रिटेलको सेवामा ठूलो डाटा

कसरी खुद्रा विक्रेताहरूले क्रेताका लागि तीन मुख्य पक्षहरूमा निजीकरण सुधार गर्न ठूलो डेटा प्रयोग गर्छन् - वर्गीकरण, प्रस्ताव र डेलिभरी, अम्ब्रेला आईटीमा भनिएको छ।

1990 को दशकको अन्तमा, जीवनका सबै क्षेत्रका उद्यमीहरूले डेटा एक बहुमूल्य स्रोत हो भनेर महसुस गरे, यदि सही रूपमा प्रयोग गरियो भने, प्रभावको शक्तिशाली उपकरण बन्न सक्छ। समस्या यो थियो कि डाटाको मात्रा तीव्र रूपमा बढ्यो, र त्यस समयमा अवस्थित जानकारी प्रशोधन र विश्लेषण गर्ने तरिकाहरू पर्याप्त प्रभावकारी थिएनन्।

2000 को दशकमा, प्रविधिले क्वान्टम छलांग लियो। स्केलेबल समाधानहरू बजारमा देखा परेका छन् जसले असंरचित जानकारीलाई प्रशोधन गर्न, उच्च कार्यभारहरू सामना गर्न, तार्किक जडानहरू निर्माण गर्न र अराजक डेटालाई एक व्यक्तिले बुझ्न सक्ने ढाँचामा अनुवाद गर्न सक्छ।

आज, ठूलो डाटा रूसी संघ कार्यक्रम को डिजिटल अर्थव्यवस्था को नौ क्षेत्रहरु मध्ये एक मा समावेश गरिएको छ, कम्पनीहरु को मूल्याङ्कन र खर्च वस्तुहरु मा शीर्ष लाइनहरु कब्जा। बिग डाटा टेक्नोलोजीहरूमा सबैभन्दा ठूलो लगानी व्यापार, वित्तीय र दूरसञ्चार क्षेत्रका कम्पनीहरूद्वारा गरिन्छ।

10-20 वर्षमा, ठूला डाटा पूंजीकरणको मुख्य माध्यम बन्नेछ र समाजमा ऊर्जा उद्योगको तुलनामा महत्त्वपूर्ण भूमिका खेल्नेछ, विश्लेषकहरू भन्छन्।

आजका पसलहरू अब तथ्याङ्कहरूको अनुहारविहीन समूह होइनन्, तर अद्वितीय विशेषताहरू र आवश्यकताहरू भएका व्यक्तिहरू राम्रोसँग परिभाषित छन्। तिनीहरू चयनशील छन् र तिनीहरूको प्रस्ताव अझ आकर्षक देखिन्छ भने पछुताउन बिना प्रतिस्पर्धीको ब्रान्डमा स्विच हुनेछ। यसैले खुद्रा विक्रेताहरूले ठूलो डेटा प्रयोग गर्छन्, जसले उनीहरूलाई लक्षित र सही तरिकाले ग्राहकहरूसँग अन्तरक्रिया गर्न अनुमति दिन्छ, "एक अद्वितीय उपभोक्ता - एक अद्वितीय सेवा" को सिद्धान्तमा केन्द्रित।

1. निजीकृत वर्गीकरण र ठाउँको कुशल प्रयोग

धेरै जसो केसहरूमा, अन्तिम निर्णय "किन्ने वा नकिन्ने" सामानको साथ शेल्फ नजिकैको स्टोरमा पहिले नै हुन्छ। Nielsen तथ्याङ्क अनुसार, क्रेताले शेल्फमा सही उत्पादन खोज्न मात्र 15 सेकेन्ड खर्च गर्दछ। यसको मतलब यो हो कि व्यवसायको लागि एक विशेष स्टोरमा इष्टतम वर्गीकरण आपूर्ति गर्न र यसलाई सही रूपमा प्रस्तुत गर्न धेरै महत्त्वपूर्ण छ। वर्गीकरणको लागि माग पूरा गर्न, र बिक्री प्रवर्द्धन गर्न प्रदर्शनको लागि, यो ठूलो डेटा को विभिन्न कोटीहरू अध्ययन गर्न आवश्यक छ:

• स्थानीय जनसांख्यिकी,
• समाधान,
• खरीद धारणा,
• वफादारी कार्यक्रम खरिद र अधिक।

उदाहरण को लागी, सामान को एक निश्चित वर्ग को खरीद को फ्रिक्वेन्सी को आकलन र एक उत्पादन देखि अर्को क्रेता को "स्विचबिलिटी" मापन गर्नाले तुरुन्तै बुझ्न मद्दत गर्नेछ कि कुन वस्तु राम्रो बिक्छ, कुन अनावश्यक छ, र, त्यसैले, अधिक तर्कसंगत नगद पुन: वितरण। स्रोत र योजना स्टोर ठाउँ।

ठूलो डाटामा आधारित समाधानहरूको विकासमा छुट्टै दिशा भनेको ठाउँको कुशल प्रयोग हो। यो डाटा हो, र अन्तर्ज्ञान होइन, कि व्यापारीहरू अब सामानहरू बिछ्याउँदा भर पर्छन्।

X5 रिटेल समूह हाइपरमार्केटहरूमा, उत्पादन लेआउटहरू स्वचालित रूपमा उत्पन्न हुन्छन्, खुद्रा उपकरणहरूको गुणहरू, ग्राहक प्राथमिकताहरू, वस्तुहरूको निश्चित वर्गहरूको बिक्रीको इतिहासमा डेटा, र अन्य कारकहरूलाई ध्यानमा राख्दै।

एकै समयमा, लेआउटको शुद्धता र शेल्फमा सामानहरूको संख्या वास्तविक समयमा निगरानी गरिन्छ: भिडियो एनालिटिक्स र कम्प्युटर भिजन टेक्नोलोजीहरूले क्यामेराबाट आउने भिडियो स्ट्रिमको विश्लेषण गर्दछ र निर्दिष्ट प्यारामिटरहरू अनुसार घटनाहरू हाइलाइट गर्दछ। उदाहरणका लागि, स्टोरका कर्मचारीहरूले डिब्बाबंद मटरको जार गलत ठाउँमा छन् वा सेल्फहरूमा कन्डेन्स्ड दूध सकिएको छ भन्ने सङ्केत प्राप्त गर्नेछन्।

2. निजीकृत प्रस्ताव

उपभोक्ताहरूको लागि निजीकरण प्राथमिकता हो: एडेलम्यान र एक्सेन्चरको अनुसन्धान अनुसार, यदि खुद्रा विक्रेताले व्यक्तिगत प्रस्ताव वा छुट दिन्छ भने 80% खरीददारहरूले उत्पादन किन्न सक्ने सम्भावना हुन्छ; यसबाहेक, 48% उत्तरदाताहरू प्रतियोगीहरूमा जान हिचकिचाउँदैनन् यदि उत्पादन सिफारिसहरू सही छैनन् र आवश्यकताहरू पूरा गर्दैनन्।

ग्राहकको अपेक्षाहरू पूरा गर्न, खुद्रा विक्रेताहरूले सक्रिय रूपमा IT समाधानहरू र विश्लेषणात्मक उपकरणहरू लागू गर्दैछन् जसले उपभोक्तालाई बुझ्न र व्यक्तिगत स्तरमा अन्तरक्रिया ल्याउन ग्राहक डेटा सङ्कलन, संरचना र विश्लेषण गर्दछ। खरीददारहरू बीचको लोकप्रिय ढाँचाहरू मध्ये एक - उत्पादन सिफारिसहरूको खण्ड "तपाईंलाई रुचि हुन सक्छ" र "यस उत्पादनसँग किन्नुहोस्" - पनि विगतका खरिदहरू र प्राथमिकताहरूको विश्लेषणमा आधारित छ।

Amazon ले यी सिफारिसहरू सहयोगी फिल्टरिङ एल्गोरिदमहरू (अर्को प्रयोगकर्ताको अज्ञात प्राथमिकताहरू भविष्यवाणी गर्न प्रयोगकर्ताहरूको समूहको ज्ञात प्राथमिकताहरू प्रयोग गर्ने सिफारिस विधि) प्रयोग गरेर उत्पन्न गर्दछ। कम्पनीका प्रतिनिधिहरूका अनुसार, सबै बिक्रीको 30% Amazon सिफारिसकर्ता प्रणालीको कारण हो।

3. निजीकृत डेलिभरी

अनलाइन स्टोरबाट अर्डरको डेलिभरी होस् वा सुपरमार्केट शेल्फहरूमा वांछित उत्पादनहरूको आगमन भए पनि आधुनिक खरिदकर्ताले चाँडै इच्छित उत्पादन प्राप्त गर्न महत्त्वपूर्ण छ। तर एक्लै गति पर्याप्त छैन: आज सबै कुरा छिटो डेलिभर गरिएको छ। व्यक्तिगत दृष्टिकोण पनि मूल्यवान छ।

धेरैजसो ठूला खुद्रा विक्रेताहरू र वाहकहरूसँग धेरै सेन्सरहरू र RFID ट्यागहरू (सामानहरू पहिचान गर्न र ट्र्याक गर्न प्रयोग गरिन्छ) संग सुसज्जित सवारीहरू छन्, जसबाट ठूलो मात्रामा जानकारी प्राप्त गरिन्छ: हालको स्थान, कार्गोको आकार र वजन, ट्राफिक भीड, मौसम अवस्था। र चालकको व्यवहार पनि।

यस डेटाको विश्लेषणले वास्तविक समयमा मार्गको सबैभन्दा किफायती र द्रुत ट्र्याक सिर्जना गर्न मात्र मद्दत गर्दैन, तर खरिदकर्ताहरूको लागि डेलिभरी प्रक्रियाको पारदर्शिता सुनिश्चित गर्दछ, जससँग उनीहरूको अर्डरको प्रगति ट्र्याक गर्ने अवसर छ।

डेलिभरी निजीकरण "अन्तिम माइल" चरणमा खरिदकर्ताको लागि एक प्रमुख कारक हो। रणनीतिक निर्णय गर्ने चरणमा ग्राहक र रसद डेटा संयोजन गर्ने खुद्रा विक्रेताले ग्राहकलाई मुद्दाको बिन्दुबाट सामानहरू उठाउन तुरुन्तै प्रस्ताव गर्न सक्षम हुनेछ, जहाँ यो डेलिभर गर्न सबैभन्दा छिटो र सस्तो हुनेछ। सोही दिन वा अर्को दिन सामानहरू प्राप्त गर्ने प्रस्ताव, डेलिभरीमा छुट सहित, ग्राहकलाई सहरको अर्को छेउमा पनि जान प्रोत्साहित गर्नेछ।

अमेजन, सामान्य रूपमा, भविष्यवाणी विश्लेषण द्वारा संचालित भविष्यवाणी लजिस्टिक टेक्नोलोजी पेटेंट गरेर प्रतिस्पर्धाको अगाडि गयो। तल्लो रेखा यो हो कि खुद्रा विक्रेताले डेटा सङ्कलन गर्दछ:

• प्रयोगकर्ताको विगतका खरिदहरूको बारेमा,
• कार्टमा थपिएका उत्पादनहरूको बारेमा,
• इच्छा सूचीमा थपिएका उत्पादनहरूको बारेमा,
• कर्सर आन्दोलनहरूको बारेमा।

मेसिन लर्निङ एल्गोरिदमले यो जानकारीको विश्लेषण गर्छ र ग्राहकले सबैभन्दा बढी किन्ने उत्पादनको भविष्यवाणी गर्छ। वस्तु त्यसपछि सस्तो मानक ढुवानी मार्फत प्रयोगकर्ताको नजिकको शिपिंग हबमा पठाइन्छ।

आधुनिक क्रेता एक व्यक्तिगत दृष्टिकोण र एक अद्वितीय अनुभव को लागी दुई पटक तिर्न तयार छ - पैसा र जानकारी संग। ग्राहकहरूको व्यक्तिगत प्राथमिकतालाई ध्यानमा राखी उचित स्तरको सेवा उपलब्ध गराउने, ठूलो डाटाको मद्दतले मात्र सम्भव छ। जब उद्योग नेताहरूले ठूलो डेटाको क्षेत्रमा परियोजनाहरूसँग काम गर्न सम्पूर्ण संरचनात्मक एकाइहरू सिर्जना गर्दैछन्, साना र मध्यम आकारका व्यवसायहरूले बक्स गरिएको समाधानहरूमा दांव लगाइरहेका छन्। तर साझा लक्ष्य भनेको सही उपभोक्ता प्रोफाइल निर्माण गर्ने, उपभोक्ताको पीडा बुझ्ने र खरिद निर्णयलाई असर गर्ने ट्रिगरहरू निर्धारण गर्ने, खरिद सूचीहरू हाइलाइट गर्ने र थप खरिद गर्न प्रोत्साहन गर्ने बृहत् व्यक्तिगत सेवा सिर्जना गर्ने हो।