться задіяти інші програми. Звичайна інтеграція різних систем, включаючи ERP, виявляється надто дорогою і не дозволяє що-небудь швидко поміняти в уже побудованій системі. В даному випадку не потрібно окремо розробляти інтеграцію під нові завдання.

Читайте також –

Головне з RAU-вебінару “Міграція в онлайн. Нова реальність рітейлу”