Трехуровневый аналитический подход к электронной коммерции: описательный, прогнозный и предписывающий

Данные описательной, предиктивной и предписывающей аналитики — это три столпа стабильного развития бизнеса электронной коммерции. Вы можете не использовать эти конкретные определения, но вы, безусловно, уже используете по крайней мере два типа этих данных для повышения эффективности вашего веб-сайта.

В двух словах, описательная аналитика предназначена для анализа исторических данных, предиктивная аналитика — для прогнозирования будущих результатов, а предписывающая — для разработки стратегии по прогнозируемому сценарию.

Давайте подробнее рассмотрим каждый тип аналитики и определим, для каких конкретных целей они используются.

Аналитические данные как способ улучшить клиентский опыт

Глобальная цель аналитики состоит в том, чтобы:

• выявление и устранение слабых сторон бизнеса
• выявить и усилить свои сильные стороны
• выявлять новые эффективные решения и находить идеи по их реализации.

В электронной коммерции инструменты аналитики теперь могут измерять все аспекты бизнеса: от операционных процессов до поведения клиентов на веб-сайте. Но особенно когда речь идет об опыте работы с клиентами, анализ данных — самая захватывающая наука сегодня. Прежде всего, причина кроется в клиентоориентированной культуре, которую розничные компании считают наиболее важным фактором своего успеха (выше, чем менеджмент), согласно Harvard Business Review .

Большинство крупных компаний создают отдельный отдел, ориентированный только на цифровой опыт. Например, такой отдел в ASOS состоит из пяти команд: управление продуктом, взаимодействие с пользователем, понимание и аналитика, стратегия и понимание клиентов и наука о данных. Их алгоритмы глубокого обучения для рекомендаций или определения данных о пожизненной ценности клиента действительно впечатляют.

Несмотря на закон о GDPR , данные о клиентах собираются почти каждым веб-сайтом электронной коммерции. 40% компаний используют его для настройки или персонализации опыта, 37% — для прогнозирования или предвосхищения потребностей потребителей, а 20% бизнеса используют его для создания омниканального опыта. Все это относится к предписывающей аналитике, которая всегда включает в себя описательную и прогнозную аналитику.

Что такое описательная аналитика?

Легко определить термин « дескриптивная аналитика » только потому, что он происходит от слова «описывать». По сути, это статистика вашей работы за определенный период в прошлом. В электронной коммерции это могут быть все показатели в вашем аккаунте Google Analytics, такие как коэффициент конверсии, коэффициент оттока, цена за клик в рамках конкретной рекламной кампании, средняя стоимость заказа или количество повторных продаж — что угодно. Или это могут быть данные вашей CRM — выручка или общий объем продаж в мае 2018 года и так далее.

Описательная аналитика позволяет отслеживать, какие из ваших внедрений работают лучше и приносят больший доход, а какие демонстрируют плохие результаты и ведут к упадку вашего бизнеса. Таким образом, данный вид аналитики включает в себя два основных этапа:

• Агрегация данных;
• Сбор данных.

Некоторые из целей, для которых вы можете использовать описательную аналитику:

• Изучите свою фактическую аудиторию;
• Получите представление о моделях поведения потребителей;
• Поймите общий спрос на ваши продукты и проанализируйте спрос в рамках определенной категории/сегмента/времени и т. д.
• Оценивать эффективность маркетинговых кампаний;
• Проверить спрос на товары по популярности поисковых запросов;
• Оцените фактическую стоимость и время доставки.
• Сравните показатели между разными периодами и так далее.

Современное аналитическое программное обеспечение в основном предназначено для описательной аналитики. С помощью измерительных инструментов вы можете получать отчеты практически о каждом действии покупателя не только на своем сайте, но даже в обычном магазине. Например, вы можете отслеживать тепловую карту с наиболее просматриваемыми областями как на странице продукта, так и на физической полке магазина. Однако мода меняется, и теперь многие инструменты пытаются улучшить свои услуги с помощью функций предиктивной аналитики.

Успех описательной аналитики в значительной степени зависит от управления вашими ключевыми показателями эффективности. Тщательно поставленные и организованные цели являются прочной основой для дальнейшей эффективной предиктивной и предписывающей аналитики.

Что такое прогнозная аналитика?

Все ведущие компании электронной коммерции подчеркивают, что тактика прогнозирования необходима для процессов принятия решений, ценообразования, доставки, маркетинга и персонализации. Что касается определения, прогнозная аналитика — это анализ текущей и исторической эффективности веб-сайта и маркетинга, поведения потребителей и моделей покупок для прогнозирования тенденций продаж и предотвращения рисков.

Если описательная аналитика требует навыков «чтения» цифр и диаграмм, то прогнозная аналитика требует глубоких знаний для интерпретации этих цифр в ответ на вопрос «Что произойдет?».

Исторические данные, которые вам удалось собрать и обработать, позволяют:

• Определить лучшую цену на рынке;
• Улучшить UX сайта;
• персонализировать акции;
• Прогнозировать, какие товары будут пользоваться спросом в каждый сезон;
• Прогнозировать, сколько менеджеров должно поддерживать клиентов в Черную пятницу;
• Определить сопутствующие товары для бестселлеров;
• Найдите идеи для A/B-тестирования;
• Оптимизировать акции;
• Улучшайте свои действия на каждом этапе воронки продаж и так далее.

Недавнее исследование Dresner Advisory Services показывает, что только 23% предприятий используют прогнозную аналитику, тогда как 26% ​​компаний даже не планируют ее использовать.

Вам также может быть интересна эта статья: 9 отчетов Google Analytics, которые способствуют принятию маркетинговых решений и продажам в электронной торговле.

Что такое прескриптивная аналитика?

Предписывающая аналитика, которая стала модным словом в мире маркетинга, представляет собой автоматизацию ваших статистических данных, чтобы упростить ваши оперативные решения и улучшить будущие беспроблемные покупки.

Вот и приходят алгоритмы. Они делают возможными такие приемы электронной коммерции, как:

• Рекомендовать посетителям наиболее подходящий товар на вашем сайте, который заинтересовал других посетителей со схожими моделями поведения;
• Показывать разные цены посетителям с высоким и низким средним чеком;
• Контролируйте запасы и уведомляйте вас, когда что-то заканчивается;
• Определите, что пользователь купит в следующий раз.

Другими словами, третий этап бизнес-аналитики позволяет найти конкретные решения для существующих проблем, прогнозируемых в ходе анализа данных в реальном времени и исторических данных.

Вам также может быть интересна эта статья: Как проанализировать покупательское поведение на вашем сайте: 5 простых шагов

Вам нужна аналитика для автоматизации трудоемких процессов

Будущее аналитики электронной коммерции связано с технологиями искусственного интеллекта. По данным Transparency Market Research, в 2019 году стоимость программного обеспечения для прогнозной аналитики во всем мире достигла 6,5 млрд долларов.

Google Cloud ML (Machine Learning) Engine — одно из лучших многофункциональных программ, которое работает на стыке прогнозной и предписывающей аналитики . Он предлагает ритейлерам следующие пять решений:

• Визуальный поиск товаров позволяет интернет-магазинам интегрировать возможности Google в свои мобильные приложения. ИКЕА. Например, пользователи могли сфотографировать предмет домашнего обихода, чтобы найти его или аналогичный в онлайн-каталоге.

• Рекомендации ИИ позволяют ритейлерам улучшить взаимодействие с пользователем с помощью системы рекомендаций по продуктам, которая предлагает персонализированные продукты на основе предпочтений и вкусов конкретного покупателя.

• Искусственный интеллект контакт-центра предназначен для создания современного опыта ухода за больными с помощью технологий распознавания речи и поиска от Google.

• Таблица AutoML помогает предсказывать потребительский спрос.

• Управление запасами и аналитика в режиме реального времени позволяют отслеживать наличие продуктов на полках, в проходах и на складах.

Еще одним инструментом предиктивного анализа является топовое международное программное обеспечение Microsoft R Open . Могут быть задействованы дополнительные методы, такие как расширенное обнаружение изменений, технология «ядро-и-чип» и т. д. Служба аналитики используется для анализа настроений клиентов, обнаружения спама и маршрутизации запросов клиентов.

Платформа предписывающей аналитики Profitect использует алгоритмы, обрабатывающие 7 типов данных:

• Движение запасов;
• Действия в каждой точке продаж;
• Доставка и получение;
• Логистика и склад;
• Планирование и покупка;
• Маркетинговая эффективность;
• Круговая торговля.

Инструмент создает свои собственные сценарии, какие действия предпринять в различных ситуациях. Например, система уведомляет ответственное лицо о том, что артикул закончился. Сценарии могут быть изменены для ваших нужд. Компания обещает, что их предписывающее аналитическое программное обеспечение может помочь ритейлерам повысить рентабельность инвестиций на 300%.

Вам также может быть интересна эта статья: 6 лучших инструментов аналитики электронной коммерции для интернет-магазинов в 2019 году.

Как ритейлеры используют предиктивную и предписывающую аналитику

Одним из самых популярных примеров использования алгоритмов аналитики является патентная модель Amazon « Упреждающая доставка ». Он обрабатывает данные о предыдущих покупках клиентов, частоте их заказов, содержимом корзины и истории поиска, чтобы обеспечить доставку соответствующего продукта в ближайший потребительский центр. Это программное обеспечение сокращает время доставки и оптимизирует стоимость доставки, помогая рынку увеличить продажи и качество обслуживания клиентов.

ASOS представила еще один пример использования программного обеспечения для ценообразования на основе данных. Программа отслеживает цены на сайтах конкурентов и другую рыночную информацию, чтобы информировать менеджеров компании о том, какие продукты хранить, по какой цене выбирать, а также когда и насколько на них следует делать скидки. Ритейлер модной одежды говорит, что с помощью этого инструмента им удалось увеличить свои продажи на 33% за год.

Выводы

Трехуровневый качественный подход в аналитике всегда показывает отличные результаты в развитии бизнеса электронной коммерции.

Описательная аналитика занимает большую часть времени — 60-75% всего процесса. Этот этап требует обдуманных решений относительно того, какие данные вы будете собирать, как и где эта информация будет использоваться, и какую пользу она может принести для улучшения качества обслуживания клиентов на вашем веб-сайте. Исторические данные, которые в основном используются для отчетов, являются прочной основой для предиктивной и предписывающей аналитики благодаря пониманию покупательских моделей клиентов и вашей операционной производительности.

Предиктивная аналитика занимает 20-30% всего процесса. Согласно выводам, это позволяет прогнозировать и моделировать будущие события. Эти данные используются для машинного обучения, чтобы прогнозировать средние расходы в рамках вашей ключевой аудитории, стоимость CPC, колебания цен, спрос на продукт и т. д.

Наконец, предписывающая аналитика, занимающая 5-20% всего процесса, предназначена для поиска автоматизированных решений прогнозируемых проблем. Алгоритмы BI, которые активно развиваются и совершенствуются, теперь позволяют владельцам интернет-магазинов избегать человеческих ошибок, делегируя многочисленные действия. Роботы теперь могут контролировать огромные предприятия и обеспечивать индивидуальный подход к каждому клиенту. Без предписывающей аналитики у нас не было бы Amazon или группы Alibaba, которые пропагандируют идею ориентированной на потребителя культуры и являются законодателями мод на этом рынке.