แนวทางการวิเคราะห์สามระดับสำหรับอีคอมเมิร์ซ: เชิงพรรณนา ทำนายและกำหนด

ข้อมูลวิเคราะห์เชิงพรรณนา คาดการณ์ และกำหนดเป็นสามเสาหลักของการพัฒนาธุรกิจอีคอมเมิร์ซที่มีเสถียรภาพ คุณอาจไม่ได้ใช้คำจำกัดความเฉพาะเหล่านี้ แต่แน่นอนว่าคุณใช้ข้อมูลนี้อย่างน้อยสองประเภทเพื่อปรับปรุงประสิทธิภาพเว็บไซต์ของคุณ

โดยสรุป การวิเคราะห์เชิงพรรณนาได้รับการออกแบบมาเพื่อวิเคราะห์ข้อมูลในอดีต การวิเคราะห์เชิงคาดการณ์ เพื่อคาดการณ์ประสิทธิภาพในอนาคต และกำหนดไว้ล่วงหน้า เพื่อพัฒนากลยุทธ์สำหรับสถานการณ์สมมติที่คาดการณ์ไว้

มาดูการวิเคราะห์แต่ละประเภทให้ละเอียดยิ่งขึ้นและกำหนดวัตถุประสงค์เฉพาะของการวิเคราะห์เหล่านี้

ข้อมูลวิเคราะห์เป็นวิธีการปรับปรุงประสบการณ์ของลูกค้า

เป้าหมายระดับโลกของการวิเคราะห์คือ:

• ระบุและปรับปรุงจุดอ่อนของธุรกิจ
• ระบุและเพิ่มจุดแข็งของมัน
• ระบุโซลูชันที่มีประสิทธิภาพใหม่และค้นหาแนวคิดในการนำไปใช้

ในอีคอมเมิร์ซ เครื่องมือวิเคราะห์สามารถวัดทุกแง่มุมของธุรกิจ ตั้งแต่กระบวนการปฏิบัติงานไปจนถึงพฤติกรรมของลูกค้าบนเว็บไซต์ แต่โดยเฉพาะอย่างยิ่งเมื่อพูดถึงประสบการณ์ของลูกค้า การวิเคราะห์ข้อมูลเป็นวิทยาศาสตร์ที่น่าตื่นเต้นที่สุดในปัจจุบัน ประการแรก เหตุผลอยู่ในวัฒนธรรมที่ยึดลูกค้าเป็นศูนย์กลาง ซึ่งบริษัทค้าปลีกได้รับการจัดอันดับให้เป็นปัจจัยที่สำคัญที่สุดในความสำเร็จของพวกเขา (สูงกว่าการจัดการ) ตามรายงานของ Harvard Business Review

บริษัทขนาดใหญ่ส่วนใหญ่สร้างแผนกแยกต่างหากที่เน้นเฉพาะประสบการณ์ดิจิทัล ตัวอย่างเช่น แผนกดังกล่าวที่ ASOS มีห้าทีม: การจัดการผลิตภัณฑ์, ประสบการณ์ผู้ใช้, Insights & Analytics, กลยุทธ์ลูกค้า & Insights และวิทยาศาสตร์ข้อมูล อัลกอริธึมการเรียนรู้เชิงลึกสำหรับคำแนะนำหรือการระบุข้อมูลมูลค่าตลอดช่วงชีวิตของลูกค้าสร้างความประทับใจอย่างมาก

แม้จะมี กฎหมาย GDPR ข้อมูลลูกค้าจะถูกรวบรวมโดยเว็บไซต์อีคอมเมิร์ซเกือบทุกแห่ง บริษัท 40% ใช้เพื่อปรับแต่งหรือปรับแต่งประสบการณ์ 37% — เพื่อคาดการณ์หรือคาดการณ์ความต้องการของผู้บริโภค และ 20% ของธุรกิจดำเนินการเพื่อสร้างประสบการณ์แบบ Omnichannel ทั้งหมดนี้เกี่ยวข้องกับการวิเคราะห์เชิงกำหนดซึ่งรวมถึงการวิเคราะห์เชิงพรรณนาและการวิเคราะห์เชิงคาดการณ์เสมอ

การวิเคราะห์เชิงพรรณนาคืออะไร?

นี่เป็นเรื่องง่ายที่จะกำหนดคำว่า ' การวิเคราะห์เชิงพรรณนา ' เพียงเพราะมันมาจากคำว่า 'อธิบาย' โดยพื้นฐานแล้ว นี่ คือสถิติประสิทธิภาพของคุณในช่วงเวลาหนึ่งในอดีต ในอีคอมเมิร์ซ นี่อาจเป็นตัวบ่งชี้ทั้งหมดในบัญชี Google Analytics ของคุณ เช่น อัตราการแปลง อัตราการเลิกใช้งาน CPC ภายในแคมเปญโฆษณาเฉพาะ มูลค่าการสั่งซื้อเฉลี่ย หรือจำนวนการขายซ้ำ — อะไรก็ตาม หรืออาจเป็นข้อมูล CRM ของคุณ — รายได้หรือยอดขายทั้งหมดในเดือนพฤษภาคม 2018 เป็นต้น

การวิเคราะห์เชิงพรรณนาช่วยให้คุณตรวจสอบได้ว่าการใช้งานแบบใดทำงานได้ดีกว่าและสร้างรายได้มากกว่า และแสดงผลลัพธ์ที่ไม่ดีและทำให้ธุรกิจของคุณตกต่ำ ดังนั้น การวิเคราะห์ประเภทนี้จึงมีสองขั้นตอนหลัก:

• การรวมข้อมูล;
• การทำเหมืองข้อมูล

วัตถุประสงค์บางประการที่คุณสามารถใช้การวิเคราะห์เชิงพรรณนาได้:

• ตรวจสอบผู้ชมจริงของคุณ
• รับข้อมูลเชิงลึกเกี่ยวกับรูปแบบพฤติกรรมผู้บริโภค
• ทำความเข้าใจความต้องการโดยรวมสำหรับผลิตภัณฑ์ของคุณและวิเคราะห์ความต้องการภายในหมวดหมู่/กลุ่ม/เวลาที่เฉพาะเจาะจง เป็นต้น
• ประเมินประสิทธิภาพของแคมเปญการตลาด
• ตรวจสอบความต้องการสินค้าผ่านคำค้นหาที่นิยม;
• ประเมินต้นทุนและเวลาการส่งมอบจริง
• เปรียบเทียบตัวชี้วัดระหว่างช่วงเวลาต่างๆ เป็นต้น

ซอฟต์แวร์การวิเคราะห์ สมัยใหม่ ได้รับการออกแบบมาสำหรับการวิเคราะห์เชิงพรรณนาเป็นส่วนใหญ่ ด้วยความช่วยเหลือของเครื่องมือวัด คุณสามารถรับรายงานเกี่ยวกับการดำเนินการของลูกค้าเกือบทั้งหมด ไม่เพียงแต่บนเว็บไซต์ของคุณเท่านั้น แต่ยังรวมถึงในร้านค้าจริงด้วย ตัวอย่างเช่น คุณสามารถติดตามแผนที่ความหนาแน่นที่มีพื้นที่ดูมากที่สุดทั้งบนหน้าผลิตภัณฑ์และหน้าร้านจริง อย่างไรก็ตาม แฟชั่นกำลังเปลี่ยนแปลง และตอนนี้เครื่องมือมากมายพยายามปรับปรุงบริการของตนด้วยคุณสมบัติการวิเคราะห์เชิงคาดการณ์

ความสำเร็จของการวิเคราะห์เชิงพรรณนาขึ้นอยู่กับการกำกับดูแล KPI ของคุณเป็นอย่างมาก กำหนดเป้าหมายและตั้งเป้าหมายอย่างรอบคอบเป็นพื้นฐานที่มั่นคงสำหรับการวิเคราะห์เชิงคาดการณ์และเชิงกำหนดที่มีประสิทธิภาพต่อไป

การวิเคราะห์เชิงคาดการณ์คืออะไร?

บริษัทอีคอมเมิร์ซชั้นนำทั้งหมดเน้นกลยุทธ์การคาดการณ์ที่จำเป็นสำหรับกระบวนการตัดสินใจ การกำหนดราคา การจัดส่ง การตลาด และการปรับเปลี่ยนในแบบของคุณ สำหรับคำจำกัดความ การวิเคราะห์เชิงคาดการณ์คือการวิเคราะห์เว็บไซต์และประสิทธิภาพการตลาดในปัจจุบันและในอดีต พฤติกรรมผู้บริโภค และรูปแบบการซื้อเพื่อคาดการณ์แนวโน้มในการขายและป้องกันความเสี่ยง

หากการวิเคราะห์เชิงพรรณนาต้องใช้ทักษะในการ 'อ่าน' ตัวเลขและแผนภูมิ การวิเคราะห์เชิงคาดการณ์ต้องใช้ความรู้เชิงลึกในการตีความตัวเลขเหล่านี้เป็นคำตอบสำหรับคำถามว่า "จะเกิดอะไรขึ้น"

ข้อมูลประวัติที่คุณจัดการเพื่อรวบรวมและประมวลผลช่วยให้:

• กำหนดราคาที่ดีที่สุดในตลาด
• ปรับปรุง UX ของเว็บไซต์;
• ปรับแต่งโปรโมชั่น;
• ทำนายว่าสินค้าใดจะมีความต้องการในแต่ละฤดูกาล
• คาดการณ์จำนวนผู้จัดการควรสนับสนุนลูกค้าในวัน Black Friday;
• ระบุผลิตภัณฑ์ที่เกี่ยวข้องสำหรับสินค้าขายดี
• ค้นหาแนวคิดสำหรับการทดสอบ A/B
• ปรับสต็อกให้เหมาะสม;
• ปรับปรุงการดำเนินการของคุณในแต่ละขั้นตอนของกระบวนการขาย เป็นต้น

การวิจัยล่าสุดจาก Dresner Advisory Services แสดงให้เห็นว่ามีเพียง 23% ของธุรกิจที่ใช้การวิเคราะห์เชิงคาดการณ์เมื่อ 26% ของบริษัทไม่ได้วางแผนที่จะใช้

คุณอาจสนใจบทความนี้: 9 รายงานของ Google Analytics ที่ขับเคลื่อนการตัดสินใจและการขายด้านการตลาดอีคอมเมิร์ซ

การวิเคราะห์เชิงกำหนดคืออะไร?

การวิเคราะห์เชิงกำหนดซึ่งกลายเป็นคำศัพท์ในโลกการตลาดเป็นระบบอัตโนมัติของการค้นหาทางสถิติของคุณ เพื่อทำให้การตัดสินใจในการดำเนินงานของคุณง่ายขึ้นและปรับปรุงประสบการณ์การช็อปปิ้งที่ราบรื่นในอนาคต

อัลกอริทึมมา พวกเขาทำให้เทคนิคอีคอมเมิร์ซเป็นไปได้เช่น:

• แนะนำผู้เข้าชมผลิตภัณฑ์ที่เหมาะสมที่สุดบนเว็บไซต์ของคุณ ซึ่งสนใจผู้เข้าชมรายอื่นที่มีรูปแบบพฤติกรรมคล้ายคลึงกัน
• แสดงราคาที่แตกต่างกันแก่ผู้เข้าชมที่มีเช็คเฉลี่ยสูงและต่ำ
• ควบคุมสต็อกและแจ้งให้คุณทราบเมื่อมีสินค้าหมด
• กำหนดสิ่งที่ผู้ใช้จะซื้อต่อไป

กล่าวอีกนัยหนึ่ง การวิเคราะห์ธุรกิจระยะที่สามช่วยให้สามารถหาวิธีแก้ปัญหาที่เป็นรูปธรรมสำหรับปัญหาที่มีอยู่ โดยคาดการณ์ระหว่างการวิเคราะห์ข้อมูลแบบเรียลไทม์และในอดีต

คุณอาจสนใจบทความนี้: วิธีวิเคราะห์พฤติกรรมการช็อปปิ้งบนเว็บไซต์ของคุณ: 5 ขั้นตอนง่ายๆ

คุณต้องการการวิเคราะห์เพื่อทำให้กระบวนการที่สิ้นเปลืองเวลาเป็นไปโดยอัตโนมัติ

อนาคตของการวิเคราะห์อีคอมเมิร์ซเชื่อมต่อกับเทคโนโลยี AI จากการวิจัยตลาดเพื่อความโปร่งใส ซอฟต์แวร์วิเคราะห์เชิงคาดการณ์ได้แตะ 6.5 พันล้านดอลลาร์ทั่วโลกในปี 2019

หนึ่งในซอฟต์แวร์มัลติฟังก์ชั่นอันดับต้น ๆ ซึ่งทำงานที่จุดเชื่อมต่อของการวิเคราะห์เชิงคาดการณ์และเชิงกำหนดคือ Google Cloud ML (Machine Learning) Engine ให้บริการผู้ค้าปลีกห้าโซลูชั่นเหล่านี้:

• การค้นหา ผลิตภัณฑ์ด้วยภาพ ทำให้ร้านค้าออนไลน์สามารถรวมความสามารถด้านความยาวของ Google เข้ากับแอปบนอุปกรณ์เคลื่อนที่ได้ อิเกีย. ตัวอย่างเช่น อนุญาตให้ผู้ใช้ถ่ายภาพของใช้ในครัวเรือนเพื่อค้นหาหรือที่คล้ายกันในแคตตาล็อกออนไลน์

• AI การแนะนำ ช่วยให้ผู้ค้าปลีกปรับปรุงประสบการณ์ผู้ใช้ด้วยระบบแนะนำผลิตภัณฑ์ ซึ่งนำเสนอผลิตภัณฑ์ส่วนบุคคลตามความชอบและรสนิยมของลูกค้าเฉพาะราย

• Contact Center AI ออกแบบมาเพื่อสร้างประสบการณ์การดูแลที่ทันสมัยด้วยการรู้จำคำพูดและเทคโนโลยีการค้นหาจาก Google

• ตาราง AutoML ช่วยคาดการณ์ความต้องการของลูกค้า

• การจัดการสินค้าคงคลังแบบเรียลไทม์และการวิเคราะห์ ช่วยให้สามารถติดตามความพร้อมใช้งานของผลิตภัณฑ์ในชั้นวาง ทางเดิน และห้องเก็บสินค้า

เครื่องมืออื่นสำหรับการวิเคราะห์เชิงคาดการณ์คือซอฟต์แวร์ระดับสากล Microsoft R Open สามารถใช้เทคนิคเพิ่มเติมได้ เช่น การตรวจจับการเปลี่ยนแปลงขั้นสูง เทคโนโลยีคอร์และชิป ฯลฯ บริการวิเคราะห์ใช้สำหรับการวิเคราะห์ความคิดเห็นของลูกค้า การตรวจจับสแปม และการกำหนดเส้นทางคำขอของลูกค้า

แพลตฟอร์มการวิเคราะห์เชิงกำหนดของ Profitect ใช้อัลกอริธึมที่ประมวลผลข้อมูล 7 ประเภท:

• การเคลื่อนไหวของสินค้าคงคลัง
• กิจกรรม ณ จุดขายทุกแห่ง
• การส่งมอบและรับ;
• โลจิสติกส์และคลังสินค้า
• การวางแผนและการซื้อ
• ประสิทธิภาพทางการตลาด
• การค้าแบบวงกลม

เครื่องมือสร้างสถานการณ์ของตัวเองว่าต้องทำอะไรในสถานการณ์ต่างๆ ตัวอย่างเช่น ระบบจะแจ้งผู้รับผิดชอบเกี่ยวกับ SKU ที่หมดสต็อก สถานการณ์สามารถปรับเปลี่ยนได้ตามความต้องการของคุณ บริษัท สัญญาว่าซอฟต์แวร์วิเคราะห์ที่กำหนดล่วงหน้าจะช่วยให้ผู้ค้าปลีกสร้าง ROI ได้ดีขึ้นถึง 300%

คุณอาจสนใจบทความนี้: เครื่องมือวิเคราะห์อีคอมเมิร์ซ 6 อันดับแรกสำหรับร้านค้าออนไลน์ในปี 2019

วิธีที่ผู้ค้าปลีกใช้การวิเคราะห์เชิงคาดการณ์และเชิงกำหนด

กรณีศึกษาที่ได้รับความนิยมมากที่สุดกรณีหนึ่งเกี่ยวกับการใช้อัลกอริธึมการวิเคราะห์คือ โมเดล 'การ จัดส่งล่วงหน้า ' สิทธิบัตรของ Amazon มันประมวลผลข้อมูลเกี่ยวกับการซื้อของลูกค้าก่อนหน้านี้ ความถี่ในการสั่งซื้อ เนื้อหาในรถเข็น และประวัติการค้นหาเพื่อให้แน่ใจว่าผลิตภัณฑ์ที่เกี่ยวข้องจะถูกส่งไปยังศูนย์กลางผู้บริโภคที่ใกล้ที่สุด ซอฟต์แวร์นี้ช่วยปรับปรุงเวลาในการจัดส่งและปรับต้นทุนการจัดส่งให้เหมาะสม ช่วยให้ตลาดเพิ่มยอดขายและประสบการณ์ของลูกค้า

ASOS นำเสนออีกตัวอย่างหนึ่งของการใช้ซอฟต์แวร์การกำหนดราคาตามข้อมูล โปรแกรมติดตามราคาบนเว็บไซต์ของคู่แข่งและข้อมูลการตลาดอื่นๆ เพื่อแจ้งให้ผู้จัดการบริษัททราบเกี่ยวกับผลิตภัณฑ์ที่จะสต็อก ราคาใดที่ควรเลือก รวมถึงเวลาและจำนวนเงินที่ควรลดราคา ผู้ค้าปลีกแฟชั่นกล่าวว่าด้วยเครื่องมือนี้ พวกเขาสามารถเพิ่มยอดขายได้ถึง 33% ต่อปี

บทสรุป

แนวทางเชิงคุณภาพสามระดับในการวิเคราะห์มักแสดงผลลัพธ์ที่ยอดเยี่ยมในการพัฒนาธุรกิจอีคอมเมิร์ซเสมอ

การวิเคราะห์เชิงพรรณนาใช้เวลาส่วนใหญ่ — 60%-75% ของกระบวนการทั้งหมด ระยะนี้ต้องใช้การตัดสินใจอย่างรอบคอบสำหรับข้อมูลที่คุณจะเก็บรวบรวม ข้อมูลนี้จะถูกนำไปใช้อย่างไรและที่ไหน และมีประโยชน์อะไรบ้างในการปรับปรุงประสบการณ์ของลูกค้าบนเว็บไซต์ของคุณ ส่วนใหญ่ใช้สำหรับรายงาน ข้อมูลในอดีตเป็นพื้นฐานที่มั่นคงสำหรับการวิเคราะห์เชิงคาดการณ์และเชิงกำหนด เนื่องจากข้อมูลเชิงลึกเกี่ยวกับรูปแบบการซื้อของลูกค้าและประสิทธิภาพการทำงานของคุณ

การวิเคราะห์เชิงคาดการณ์ใช้เวลา 20%-30% ของกระบวนการ จากผลการวิจัยพบว่าช่วยให้คาดการณ์และจำลองเหตุการณ์ในอนาคตได้ ข้อมูลนี้ใช้สำหรับแมชชีนเลิร์นนิงเพื่อคาดการณ์การใช้จ่ายเฉลี่ยภายในกลุ่มเป้าหมายหลัก ต้นทุน CPC ความผันผวนของราคา ความต้องการผลิตภัณฑ์ และอื่นๆ

สุดท้าย การวิเคราะห์แบบกำหนดล่วงหน้าซึ่งใช้กระบวนการ 5-20% ได้รับการออกแบบมาเพื่อค้นหาโซลูชันอัตโนมัติสำหรับปัญหาที่คาดการณ์ไว้ อัลกอริธึม BI ที่กำลังพัฒนาและปรับปรุงอยู่ในขณะนี้ ช่วยให้เจ้าของอีคอมเมิร์ซสามารถหลีกเลี่ยงความผิดพลาดของมนุษย์ได้ โดยมอบหมายกิจกรรมมากมาย ตอนนี้ Robots สามารถควบคุมธุรกิจขนาดใหญ่และรับรองแนวทางส่วนบุคคลสำหรับลูกค้าทุกราย หากไม่มีการวิเคราะห์เชิงกำหนด เราจะไม่มี Amazon หรือกลุ่มอาลีบาบาที่เผยแพร่แนวคิดเรื่องวัฒนธรรมที่เน้นผู้บริโภคเป็นศูนย์กลาง และเป็นผู้นำเทรนด์ในตลาดนี้