Как интернет вещей и большие данные увеличивают прибыль оффлайн-магазинов: 5 практических кейсов

Big Data, Большие данные, машинное обучение, Machine Learning, ритейл, бизнес, интернет вещей, Internet Of Things, Wi-Fi, IoT

Интернет вещей (Internet Of Things) считает покупателей торговых центров, а средства больших данных (Big Data) и машинного обучения (Machine Learning) превращают эти цифры в реальную выгоду для бизнеса. Мы нашли еще 5 примеров успешного использования этих технологий в ритейле и делимся с вами опытом отечественных и зарубежных компаний.

Интернет вещей на витрине

Аптечные сети Chambers’s Apothecary в США внедрили ценники с NFC-метками и QR-кодами. Считав эти метки своим смартфоном, покупатель автоматически получит подробную информацию о товаре: инструкцию, отзывы, описание показаний и противопоказаний к применению и т.д. В свою очередь, в корпоративную систему предприятия попадают данные о частоте считывания меток. Это позволяет сотрудникам компании выявить самые популярные места расположения товаров, чтобы поместить туда нужную продукцию [1].

Цифровые примерочные

Американская сеть магазинов Mango установила сканеры штрих-кодов в своих примерочных, чтобы консультировать клиентов с помощью интеллектуальной системы по подбору одежды и аксессуаров. Отсканировав понравившуюся вещь, посетитель получает список рекомендуемых товаров или альтернативных вещей. Также это решение на базе технологий Big Data, Machine Learning и Internet Of Things взаимодействует с системой управления складскими запасами, чтобы сообщить покупателю о наличии на складе выбранного им товара, показав количество и размеры нужной вещи.

Другой американский производитель одежды, обуви и аксессуаров Neiman Marcus оснастил примерочные в своих магазинах дополненной реальностью: в виртуальном режиме можно детально осматривать вещи, поворачивая их под любым углом и меняя расцветку [1].

Big Data, Большие данные, машинное обучение, Machine Learning, ритейл, бизнес, интернет вещей, Internet Of Things, Wi-Fi, IoT
Дополненная реальность доступна уже сегодня в цифровых примерочных

Персональный маркетинг и большие данные поведенческой аналитики

Во всех 840 магазинах американской торговой сети Macy’s расположены десятки Bluetooth-маячков для определения местоположения посетителя с точностью до нескольких сантиметров. Устройства подают сигнал в корпоративную CRM-систему, которая направляет клиенту на смартфон предложение со скидкой на товар, ближайший к нему в данный момент. За первый год использования инструментов Big Data и Internet Of Things компания увеличила продажи товаров на 10% [2].

Другая компания в США, оператор недвижимости Simon Property Group, установила в своих торгово-развлекательных центрах около 5000 beacon-маячков, которые ловят сигналы с телефонов посетителей и в ответ направляют персонифицированные предложения их владельцам. А в британском магазине Trinity Leeds клиент получает персональные маркетинговые предложения на Apple Watch с учетом своего местонахождения в торговом центре [3].

Отечественные ритейлеры пока только тестируют интернет вещей, в частности, компания «Эльдорадо» рассматривает применение RFID-меток для оптимизации логистических цепочек, но до реального внедрения еще дело не дошло [4]. Однако, технологии Big Data и Machine Learning уже вовсю используются в российских торговых сетях. Например, сеть супермаркетов «Виктория» (ГК «Дикси») в 2015 году внедрила систему предиктивной аналитики, которая сегментирует клиентов и предугадывает поведение посетителей, учитывая историю их покупок. Для покупателей формируются персональные предложения по SMS, в чеках, смартфонах, электронной почте и т.д.

Подобным образом большие данные и машинное обучение используются компанией X5 Retail Group. Осенью 2017 года в сети «Перекресток» внедрены технологии Machine Learning в корпоративную аналитическую CRM, которая отправляет персональные маркетинговые предложения клиентам через мобильное приложение, SMS- и e-mail-оповещения [1].

Big Data, Большие данные, машинное обучение, Machine Learning, ритейл, бизнес, интернет вещей, Internet Of Things, Wi-Fi, IoT
Действительно индивидуальный подход к каждому клиенту с помощью Big Data и Machine Learning

Интернет вещей для управления логистикой

Marks&Spencer, один из крупнейших британских ретейлеров, прикрепляет многоразовые RFID-метки на поддоны, чтобы отслеживать доставку свежих продуктов, цветов и растений от поставщиков в свои распределительные центры. На сегодня в корпоративной цепи поставок участвуют более 10 миллионов поддонов с радиометками. Все поставщики заносят на метки информацию о содержимом поддона и сроках хранения товаров. Метки считываются при входе на склад и используются для гарантированно быстрой доставки свежей продукции в магазины компании. Пустые поддоны возвращаются поставщикам для мойки. Затем они загружаются заново, а метки перезаписываются.

Аналогичным образом данная технология Internet Of Things используется техасской компанией Mission Foods (США), которая производит 25% мирового количества лепешек тако, тортильи, соусов, чипсов и других продуктов питания. Предприятие уже развернуло RFID-систему на своих 15 складах и планирует внедрить ее на 16 остальных складах и заводах. Полный цикл внедрения системы отслеживания контейнеров с продукцией, от разработки до развертывания на складе продуктов в Техасе, занял около 7 месяцев. Изначально компания отгружала продукцию в картонных коробках по $1 за штуку, и тратила около $5 млн в год на одноразовые коробки. Стоимость пластикового контейнера с RFID-меткой составляет $7, затраты внедрения системы на 3 склада составили около $100 000. За первые же 6 месяцев работы контейнеры обернулись 20 раз, что сэкономило компании примерно $700 000 за счет исключения картонных коробок. Теперь менеджеры компании могут в любой момент определить, каким дистрибьюторам отгружены контейнеры и когда они возвращаются [5].

Мотивация и оптимизация численности персонала

Сеть магазинов электроники и бытовой техники «М.Видео» внедряет на свои объекты систему управления персоналом с использованием биометрического контроля, чтобы повысить мотивацию сотрудников и эффективность работы розницы. Технологии Big Data, Machine Learning и Internet Of Things реализованы в виде программно-аппаратного комплекса с модулем сканирования и распознавания лиц. Сотрудник, отмечая начало или конец рабочей смены, прикладывает магнитную карточку к терминалу, в который встроена камера для верификации личности. Информация о графиках работы продавцов и количестве отработанных часов передается на облачный сервер по каналу мобильной связи, откуда выгружается для сведения табеля и начисления заработной платы [6].

А внедрение «умных» приборов для подсчета посетителей в российских магазинах датской обувной компании ECCO увеличило конверсию продаж на 1,5 % и позволило оптимизировать график работы сотрудников, увеличив их численность в часы наплыва клиентов. Прозрачность конверсии из посетителей в покупатели и скользящий график продавцов положительно повлияли на их мотивацию и общую выручку: теперь сотрудник делает в день на 2 чека больше [7].

Big Data, Большие данные, машинное обучение, Machine Learning, ритейл, бизнес, интернет вещей, Internet Of Things, Wi-Fi, IoT
Internet Of Things, Big Data и Machine Learning помогут управлять эффективно персоналом

Какую пользу Big Data, Machine Learning и Internet Of Things принесут вашему бизнесу? Задавайте свои вопросы и получайте подробные ответы на наших прикладных курсах для руководителей, аналитиков, программистов, инженеров и администраторов. Инструменты хранения и обработки больших данных, методы и средства машинного обучения, интернет вещей и множество полезных знаний и умений для быстрого применения на практике. Смотрите расписание занятий, записывайтесь на удобную дату и приходите в наш образовательный центр. Ждем вас в классе!

Источники

  1. https://iot.ru/riteyl/kak-iot-menyaet-riteyl
  2. https://www.bigdataschool.ru/bigdata/big-data-реклама-и-маркетинг.html
  3. https://www.bigdataschool.ru/bigdata/internet-of-things-подсчет-посетителей-тц.html
  4. https://new-retail.ru/tehnologii/internet_veshchey_riteylery_gotovy_eksperimentirovat2739/
  5. https://www.idexpert.ru/reviews/13274/
  6. http://www.tadviser.ru/index.php/Проект:М.Видео_(АРМ_Timebook)
  7. https://www.watcom.ru/blog/all/kejs_optimizacziya_chislennosti_personala_na_primere_seti_magazinov_ecco/

Один комментарий к “Как интернет вещей и большие данные увеличивают прибыль оффлайн-магазинов: 5 практических кейсов”

Комментарии закрыты.