A abordagem de análise de três níveis para comércio eletrônico: descritiva, preditiva e prescritiva

Dados analíticos descritivos, preditivos e prescritivos são os três pilares do desenvolvimento estável de negócios de comércio eletrônico. Você pode não usar essas definições específicas, mas certamente já usa pelo menos dois tipos desses dados para melhorar a eficiência do seu site.

Em poucas palavras, a análise descritiva é projetada para analisar dados históricos, análise preditiva – para prever o desempenho futuro e prescritiva – para desenvolver uma estratégia para o cenário previsto.

Vamos dar uma olhada em cada tipo de análise e definir para quais finalidades específicas elas são empregadas.

Dados analíticos como forma de melhorar a experiência do cliente

O objetivo global da análise é:

• identificar e melhorar os pontos fracos do negócio
• identificar e aprimorar seus pontos fortes
• identificar novas soluções eficazes e encontrar ideias sobre como implementá-las.

No comércio eletrônico, as ferramentas de análise agora podem medir todos os aspectos dos negócios: desde processos operacionais até o comportamento do cliente em um site. Mas especialmente quando se trata de experiência do cliente, a análise de dados é a ciência mais empolgante hoje. Em primeiro lugar, a razão está em uma cultura centrada no cliente que as empresas de varejo classificam como o fator mais crucial de seu sucesso (superior à gestão), de acordo com a Harvard Business Review .

A maioria das grandes empresas cria um departamento separado focado apenas na experiência digital. Por exemplo, esse departamento da ASOS tem cinco equipes: gerenciamento de produtos, experiência do usuário, insights e análises, estratégia e insights do cliente e ciência de dados. Seus algoritmos de aprendizado profundo para recomendações ou identificação de dados de valor vitalício do cliente realmente impressionam.

Apesar da lei GDPR , os dados do cliente são coletados por quase todos os sites de comércio eletrônico. 40% das empresas o usam para personalizar ou personalizar experiências, 37% para prever ou antecipar as necessidades do consumidor e 20% das empresas o utilizam para criar uma experiência omnicanal. Tudo isso está relacionado à análise prescritiva, que sempre inclui análises descritivas e preditivas.

O que é análise descritiva?

Isso é fácil de definir o termo ' Análise descritiva ' só porque vem da palavra 'Descrever'. Basicamente, são as estatísticas do seu desempenho em um período específico no passado. No comércio eletrônico, isso pode ser todos os indicadores em sua conta do Google Analytics, como taxa de conversão, taxa de cancelamento, CPC em uma campanha publicitária específica, valor médio do pedido ou o número de vendas repetidas – o que for. Ou podem ser seus dados de CRM – receita ou vendas totais em maio de 2018 e assim por diante.

A análise descritiva permite que você monitore quais de suas implementações funcionam melhor e geram mais receita, e quais demonstram resultados ruins e levam seus negócios para baixo. Assim, esse tipo de análise inclui duas etapas principais:

• Agregação de dados;
• Mineração de dados.

Algumas das finalidades para as quais você pode usar a análise descritiva:

• Examine seu público real;
• Obtenha insights sobre os padrões de comportamento do consumidor;
• Entenda a demanda geral de seus produtos e analise a demanda dentro de uma categoria/segmento/tempo específico, etc.
• Estimar a eficácia das campanhas de marketing;
• Verifique a demanda de produtos por meio da popularidade das consultas de pesquisa;
• Avalie os custos e o tempo de entrega reais.
• Compare indicadores entre diferentes períodos e assim por diante.

O software de análise moderno é projetado principalmente para análise descritiva. Com a ajuda de ferramentas de medição, você pode receber relatórios sobre quase todas as ações do cliente, não apenas em seu site, mas também em uma loja física. Por exemplo, você pode rastrear um mapa de calor com as áreas mais visualizadas na página do produto e na prateleira da loja física. No entanto, a moda está mudando e muitas ferramentas agora tentam aprimorar seus serviços com recursos de análise preditiva.

O sucesso da análise descritiva depende significativamente de sua governança de KPI. Objetivos cuidadosamente definidos e organizados são uma base sólida para análises preditivas e prescritivas mais eficientes.

O que é análise preditiva?

Todas as principais empresas de comércio eletrônico destacam as táticas preditivas como essenciais para processos de tomada de decisão, preços, remessa, marketing e personalização. Quanto a uma definição, a análise preditiva é uma análise do site atual e histórico e do desempenho de marketing, comportamento do consumidor e padrões de compra para prever tendências nas vendas e evitar riscos.

Se a análise descritiva requer habilidades para 'ler' figuras e gráficos, a análise preditiva exige um conhecimento aprofundado na interpretação desses números em uma resposta à pergunta “O que vai acontecer?”.

Os dados históricos que você conseguiu coletar e processar permitem:

• Determinar o melhor preço do mercado;
• Melhorar a UX do site;
• Personalizar promoções;
• Prever quais produtos terão demanda para cada estação;
• Prever quantos gerentes devem dar suporte aos clientes na Black Friday;
• Identificar produtos relacionados para os mais vendidos;
• Encontre ideias para testes A/B;
• Otimizar estoque;
• Aprimore suas ações em cada etapa do funil de vendas e assim por diante.

A pesquisa recente da Dresner Advisory Services mostra que apenas 23% das empresas empregam análise preditiva quando 26% das empresas nem planejam usá-la.

Você também pode estar interessado neste artigo: 9 relatórios do Google Analytics que impulsionam decisões e vendas de marketing de comércio eletrônico

O que é análise prescritiva?

A análise prescritiva, que se tornou uma palavra da moda no mundo do marketing, é a automação de suas descobertas estatísticas para simplificar suas decisões operacionais e melhorar a futura experiência de compra contínua.

Aqui vêm os algoritmos. Eles possibilitam truques de comércio eletrônico como:

• Recomendar aos visitantes o produto mais adequado em seu site, que interessou outros visitantes com padrões de comportamento semelhantes;
• Mostrar preços diferenciados aos visitantes com cheque médio alto e baixo;
• Controlar o estoque e notificá-lo quando algo estiver acabando;
• Determine o que um usuário compraria em seguida.

Em outras palavras, a terceira fase da análise de negócios permite encontrar soluções concretas para problemas existentes, previstos durante a análise de dados históricos e em tempo real.

Você também pode estar interessado neste artigo: Como analisar o comportamento de compra em seu site: 5 etapas fáceis

Você precisa do Analytics para automatizar processos demorados

O futuro da análise de comércio eletrônico se conecta às tecnologias de IA. De acordo com a Transparency Market Research, o software de análise preditiva atingiu US$ 6,5 bilhões globalmente em 2019.

Um dos softwares multifuncionais de primeira linha que funciona na junção de análises preditivas e prescritivas é o Google Cloud ML (Machine Learning) Engine. Oferece aos varejistas estas cinco soluções:

• A pesquisa visual de produtos possibilita que as lojas online integrem recursos do tipo comprimento do Google em seus aplicativos móveis. IKEA. Por exemplo, permitia que os usuários tirassem uma foto de um item doméstico para encontrá-lo ou um similar no catálogo online.

• O Recommendations AI permite que os varejistas melhorem a experiência do usuário com o sistema de recomendação de produtos, que oferece produtos personalizados com base nas preferências e gostos de um determinado cliente.

• O Contact Center AI foi projetado para criar uma experiência de atendimento moderna com reconhecimento de fala e tecnologia de pesquisa do Google

• O AutoML Table ajuda a prever a demanda do cliente.

• O gerenciamento e análise de estoque em tempo real permitem rastrear a disponibilidade de produtos em prateleiras, corredores e almoxarifado.

Outra ferramenta para análise preditiva é o software internacional de primeira linha Microsoft R Open . Técnicas adicionais podem ser utilizadas, como detecção avançada de alterações, tecnologia de núcleo e chip, etc. O serviço de análise é usado para análise de sentimento do cliente, detecção de spam e roteamento de solicitações do cliente.

A plataforma de análise prescritiva Profitect usa algoritmos que processam 7 tipos de dados:

• Movimento de estoque;
• Atividades em todos os pontos de venda;
• Entrega e recebimento;
• Logística e armazém;
• Planejamento e compra;
• Desempenho mercadológico;
• Comércio circular.

A ferramenta cria seus próprios cenários que ação tomar em diferentes situações. Por exemplo, o sistema notifica um responsável sobre um SKU que está sem estoque. Os cenários podem ser modificados para suas necessidades. A empresa promete que seu software de análise prescritiva pode ajudar os varejistas a gerar um ROI 300% melhor.

Você também pode estar interessado neste artigo: As 6 principais ferramentas de análise de comércio eletrônico para lojas online em 2019

Como os varejistas usam análises preditivas e prescritivas

Um dos estudos de caso mais populares do uso de algoritmos de análise é o modelo de ' Antecipatory Shipping ' da patente da Amazon. Ele processa dados sobre compras anteriores de clientes, frequência de pedidos, conteúdo do carrinho e histórico de pesquisa para garantir que um produto relevante seja enviado para o centro de consumo mais próximo. Este software melhora o tempo de entrega e otimiza os custos de envio, ajudando o mercado a aumentar as vendas e a experiência do cliente.

A ASOS apresentou outro exemplo de uso de software de precificação baseado em dados. O programa rastreia os preços nos sites dos concorrentes e outros dados de mercado para informar os gerentes da empresa sobre quais produtos estocar, qual preço escolher, bem como quando e quanto devem ser descontados. A varejista de moda conta que, com essa ferramenta, conseguiu aumentar suas vendas em 33% por um ano.

Conclusões

A abordagem qualitativa de três níveis em análise sempre mostra excelentes resultados no desenvolvimento de negócios de comércio eletrônico.

A análise descritiva leva a maior parte do tempo – 60% a 75% de todo o processo. Essa fase requer decisões ponderadas sobre quais dados você coletará, como e onde essas informações serão usadas e quais benefícios elas podem trazer para melhorar a experiência do cliente em seu site. Usado principalmente para relatórios, os dados históricos são uma base sólida para análises preditivas e prescritivas devido a insights sobre os padrões de compras do cliente e sua produtividade operacional.

A análise preditiva leva de 20% a 30% do processo. De acordo com os resultados, permite prever e modelar eventos futuros. Esses dados são usados ​​para aprendizado de máquina para fazer uma previsão dos gastos médios em seu público-alvo principal, custos de CPC, flutuação de preços, demanda de produtos e assim por diante.

Por fim, a análise prescritiva, que leva de 5 a 20% do processo, é projetada para encontrar soluções automatizadas para problemas previstos. Os algoritmos de BI que estão se desenvolvendo e aprimorando ativamente agora permitem que os proprietários de comércio eletrônico evitem erros humanos, delegando inúmeras atividades. Os robôs agora podem controlar grandes negócios e garantir abordagens personalizadas para cada cliente. Sem análises prescritivas, não teríamos a Amazon ou o grupo Alibaba, que divulgam a ideia de cultura centrada no consumidor, sendo formadores de tendências nesse mercado.