Η τεχνολογία των retail analytics γίνεται πλέον προσιτή σε μεγαλύτερο εύρος εμπόρων λιανικής και εξελίσσεται διαρκώς με στόχο την ολοένα και καλύτερη πρόβλεψη της συμπεριφοράς του πελάτη.

Κάνοντας ένα ταξίδι στο παρελθόν, επιστρέφουμε στον Απρίλιο του 2003. Βρισκόμαστε στο γραφείο του Κώστα Μπουντούρη, τέως Διευθυντή Πληροφορικής της ΑΒ Βασιλόπουλος, η οποία είχε παρουσιάσει στην αγορά την κάρτα πιστότητας και ήδη «γέμιζε» τους δίσκους της με δεδομένα που συνέδεαν αγοραστικές συμπεριφορές και δημογραφικά στοιχεία. Το λογισμικό ανάλυσης των δεδομένων είχε σχεδιαστεί και υλοποιηθεί από το τμήμα πληροφορικής της AB Βασιλόπουλος και ήταν τόσο πετυχημένο για την εποχή του, ώστε να αξιοποιηθεί από τον τότε βασικό μέτοχο Delhaize και σε άλλες χώρες όπου διέθετε παρουσία.

Το συγκεκριμένο ήταν ένα από τα πιο πρώιμα έργα retail analytics στην ελληνική αγορά και ίσως από τα πρώτα που συνδέθηκε με στοχευμένες προωθητικές ενέργειες.

Σήμερα, βρισκόμαστε στην εποχή των big data, του cloud και των visual analytics, τεχνολογίες που θα έκαναν ένα έργο του 2003 να δείχνει απαρχαιωμένο, τόσο όσον αφορά την ποιότητα των αποτελεσμάτων όσο και το κόστος λειτουργίας. Ωστόσο, ο βασικός στόχος παραμένει ο ίδιος. Οι έμποροι λιανικής θέλουν να γνωρίσουν τη συμπεριφορά του αγοραστή για να μπορούν στη συνέχεια να προβλέψουν τα κίνητρα που θα τον οδηγήσουν στο ταμείο τους. Σύμφωνα με την έρευνα της SAS (1), το 80% των εμπόρων λιανικής, θεωρούν πρώτη προτεραιότητα να αναγνωρίσουν τη συμπεριφορά του πελάτη, όπως αυτή διαμορφώνεται μέσα από διαφορετικά κανάλια αλληλεπίδρασης. Η επιλογή αυτή, ήδη από το 2006, είχε οδηγήσει πρωτοπόρες εταιρείες, όπως η Walmart να συντηρούν τεράστιου μεγέθους data warehouses. Συγκεκριμένα, το data warehouse της Walmart ήταν το μεγαλύτερο στον κόσμο αν στη λίστα δεν συμπεριλαμβάναμε τα στρατιωτικά. Μέχρι στιγμής, η αύξηση της ισχύς των επεξεργαστών και η μείωση του κόστους αποθήκευσης, έχει επιτρέψει στα νέα υπολογιστικά συστήματα να διυλίζουν ασύλληπτες ποσότητες δεδομένων και να προσφέρουν συμπεράσματα ακόμα και σε πραγματικό χρόνο.

Η «δίψα» των εμπόρων λιανικής για δεδομένα δείχνει ασταμάτητη. Αρκεί να υπογραμμιστεί πως το 50% έως και το 60% αυτών, απαντούν στην έρευνα της SAS ότι είτε έχουν ήδη προϋπολογίσει σχετικά έργα ή σκέφτονται να το κάνουν, κυρίως για να αναβαθμίσουν υπάρχουσες υποδομές. Ειδικά όσον αφορά τη δεύτερη επιλογή, θα λέγαμε ότι αποτελεί μια μικρή επανάσταση στο χώρο του λιανεμπορίου, δεδομένου ότι στο παρελθόν, οι νέες επενδύσεις γίνονταν συνήθως ή όταν γίνονταν απόσβεση ή και αργότερα.

Οι πελάτες δεν είναι τελικά τόσο προβλέψιμοι
Πολύ θα ήθελαν, οι έμποροι λιανικής να συμβαίνει αυτό, αλλά όπως φαίνεται η ανθρώπινη συμπεριφορά δεν είναι ακόμα επαρκώς κατανοητή από τους αλγόριθμους ανάλυσης. Το 2008, το 40% των εμπόρων λιανικής θεωρούσαν ότι προτεραιότητα τους θα έπρεπε να είναι οι καλύτερες προσφορές στους καλύτερους πελάτες.

Σήμερα, το 55% θεωρεί ότι κάθε πελάτης έχει την αξία του και η εταιρεία χρειάζεται να παρατηρεί το κάθε βήμα – μερικές φορές στην κυριολεξία – που κάνει μέχρι την αγορά.

Όταν κάποιος νοιάζεται τόσο πολύ για το κάθε μας βήμα, μάλλον δείχνει ότι είναι πολύ ανήσυχος με μας χάσει στην πορεία. Και αυτό ακριβώς συμβαίνει σήμερα. Παράγοντες πληροφορίας, όπως το Internet και τα social media, έχουν τη δυνατότητα να αλλάξουν την πορεία ενός αγοραστή, ακόμα και όταν αυτός βρίσκεται μόλις ένα μέτρο μακριά από το απλώσει το χέρι και να πάρει το προϊόν.

Μια λύση θα μπορούσε να είναι η “εμμονή” με έναν έμπορο. Μια σχέση που σχεδόν θα μαγνητίζει τα βήματά του αγοραστή μέχρι την πληρωμή, αλλά και μετά από αυτήν. Παλαιότερα, η σχέση εξαρτιόνταν σε ένα ποσοστό από προϊόντα που ήταν στο ράφι μόνο ενός εμπόρου. Πλέον με τη συμβολή και του ηλεκτρονικού εμπορίου, κάτι τέτοιο είναι σχεδόν αδύνατο. Σήμερα, η σχέση εμπόρου – αγοραστή εξαρτάται από τις δελεαστικές προσφορές του πρώτου. Ποια είναι όμως δελεαστική προσφορά; Εδώ είναι που το θέμα περιπλέκεται. Ίσως μια διαφορά τιμής της τάξης του 20% έως 30% από κάθε άλλο έμπορο είναι μια δελεαστική προσφορά. Πόσο συχνά όμως είναι εφικτή; Οι αλλαγές στη συμπεριφορά των αγοραστών δεν αφήνουν περιθώρια για εύκολες λύσεις και οι δυνατότητες που δίνουν τα analytics για προσομοίωση σεναρίων, βοηθούν στη λήψη καλύτερων αποφάσεων. Φυσικά, οι παλιοί παράγοντες ανησυχίας που επηρεάζουν την επιλογή του αγοραστή συνεχίζουν να υφίστανται. Ελλείψεις στο στοκ, ποιότητα υπηρεσιών, ευκολία πρόσβασης στην περίπτωση φυσικών καταστημάτων ή ταχύτητα παράδοσης για ηλεκτρονικά καταστήματα είναι πιθανό να οδηγήσουν τον αγοραστή σε κάποιον ανταγωνιστή.

Η τεχνολογία IoT αλλάζει μεταξύ άλλων το instore experience
Η Accenture θεωρεί ότι η τεχνολογία IoT δημιουργεί ευκαιρίες για τους εμπόρους λιανικής σε τρεις τομείς: αγοραστική εμπειρία, εφοδιαστική αλυσίδα και δημιουργία εσόδων από νέα κανάλια. Αξιοσημείωτο είναι ότι οι έμποροι λιανικής και οι προμηθευτές τους είναι περισσότερο εξοικειωμένοι με την τεχνολογία IoT, καθώς για παραπάνω από μια δεκαετία, χρησιμοποιούν αισθητήρες RFID για να βελτιώσουν τις διαδικασίες της εφοδιαστικής αλυσίδας. Ωστόσο, η εμπειρία τους δε φαίνεται να είναι επαρκές εφαλτήριο για τη μετάβαση στη νέα τεχνολογία. Σύμφωνα με έρευνα του Deloitte University Press (2), μόλις το 8% των εμπόρων λιανικής αναφέρουν ότι έχουν ήδη υλοποιήσει ή σχεδιάζουν να υλοποιήσουν κάποιο έργο IoT. Ο δισταγμός είναι φανερός και όχι αδικαιολόγητος. Η τεχνολογία βρίσκεται ακόμα σε πρώιμο στάδιο ανάπτυξης με αρκετά άλυτα ζητήματα, όπως το θέμα των standards και της ασφάλειας των δεδομένων που θα παράγονται σε δισεκατομμύρια αισθητήρες. Οι διαφορές ανάμεσα σε ΙοΤ και RFID βρίσκονται κυρίως στο χαμηλότερο κόστος και μέγεθος αισθητήρων, στην καλύτερη υποστήριξη από τη δικτυακή υποδομή, την αυξημένη επεξεργαστική ισχύ και τους αλγόριθμους ανάλυσης που έχουν πολύ μεγαλύτερα περιθώρια αυτοβελτίωσης. Όλα προς όφελος του IoT. Η μείωση του κόστους υλοποίησης έργων με την τεχνολογία ΙοΤ αναμένεται να μειώσει ακόμα περισσότερο τη συγκέντρωση της αγοράς. Σύμφωνα με τη Deloitte, οι 25 μεγαλύτεροι έμποροι λιανικής είχαν απώλεια εσόδων περίπου 64 δισεκατομμύρια δολάρια από το 2009 μέχρι το 2015.

Τα χρήματα αυτά μοιράστηκαν στους μικρότερους εμπόρους, οι οποίοι είναι πλέον σε θέση να κάνουν επενδύσεις σε πρωτοποριακές τεχνολογίες, όπως το IoT. Παράλληλα με το τοπίο της αγοράς, αλλάζει και ο τρόπος αλληλεπίδρασης με τον αγοραστή, ο οποίος συνήθως ενσωματώνεται στο οικοσύστημα του Internet of Things, έχοντας στην κατοχή του ένα smart phone. Όπως έχουμε ήδη αναφέρει, επιθυμία του εμπόρου λιανικής είναι να γνωρίζει, μερικές φορές στην κυριολεξία το κάθε βήμα του αγοραστή. Πρακτικά, ένα από αυτά που επιτυγχάνει η τεχνολογία IoT είναι η πλήρης ψηφιοποίηση του αναλογικού κόσμου. Ακούγεται λίγο σαν περιγραφή σκηνής από την ταινία Matrix και κάπως έτσι είναι.

Μέσω του smart phone, η κίνηση του κατόχου, βιομετρικά στοιχεία και το πορτοφόλι του, απεικονίζονται ως ομάδες δεδομένων που κινούνται σε ένα ευρύτερο σύνολο δεδομένων που μπορεί να απεικονίζουν ένα δρόμο ή το εσωτερικό ενός καταστήματος. Το λογισμικό καλείται να συνδυάσει αυτά τα δεδομένα και να στείλει για παράδειγμα μια προσφορά στο χρήστη όταν βρίσκεται κοντά στο ράφι του προϊόντος ή να του προτείνει ένα δυναμωτικό ρόφημα αν δει “χαμηλά” τους δείκτες του. Χαρακτηριστικό παράδειγμα αποτελεί το σύστημα iBeacon που αναπτύχθηκε από την Apple και παρουσιάστηκε για πρώτη φορά το 2013. Τα beacons είναι μεταδότες χαμηλής ενέργειας που εκπέμπουν τη θέση τους σε φορητές συσκευές, όπως είναι τα smart phones όσων κινούνται σε ένα κατάστημα. Ένα περιβάλλον από beacons έχει τη δυνατότητα να εντοπίζει διαρκώς τη φυσική θέση του πελάτη, να αναγνωρίζει την ταυτότητά του και να στέλνει εντολή ώστε να σταλεί σε μια συγκεκριμένη συσκευή ένα μήνυμα, όπως για παράδειγμα μια προσφορά. Ας αναλογιστούμε ότι για να είναι η διαδικασία επιτυχημένη, χρειάζεται όλα να λειτουργούν τόσο γρήγορα, ώστε όταν ο αγοραστής πάρει το μήνυμα να βρίσκεται μέσα στο κατάστημα ή ακόμα καλύτερα κοντά στο προϊόν. Εκτός αυτού, γεννιέται το ερώτημα: Είναι συμβατά τα δεδομένα που δημιουργούνται από το iBeacon, τα οποία στη συνέχεια μπορούν να αξιοποιηθούν για τον εντοπισμό μοτίβων στη συμπεριφορά του πελάτη, με διαφορετικά λογισμικά ανάλυσης ή θα πρέπει η εταιρεία να αγοράσει κάποιο λογισμικό της Apple; Αυτό που ενδιαφέρει είναι να συνειδητοποιήσουμε ότι ο σχεδιασμός και ευρεία αποδοχή standards είναι καθοριστικός παράγοντας για την εξέλιξη της τεχνολογίας IoT. Και για την ακρίβεια είναι ένα από το πιο hot topics των IoT working groups σήμερα.

Τα δημόσια δεδομένα αποκτούν αξία για τον ιδιωτικό τομέα

Το Open Goverment Partnership γιορτάζει φέτος τα 5 χρόνια από την ίδρυση του με τη συμμετοχή 70 χωρών από όλον τον κόσμο, συμπεριλαμβανομένης της Ελλάδας. Πρόκειται για συμμετοχική δράση, η οποία έχει στόχο να διαθέσει ελεύθερα τα ψηφιακά δεδομένα κυβερνητικών οργανισμών, βελτιώνοντας έτσι τη διαφάνεια διαδικασιών, αλλά και εμπορικές πρακτικές που θα μπορούσαν να τα αξιοποιήσουν. Στο μεγαλύτερο ποσοστό, η αξιοποίηση αυτών των δεδομένων έχει να κάνει με διαδικασίες που δεν αφορούν άμεσα τον τελικό αγοραστή. Υπάρχουν όμως και πηγές δεδομένων, όπως δημογραφικά στοιχεία και μετεωρολογικά δεδομένα που με τις κατάλληλες συνδέσεις θα μπορούσαν να επηρεάσουν την πολιτική πωλήσεων των εμπόρων λιανικής. Αν για παράδειγμα, γνωρίζατε ότι αύριο ξεκινά μια περίοδος με βροχές για 3 ημέρες, δε θα είχατε έναν καλό λόγο να πουλήσετε ομπρέλες;

Ωστόσο, μια τέτοια πρόβλεψη είναι ίσως η απλούστερη που μπορεί να κάνει ένα σύστημα ανάλυσης δεδομένων, το οποίο λειτουργεί στο πλαίσιο μιας παγκόσμιας οικονομίας και διακίνησης αγαθών που παράγονται πολύ μακριά από τον τόπο κατανάλωσης τους. Η IBM που δε θέλει να περιμένει τις εξελίξεις, ανακοίνωσε τον περασμένο Ιούλιο ότι έχει ξεκινήσει ήδη την αξιοποίηση των δεδομένων της εταιρείας The Weather Company, την οποία εξαγόρασε το 2016, προκειμένου να εμπλουτίσει τις υπηρεσίες που προσφέρει μέσω της πλατφόρμας Watson. Το πρόβλημα, όπως ήδη έχουν διαπιστώσει ομάδες εργασίας του OGP, είναι ότι ένα μεγάλο ποσοστό κυβερνητικών δεδομένων δεν είναι εύκολο να αξιοποιηθεί, γιατί τα συστήματα που τα παράγουν δε σχεδιάστηκαν εξ’ αρχής να είναι ανοιχτά.

Επιπλέον, γίνεται αρκετός διάλογος σχετικά με τη δωρεάν χρήση δεδομένων για εμπορικούς σκοπούς, τα οποία έχουν δημιουργηθεί με δημόσια έξοδα. Ενώ τέλος, τίθεται και το ζήτημα των ορίων σχετικά με τα προσωπικά δεδομένα που θα είναι διαθέσιμα στις επιχειρήσεις, όπως για παράδειγμα η αγοραστική δύναμη, όπως αυτή θα μπορούσε να προκύψει μέσα από τα συστήματα των κυβερνητικών υπηρεσιών φορολόγησης. Γιατί όμως να είναι ανοιχτά μόνα τα δημόσια δεδομένα και να μη συμβαίνει το ίδιο με τα δεδομένα των επιχειρήσεων; Η τεχνολογία του IoT βασίζεται σε μια φιλοσοφία που σχεδόν απαιτεί τη διακίνηση δεδομένων μεταξύ επιχειρήσεων, οι οποίες σε κάποιες περιπτώσεις δεν αποκλείεται να έχουν ανταγωνιστική θέση στην αγορά. Σε ένα επιχειρηματικό οικοσύστημα που υπάρχουν ακόμα στεγανά μέσα στην ίδια επιχείρηση, πόσο εύκολη θα είναι μια αλλαγή νοοτροπίας, η οποία θα καταργήσει στεγανά μεταξύ διαφορετικών επιχειρήσεων;

Case study
Παπουτσια σε στοκ

ΕΝΑ ΜΕΓΑΛΟ ΠΟΣΟΣΤΟ ΑΓΟΡΑΣΤΩΝ δεν ενδιαφέρεται να αποκτήσει ένα προϊόν αμέσως μόλις κυκλοφορήσει στην αγορά αλλά περιμένει υπομονετικά τη στιγμή που θα το βρει στο stock outlet με τιμή χαμηλότερη μέχρι και 70% της αρχικής του αξίας. Οι έμποροι λιανικής, ενδεχομένως συνεχίζουν να έχουν όφελος από αυτό το κανάλι πωλήσεων, αλλά περιορισμένo σε σχέση με ότι είχαν προβλέψει.

Η DSW, η οποία εμπορεύεται παπούτσια, ήθελε να αλλάξει την κατάσταση αυτή προς όφελος της μέσω εργαλείων πρόβλεψης της συμπεριφοράς του πελάτη. Η εταιρεία διαθέτει 363 καταστήματα σε 41 Πολιτείες των ΗΠΑ, ενώ και παράλληλα έχει αναλάβει τη διαχείριση 344 καταστημάτων, άλλων εμπόρων παπουτσιών. Μέχρι πρόσφατα η πολιτική της αναπλήρωσης του στοκ των καταστημάτων βασίζονταν κυρίως στο μέσο όρο μεγέθους ποδιού ανά Πολιτεία. Επιπροσθέτως, η DSW εξέτασε την αγοραστική συμπεριφορά 20 εκατομμυρίων πελατών, κατόχων της κάρτας πιστότητας της εταιρείας και αντιστοιχούν περίπου στο 80% των συνολικών εσόδων της. Στη συνέχεια, η DSW προώθησε τα αποτελέσματα της ανάλυσης στους προμηθευτές της, ζητώντας να διαμορφώσουν τις αποστολές τους, λαμβάνοντας υπ’ όψιν όλους τους νέους παράγοντες που επηρεάζουν μια αγορά. Το αποτέλεσμα, αν και η εταιρεία προτιμά να μην το εκφράσει αριθμητικά, ήταν λιγότερα προϊόντα που έφτασαν στο κανάλι του stock outlet και υψηλότερα ποσοστά κέρδους.

Πηγές:
1. Advanced Analytics: Retailers fixate on the customer, (Μάρτιος 2015),
2. http://dupress.com/collection/internet-of-things (2015)