Trzypoziomowe podejście analityczne dla handlu elektronicznego: opisowe, predykcyjne i nakazowe

Opisowe, predykcyjne i preskryptywne dane analityczne to trzy filary stabilnego rozwoju biznesu eCommerce. Możesz nie używać tych konkretnych definicji, ale z pewnością już używasz co najmniej dwóch rodzajów tych danych, aby poprawić wydajność swojej witryny.

Krótko mówiąc, analityka opisowa jest przeznaczona do analizowania danych historycznych, analityka predykcyjna — w celu prognozowania przyszłej wydajności i nakazowa — w celu opracowania strategii dla przewidywanego scenariusza.

Przyjrzyjmy się bliżej każdemu rodzajowi analityki i określmy, do jakich konkretnych celów są one wykorzystywane.

Dane analityczne sposobem na poprawę obsługi klienta

Globalnym celem analityki jest:

• zidentyfikować i poprawić słabości biznesowe
• zidentyfikować i wzmocnić jego mocne strony
• zidentyfikować nowe skuteczne rozwiązania i znaleźć pomysły na ich wdrożenie.

W eCommerce narzędzia analityczne mogą teraz mierzyć wszystkie aspekty biznesu: od procesów operacyjnych po zachowanie klientów na stronie internetowej. Ale zwłaszcza jeśli chodzi o doświadczenia klientów, analiza danych jest dziś najbardziej ekscytującą nauką. Po pierwsze, przyczyna leży w kulturze zorientowanej na klienta, którą według Harvard Business Review firmy detaliczne są najważniejszym czynnikiem ich sukcesu (wyżej niż zarządzanie) .

Większość dużych firm tworzy osobny dział skupiony wyłącznie na doświadczeniu cyfrowym. Na przykład taki dział w ASOS ma pięć zespołów: Zarządzanie produktami, User Experience, Insights & Analytics, Customer Strategy & Insights oraz data science. Ich algorytmy głębokiego uczenia się do rekomendacji lub identyfikowania danych dotyczących wartości życiowej klienta naprawdę robią wrażenie.

Pomimo przepisów RODO , dane klientów są gromadzone przez prawie każdy serwis eCommerce. 40% firm używa go do dostosowywania lub personalizowania doświadczeń, 37% — do przewidywania lub przewidywania potrzeb konsumentów, a 20% firm używa go do tworzenia doświadczeń wielokanałowych. Wszystko to odnosi się do analizy nakazowej, która zawsze obejmuje analizę opisową i predykcyjną.

Co to jest analityka opisowa?

Łatwo jest zdefiniować termin „ Analityka opisowa ” tylko dlatego, że pochodzi od słowa „Opisać”. Zasadniczo są to statystyki dotyczące Twojej skuteczności w określonym okresie w przeszłości. W eCommerce mogą to być wszystkie wskaźniki na Twoim koncie Google Analytics, takie jak współczynnik konwersji, wskaźnik churn, CPC w ramach określonej kampanii reklamowej, średnia wartość zamówienia lub liczba powtórzonych sprzedaży – cokolwiek. Mogą to być dane CRM — przychody lub całkowita sprzedaż w maju 2018 r. i tak dalej.

Analityka opisowa pozwala monitorować, które z Twoich wdrożeń działają lepiej i generują większe przychody, a które wykazują słabe wyniki i napędzają Twój biznes w dół. Dlatego ten rodzaj analityki obejmuje dwa główne etapy:

• Agregacja danych;
• Eksploracja danych.

Niektóre z celów, dla których możesz korzystać z analiz opisowych:

• Zbadaj swoich rzeczywistych odbiorców;
• Uzyskaj wgląd w wzorce zachowań konsumentów;
• Zrozum ogólny popyt na swoje produkty i przeanalizuj popyt w określonej kategorii/segmencie/czasie itp.
• Oszacuj skuteczność kampanii marketingowych;
• Sprawdź popyt na produkty poprzez popularność zapytań wyszukiwania;
• Oceń rzeczywiste koszty i czas dostawy.
• Porównaj wskaźniki między różnymi okresami i tak dalej.

Nowoczesne oprogramowanie analityczne jest przeznaczone głównie do analiz opisowych. Za pomocą narzędzi pomiarowych możesz otrzymywać raporty o niemal każdej akcji klienta nie tylko na Twojej stronie internetowej, ale nawet w sklepie stacjonarnym. Na przykład możesz śledzić mapę popularności z najczęściej oglądanymi obszarami zarówno na stronie produktu, jak i na półce sklepowej. Jednak moda się zmienia i wiele narzędzi próbuje teraz wzbogacić swoje usługi o funkcje analizy predykcyjnej.

Sukces analityki opisowej w dużej mierze zależy od zarządzania KPI. Starannie ustalone i zaaranżowane cele stanowią solidną podstawę do dalszej efektywnej analizy predykcyjnej i preskryptywnej.

Co to jest analityka predykcyjna?

Wszystkie flagowe firmy eCommerce podkreślają taktykę predykcyjną jako obowiązkową w procesach decyzyjnych, ustalaniu cen, wysyłce, marketingu i personalizacji. Jeśli chodzi o definicję, analityka predykcyjna to analiza bieżącej i historycznej strony internetowej oraz wyników marketingowych, zachowań konsumentów i wzorców zakupowych w celu prognozowania trendów w sprzedaży i wykluczenia ryzyka.

Jeśli analityka opisowa wymaga umiejętności „czytania” liczb i wykresów, analityka predykcyjna wymaga dogłębnej wiedzy na temat interpretacji tych danych w odpowiedzi na pytanie „Co się stanie?”.

Dane historyczne, które udało Ci się zebrać i przetworzyć, pozwalają:

• Określ najlepszą cenę na rynku;
• Popraw UX strony;
• Personalizuj promocje;
• Przewiduj, które produkty będą poszukiwane w każdym sezonie;
• Prognozuj, ilu menedżerów powinno obsługiwać klientów w Czarny piątek;
• Zidentyfikuj powiązane produkty dla bestsellerów;
• Znajdź pomysły na testy A/B;
• Optymalizacja zapasów;
• Wzmacniaj swoje działania na każdym etapie lejka sprzedażowego i tak dalej.

Ostatnie badania Dresner Advisory Services pokazują, że tylko 23% firm stosuje analitykę predykcyjną, podczas gdy 26% firm nawet nie planuje jej używać.

Być może zainteresuje Cię także ten artykuł: 9 raportów Google Analytics, które pobudzają decyzje marketingowe i sprzedażowe w e-commerce

Czym są analizy nakazowe?

Analityka nakazowa, która stała się modnym hasłem w świecie marketingu, to automatyzacja wyników statystycznych w celu uproszczenia decyzji operacyjnych i poprawy przyszłych bezproblemowych zakupów.

Oto algorytmy. Umożliwiają takie sztuczki eCommerce, jak:

• Polecaj odwiedzającym najbardziej odpowiedni produkt w Twojej witrynie, który zainteresował innych odwiedzających o podobnych wzorcach zachowań;
• Pokaż różne ceny odwiedzającym z wysokim i niskim średnim czekiem;
• Kontroluj zapasy i powiadamiaj, gdy coś się kończy;
• Określ, co użytkownik kupiłby w następnej kolejności.

Innymi słowy, trzecia faza analityki biznesowej pozwala na wymyślenie konkretnych rozwiązań dla istniejących problemów, prognozowanych podczas analizy danych w czasie rzeczywistym i danych historycznych.

Może Cię również zainteresować ten artykuł: Jak analizować zachowania zakupowe na Twojej stronie: 5 prostych kroków

Potrzebujesz analityki, aby zautomatyzować czasochłonne procesy

Przyszłość analityki e-commerce łączy się z technologiami AI. Według Transparency Market Research w 2019 r. oprogramowanie do analiz predykcyjnych wyniosło 6,5 mld USD na całym świecie.

Jednym z najwyżej ocenianych wielofunkcyjnych programów, które działa na styku analiz predykcyjnych i preskryptywnych, jest silnik Google Cloud ML (Machine Learning) . Oferuje sprzedawcom te pięć rozwiązań:

• Wizualne wyszukiwanie produktów umożliwia sklepom internetowym zintegrowanie funkcji Google dotyczących długości z ich aplikacjami mobilnymi. IKEA. Na przykład umożliwiał użytkownikom zrobienie zdjęcia przedmiotu gospodarstwa domowego, aby go znaleźć lub podobnego w katalogu internetowym.

• Rekomendacje AI pozwala sprzedawcom poprawić wrażenia użytkownika dzięki systemowi rekomendacji produktów, który oferuje spersonalizowane produkty w oparciu o preferencje i gusta konkretnego klienta.

• Contact Center AI ma na celu budowanie nowoczesnej opieki dzięki rozpoznawaniu mowy i technologii wyszukiwania od Google

• Tabela AutoML pomaga przewidywać zapotrzebowanie klientów.

• Zarządzanie zapasami w czasie rzeczywistym i analityka umożliwiają śledzenie dostępności produktów na półkach, korytarzach i magazynie.

Innym narzędziem do analizy predykcyjnej jest czołowe międzynarodowe oprogramowanie Microsoft R Open . Można zastosować dodatkowe techniki, takie jak zaawansowane wykrywanie zmian, technologia typu core-and-chip itp. Usługa analityczna służy do analizy nastrojów klientów, wykrywania spamu i routingu żądań klientów.

Platforma analizy preskryptywnej Profitect wykorzystuje algorytmy przetwarzające 7 rodzajów danych:

• Ruch zapasów;
• Działania w każdym punkcie sprzedaży;
• Dostawa i odbiór;
• Logistyka i magazyn;
• Planowanie i kupowanie;
• Skuteczność marketingowa;
• Handel okrężny.

Narzędzie tworzy własne scenariusze, jakie działania podjąć w różnych sytuacjach. Na przykład system powiadamia osobę odpowiedzialną o wyczerpaniu SKU. Scenariusze można modyfikować do własnych potrzeb. Firma obiecuje, że jej oprogramowanie do analizy nakazowej może pomóc sprzedawcom w generowaniu o 300% lepszego zwrotu z inwestycji.

Możesz być również zainteresowany tym artykułem: 6 najlepszych narzędzi do analizy eCommerce dla sklepów internetowych w 2019 roku

W jaki sposób sprzedawcy detaliczni korzystają z analiz predykcyjnych i preskryptywnych

Jednym z najpopularniejszych studiów przypadku wykorzystania algorytmów analitycznych jest opatentowany przez Amazon model „ Anticipatory Shipping ”. Przetwarza dane dotyczące wcześniejszych zakupów klientów, częstotliwości ich zamówień, zawartości koszyka i historii wyszukiwania, aby zapewnić, że odpowiedni produkt zostanie wysłany do najbliższego centrum konsumenckiego. To oprogramowanie poprawia czas dostawy i optymalizuje koszty wysyłki, pomagając rynkowi zwiększyć sprzedaż i zadowolenie klientów.

ASOS przedstawił kolejny przykład wykorzystania oprogramowania do wyceny opartego na danych. Program śledzi ceny na stronach konkurencji i inne dane rynkowe, aby poinformować menedżerów firmy, jakie produkty należy przechowywać, jaką cenę wybrać, a także kiedy iw jakiej wysokości należy je przecenić. Sprzedawca mody twierdzi, że dzięki temu narzędziu udało im się zwiększyć sprzedaż o 33% przez rok.

Wnioski

Trzypoziomowe podejście jakościowe w analityce zawsze pokazuje doskonałe wyniki w rozwoju biznesu eCommerce.

Analityka opisowa zajmuje większość czasu — 60%-75% całego procesu. Ta faza wymaga przemyślanych decyzji dotyczących tego, jakie dane będziesz zbierać, jak i gdzie te informacje będą wykorzystywane oraz jakie korzyści może przynieść dla poprawy obsługi klienta w Twojej witrynie. Dane historyczne, używane głównie w raportach, stanowią solidną podstawę do analiz predykcyjnych i preskryptywnych ze względu na wgląd w wzorce zakupowe klientów i wydajność operacyjną.

Analityka predykcyjna zajmuje 20%-30% procesu. Zgodnie z ustaleniami umożliwia prognozowanie i modelowanie przyszłych zdarzeń. Te dane są wykorzystywane do uczenia maszynowego do prognozowania średnich wydatków w ramach kluczowych odbiorców, kosztów CPC, wahań cen, popytu na produkty itd.

Wreszcie analityka nakazowa, która zajmuje 5-20% procesu, ma na celu znalezienie zautomatyzowanych rozwiązań dla prognozowanych problemów. Aktywnie rozwijane i ulepszane algorytmy BI pozwalają właścicielom eCommerce unikać ludzkich błędów, delegując wiele czynności. Roboty mogą teraz kontrolować ogromne firmy i zapewniać spersonalizowane podejście do każdego klienta. Bez analityki nakazowej nie mielibyśmy Amazona ani grupy Alibaba, która propaguje ideę kultury zorientowanej na konsumenta, wyznaczając trendy na tym rynku.