Pendekatan Analisis Tiga Tingkat Untuk eCommerce: Deskriptif, Prediktif, dan Preskriptif

Data analitik deskriptif, prediktif, dan preskriptif adalah tiga pilar pengembangan bisnis eCommerce yang stabil. Anda mungkin tidak menggunakan definisi khusus ini, tetapi Anda tentu sudah menggunakan setidaknya dua jenis data ini untuk meningkatkan efisiensi situs web Anda.

Singkatnya, analitik deskriptif dirancang untuk menganalisis data historis, analitik prediktif — untuk memperkirakan kinerja masa depan, dan preskriptif — untuk mengembangkan strategi untuk skenario yang diprediksi.

Mari kita lihat lebih dekat setiap jenis analitik dan tentukan untuk tujuan spesifik apa ini digunakan.

Data analitik sebagai cara untuk meningkatkan pengalaman pelanggan

Tujuan global analitik adalah untuk:

• mengidentifikasi dan memperbaiki kelemahan bisnis
• mengidentifikasi dan meningkatkan kekuatannya
• mengidentifikasi solusi baru yang efektif dan menemukan ide tentang bagaimana menerapkannya.

Di eCommerce, alat analitik sekarang dapat mengukur semua aspek bisnis: mulai dari proses operasional hingga perilaku pelanggan di situs web. Tetapi terutama dalam hal pengalaman pelanggan, analisis data adalah ilmu yang paling menarik saat ini. Pertama-tama, alasannya terletak pada budaya yang berpusat pada pelanggan di mana perusahaan ritel menempati peringkat sebagai faktor paling penting dari kesuksesan mereka (lebih tinggi dari manajemen), menurut Harvard Business Review .

Sebagian besar perusahaan besar membuat departemen terpisah yang hanya berfokus pada pengalaman digital. Misalnya, departemen seperti itu di ASOS memiliki lima tim: Manajemen produk, Pengalaman Pengguna, Wawasan & Analisis, Strategi & Wawasan Pelanggan, dan ilmu data. Algoritme pembelajaran mendalam mereka untuk rekomendasi atau mengidentifikasi data Nilai Seumur Hidup Pelanggan benar-benar mengesankan.

Terlepas dari undang-undang GDPR , data pelanggan dikumpulkan oleh hampir setiap situs web eCommerce. 40% perusahaan menggunakannya untuk menyesuaikan atau mempersonalisasi pengalaman, 37% — untuk memprediksi atau mengantisipasi kebutuhan konsumen, dan 20% bisnis mengoperasikannya untuk menciptakan pengalaman omnichannel. Semua ini berhubungan dengan analitik preskriptif yang selalu mencakup analitik deskriptif dan prediktif.

Apa itu analitik deskriptif?

Ini mudah untuk mendefinisikan istilah ' Descriptive analytics ' hanya karena berasal dari kata 'Describe'. Pada dasarnya, ini adalah statistik kinerja Anda selama periode tertentu di masa lalu. Di eCommerce, ini mungkin semua indikator di akun Google Analytics Anda, seperti rasio konversi, rasio churn, BPK dalam kampanye iklan tertentu, nilai pesanan rata-rata, atau jumlah penjualan berulang — apa pun. Atau mungkin data CRM Anda — pendapatan atau total penjualan pada Mei 2018, dan seterusnya.

Analitik deskriptif memungkinkan Anda memantau penerapan mana yang bekerja lebih baik dan menghasilkan lebih banyak pendapatan, dan mana yang menunjukkan hasil buruk dan mendorong bisnis Anda turun. Dengan demikian, jenis analitik ini mencakup dua tahap utama:

• Agregasi data;
• Penambangan data.

Beberapa tujuan Anda dapat menggunakan analitik deskriptif:

• Periksa audiens Anda yang sebenarnya;
• Dapatkan wawasan tentang pola perilaku konsumen;
• Pahami keseluruhan permintaan untuk produk Anda dan analisis permintaan dalam kategori/segmen/waktu tertentu, dll.
• Perkirakan efektivitas kampanye pemasaran;
• Periksa permintaan produk melalui popularitas permintaan pencarian;
• Mengevaluasi biaya dan waktu pengiriman aktual.
• Bandingkan indikator antara periode yang berbeda dan sebagainya.

Perangkat lunak analitik modern sebagian besar dirancang untuk analitik deskriptif. Dengan bantuan alat ukur, Anda dapat menerima laporan tentang hampir setiap tindakan pelanggan tidak hanya di situs web Anda, tetapi bahkan di toko fisik. Misalnya, Anda dapat melacak peta panas dengan area yang paling banyak dilihat baik di halaman produk maupun rak toko fisik. Namun, mode berubah, dan banyak alat sekarang mencoba meningkatkan layanan mereka dengan fitur analitik prediktif.

Keberhasilan analitik deskriptif sangat bergantung pada tata kelola KPI Anda. Sasaran yang ditetapkan dan disusun dengan hati-hati merupakan dasar yang kuat untuk analisis prediktif dan preskriptif yang lebih efisien.

Apa itu analitik prediktif?

Semua perusahaan eCommerce unggulan menyoroti taktik prediktif sebagai keharusan untuk proses pengambilan keputusan, penetapan harga, pengiriman, pemasaran, dan personalisasi. Adapun definisi, analitik prediktif adalah analisis situs web saat ini dan historis dan kinerja pemasaran, perilaku konsumen, dan pola pembelian untuk memperkirakan tren penjualan dan mencegah risiko.

Jika analitik deskriptif membutuhkan keterampilan untuk 'membaca' angka dan bagan, analitik prediktif membutuhkan pengetahuan mendalam dalam menafsirkan angka-angka ini menjadi jawaban atas pertanyaan "Apa yang akan terjadi?".

Data historis yang berhasil Anda kumpulkan dan proses memungkinkan untuk:

• Tentukan harga terbaik di pasar;
• Tingkatkan UX situs web;
• Personalisasikan promosi;
• Memprediksi produk mana yang akan di bawah permintaan untuk setiap musim;
• Perkiraan berapa banyak manajer yang harus mendukung pelanggan pada Black Friday;
• Mengidentifikasi produk terkait untuk best-seller;
• Temukan ide untuk pengujian A/B;
• Optimalkan stok;
• Tingkatkan tindakan Anda di setiap tahap saluran penjualan dan seterusnya.

Penelitian terbaru dari Dresner Advisory Services menunjukkan bahwa hanya 23% bisnis yang menggunakan analitik prediktif ketika 26% perusahaan bahkan tidak berencana untuk menggunakannya.

Anda mungkin juga tertarik dengan artikel ini: 9 Laporan Google Analytics yang Mendorong Keputusan dan Penjualan Pemasaran E-niaga

Apa itu analitik preskriptif?

Analitik preskriptif, yang telah menjadi kata kunci di dunia pemasaran, adalah otomatisasi temuan statistik Anda untuk menyederhanakan keputusan operasional Anda dan meningkatkan pengalaman belanja tanpa batas di masa depan.

Di sini algoritma datang. Mereka memungkinkan trik eCommerce seperti:

• Merekomendasikan pengunjung produk yang paling cocok di situs web Anda, yang menarik pengunjung lain dengan pola perilaku serupa;
• Tampilkan harga yang berbeda kepada pengunjung dengan cek rata-rata tinggi dan rendah;
• Kontrol stok dan beri tahu Anda ketika ada sesuatu yang habis;
• Tentukan apa yang akan dibeli pengguna selanjutnya.

Dengan kata lain, fase ketiga analisis bisnis memungkinkan munculnya solusi konkret untuk masalah yang ada, yang diperkirakan selama analisis data real-time dan historis.

Anda mungkin juga tertarik dengan artikel ini: Cara menganalisis perilaku belanja di situs web Anda: 5 langkah mudah

Anda Membutuhkan Analisis Untuk Mengotomatiskan Proses yang Memakan Waktu

Masa depan analitik e-niaga terhubung dengan teknologi AI. Menurut Transparency Market Research, perangkat lunak analitik prediktif telah menyentuh $6,5 miliar secara global pada tahun 2019.

Salah satu perangkat lunak multifungsi peringkat teratas yang bekerja di persimpangan analitik prediktif dan preskriptif adalah Google Cloud ML (Machine Learning) Engine. Ini menawarkan pengecer lima solusi ini:

• Pencarian produk visual memungkinkan toko online untuk mengintegrasikan kemampuan tipe panjang Google ke dalam aplikasi seluler mereka. IKEA. Misalnya, memungkinkan pengguna untuk mengambil foto barang rumah tangga untuk menemukannya atau yang serupa di katalog online.

• Rekomendasi AI memungkinkan pengecer untuk meningkatkan pengalaman pengguna dengan sistem rekomendasi produk, yang menawarkan produk yang dipersonalisasi berdasarkan preferensi dan selera pelanggan tertentu.

• Contact Center AI dirancang untuk membangun pengalaman perawatan modern dengan pengenalan suara dan teknologi pencarian dari Google

• Tabel AutoML membantu memprediksi permintaan pelanggan.

• Manajemen Inventaris dan Analisis Waktu Nyata memungkinkan pelacakan ketersediaan produk di seluruh rak, lorong, dan ruang penyimpanan.

Alat lain untuk analisis prediktif adalah perangkat lunak internasional peringkat teratas Microsoft R Open . Teknik tambahan dapat diterapkan, seperti deteksi perubahan tingkat lanjut, teknologi inti dan chip, dll. Layanan analitik digunakan untuk analisis sentimen pelanggan, deteksi spam, dan perutean permintaan pelanggan.

Platform analisis preskriptif Profitect menggunakan algoritme yang memproses 7 jenis data:

• Pergerakan inventaris;
• Kegiatan di setiap titik penjualan;
• Pengiriman dan penerimaan;
• Logistik dan gudang;
• Perencanaan dan pembelian;
• kinerja pemasaran;
• Perdagangan melingkar.

Alat ini menciptakan skenarionya sendiri tindakan apa yang harus diambil dalam situasi yang berbeda. Misalnya, sistem memberi tahu orang yang bertanggung jawab tentang SKU yang kehabisan stok. Skenario dapat dimodifikasi untuk kebutuhan Anda. Perusahaan berjanji bahwa perangkat lunak analitik preskriptif mereka dapat membantu pengecer menghasilkan ROI 300% lebih baik.

Anda mungkin juga tertarik dengan artikel ini: 6 Alat Analisis eCommerce Teratas Untuk Toko Online Di 2019

Bagaimana Pengecer Menggunakan Analisis Prediktif Dan Preskriptif

Salah satu studi kasus paling populer tentang penggunaan algoritme analitik adalah model ' Anticipatory Shipping ' paten Amazon. Ini memproses data tentang pembelian pelanggan sebelumnya, frekuensi pesanan mereka, isi keranjang, dan riwayat pencarian untuk memastikan produk yang relevan akan dikirim ke pusat konsumen terdekat. Perangkat lunak ini meningkatkan waktu pengiriman dan mengoptimalkan biaya pengiriman, membantu pasar meningkatkan penjualan dan pengalaman pelanggan.

ASOS menyajikan contoh lain penggunaan perangkat lunak penetapan harga berbasis data. Program ini melacak harga di situs web pesaing dan data pasar lainnya untuk memberi tahu manajer perusahaan tentang produk apa yang akan disimpan, harga apa yang harus dipilih, serta kapan dan berapa banyak yang harus didiskon. Peritel fashion tersebut mengatakan bahwa dengan alat ini, mereka berhasil meningkatkan penjualan mereka sebesar 33% selama setahun.

Kesimpulan

Pendekatan kualitatif tiga tingkat dalam analitik selalu menunjukkan hasil yang sangat baik dalam pengembangan bisnis eCommerce.

Analisis deskriptif membutuhkan sebagian besar waktu — 60%-75% dari keseluruhan proses. Fase ini membutuhkan keputusan yang bijaksana untuk data apa yang akan Anda kumpulkan, bagaimana dan di mana informasi ini akan digunakan, dan manfaat apa yang dapat dibawanya untuk meningkatkan pengalaman pelanggan di situs web Anda. Sebagian besar digunakan untuk laporan, data historis adalah dasar yang kuat untuk analitik prediktif dan preskriptif karena wawasan tentang pola belanja pelanggan dan produktivitas operasional Anda.

Analisis prediktif membutuhkan 20% -30% dari proses. Menurut temuan, memungkinkan peramalan dan model peristiwa masa depan. Data ini digunakan untuk pembelajaran mesin untuk membuat prediksi pembelanjaan rata-rata dalam audiens utama Anda, biaya BPK, fluktuasi harga, permintaan produk, dan sebagainya.

Terakhir, analitik preskriptif, yang membutuhkan 5-20% proses, dirancang untuk menemukan solusi otomatis untuk masalah yang diperkirakan. Algoritme BI yang secara aktif dikembangkan dan ditingkatkan sekarang memungkinkan pemilik eCommerce untuk menghindari kesalahan manusia, mendelegasikan banyak aktivitas. Robot sekarang dapat mengontrol bisnis besar dan memastikan pendekatan yang dipersonalisasi untuk setiap pelanggan. Tanpa analitik preskriptif, kami tidak akan memiliki Amazon atau grup Alibaba, yang menyebarkan gagasan budaya yang berpusat pada konsumen, menjadi penentu tren di pasar ini.