Существует множество неочевидных взаимосвязей между товарами, выявить которые можно только благодаря сбору и аналитике большого объёма данных и применения моделей машинного обучения. Для крупных ритейлеров также важно обогащение этих данных из внешних источников. Так, профиль клиента может стать полнее за счёт использования бирж данных, инструментов Data Management Platform, а также коммерческого партнёрства с другими участниками рынка больших данных. Например, покупая беговые кроссовки, человек порой не задумывается или просто не знает о специальных ортопедических стельках. Ритейлер, проанализировав такие продажи за длительный срок, выяснил, что клиент, скорее всего, вернётся за ними через несколько месяцев, поэтому позаботился заранее и предлагает их в комплекте к спортивной обуви. В итоге покупатель получает выгодное предложение, а магазин — дополнительную продажу.
Другой пример того, как средний чек может быть увеличен за счёт связанного спроса: выявление инсайтов через использование ML-моделей, на вход которым подаются эмбеддинги, то есть профили покупателей, в которых вся информация преобразована в набор чисел или вектор. Полученные результаты могут выявить абсолютно неочевидные аналитику связи между продаваемыми товарами — например, что любители творожков Danone предпочитают зубную пасту Colgate — и делать соответствующие предложения клиентам.
Юрий Рубцов
Директор департамента Группы Arenadata по работе с ритейлом, FMCG и фармкомпаниям
«Связанный спрос — это мощный инструмент для ритейла, который позволяет не только увеличивать средний чек, но и создавать для покупателей удобный и приятный шопинг-опыт. Когда данные работают на бизнес, каждый товар может стать частью выгодного предложения».