Назад
17 апреля 12:30 Зал 4 Финансы и торговля AI и Big Data

Цифровая трансформация торговли

Речь пойдёт о том, как "цифровые" изменения в обществе и экономике влияют на торговлю. Как и почему растёт доля маркетплейсов, как меняются пользовательские предпочтения, что интересует новую аудиторию в онлайн-ритейле, как будет влиять развитие IT и как правильно анализировать поведение аудитории.

Ведущие

Иван Кургузов
РАЭК

Докладчики

Маслов
Константин
goods.ru
Онлайн маркетплейсы – новый этап эволюции электронной коммерции

Популярность маркетплейсов растет по всему миру.  Но как развитие маркетплейсов влияет на других участников рынка? Есть ли разница между разными бизнес-моделями маркетплейсов?

  • Рост популярности онлайн маркетплейсов
  • Причины популярности маркетплейсов
  • Общая схема работы маркетплейса
  • Вариации логистических схем
  • Вариации монетизации
  • Бизнес-модели маркетплейсов
  • Каптивный маркетплейс
  • Маркетплейс как платформа
  • Влияние бизнес-модели на участников рынка
Исмагилов
Владислав
Яндекс.Маркет
Молодые интернет-покупатели: сейчас и через 5 лет

Рост российского ecommerce за счет притока новых покупателей постепенно замедляется.
А это значит, что основные драйверы нашего рынка буду лежать в плоскости частоты покупок.
В частности, этому будут способствовать и новые категории и, что не менее важно, смена поколений.

Сейчас 25-34 - самый активный сегмент покупателей, они покупают гораздо чаще соседних возрастных сегментов.
С течением времени они будут переходить в следующую возрастную группу и вряд ли драматически снизят свою частоту покупок, т.к. для них этот формат покупок будет знаком и привычен. 

На их место будут приходить люди, которые родились с телефоном в руках. 
У этого поколения абсолютно точно есть свои поведенческие отличия, они гораздо активнее пользуются средствами коммуникации, находятся в гораздо большем информационном потоке, иначе работают с классическими инструментами привлечения пользователей и по-другому принимают свои решения. 
Все эти особенности безусловно необходимо учитывать в любой отрасли, в частности в ритейле.

Слагаева
Рина
М.Видео
Целевая аудитория 60+: Возраст дожития или вторая молодость?

Ecommerce в настоящее время, в основном, игнорирует аудиторию 55-60+. Этому есть объяснения и, на первый взгляд, они могут казаться разумными. Но если копнуть глубже, становится понятно, что несправедливо и недальновидно.С точки зрения бизнеса, их покупательская способность недооценена и более удобные (для них) интерфейсы и способы коммуникации могли бы сделать нашими клиентами многих из представителей этого сегмента, кто ими не является. Интересно также рассмотреть этот вопрос и с точки зрения социальной экологии: комфортный интернет делает жизнь людей старшей возрастной категории не только легче, но и светлее, позитивнее (склонность к депрессиям или близким состояниям с возрастом растёт и она в том числе обусловлена потерей контроля и ограничением самостоятельности). 

Пожилые люди всё активнее осваивают интернет, в том числе покупки в интернете. Причём можно говорить о геометрической прогрессии, потому что одна соседка заражает двух своих соседей, они - своих пожилых родственников (например, сватов, братьев, сестёр) и т.д. Например, новый подъём уже начинавших подсыхать "Одноклассинков" связан в том числе с притоком в них более пожилой аудитории. 

Тем не менее ecommerce часто игнорирует этот возрастной сегмент, справедливо считая, что основные деньги приносит более молодая аудитория. Но если смотреть не на общий поток получаемых денег, а на средний чек, то для многих товарных категорий окажется, что пожилые люди тратят единоразово больше, чем, скажем, аудитория 30-. А то, что в целом категория 55-60+ приносит бизнесу меньше денег, часто связано в том числе с тем, что интерфейс интернет-магазинов не рассчитан на специфику данной аудитории. 

Мне это бывает особенно очевидно, когда я провожу тестирования сайта с участием пожилых людей. Чаще всего это люди, систематически совершающие покупки в интернете. При этом в некоторых моментах они теряются, не находят нужную информацию (например, характеристики товара) там, где более молодые респонденты находят её быстро. И чем более опытен пожилой респондент, тем больше вероятности, что он уйдёт к конкуренту - он уже осознает, что мир интернет-шопинга обширен и разнообразен. То есть мы теряем самых лояльно настроенных по отношению к интернет-покупкам. А покупателей с минимальным опытом в интернете мы, благодаря этим трудностям, тоже теряем, только они уходят не к онлайн-конкурентам, а в оффлайновые магазины. 

Кроме бизнес-фактора в этой теме есть ещё и фактор экологический. Развивая интернет для пожилых (в том числе) людей, мы решаем многие их проблемы. Одна из лежащих на поверхности - пожилые люди чаще ограничены физически. Но есть и не такие очевидные плюсы возможностей купить в интернете. Один из факторов, снижающих качество жизни и самоощущение пожилых людей, наряду с ощущением невостребованности и недостатком общения, - это потеря контроля во многих привычных жизненных ситуациях. Человек осознаёт себя взрослым, но ему приходится всё чаще, как ребёнку, обращаться за помощью в ситуациях, с которыми раньше он легко справлялся сам. И интернет-магазины, если они станут удобными, часть решения этой проблемы возьмут на себя.

Сложности при взаимодействии с интерфейсами интернет-магазинов связаны как с физиологическими (зрение, координация и т.п.) и когнитивными (внимание, скорость обработки информации и т.п.) возрастными изменениями, так и с отличающимися механиками восприятия информации. Например, очень впечатляют различия в "считывании" информации в пределах одной страницы сайта - допустим, карточки товара - у аудитории 20-25 и 60+. Если первые быстро "пробегают" глазами в поисках нужной информации, при этом захватывая взглядом и запоминая информацию побочную, то вторые "зацепляются" взглядом за отдельные блоки и внимательно их просматривают. В итоге сам процесс поиска информации для пожилых людей становится утомительным и нередко бывает проще пойти в офлайновый магазин, если есть физическая возможность.

Я готова показать примеры, с которыми пожилые люди не справлялись, тогда как у молодых интерфейс не вызывал никаких сложностей. Или когда пожилые люди неверно воспринимали информацию, понятную более молодой аудитории. Расскажу о физических и когнитивных ограничениях, учитывая которые интерфейсы можно сделать удобнее не только для аудитории с такими ограничениями, но в итоге и для всех вообще. Расскажу о мифах, например, что идеальный интерфейс для пожилого человека - это куча подсказок и инструкций ("а это сделает интерфейс неудобным и перегруженным для остальных, поэтому пожилых мы будем игнорировать и дальше"). 

Хлебинский
Николай
Retail Rocket
Влияние AI и Big Data на современный ритейл: а вы успели вскочить в уходящий поезд?

Как меняется ландшафт ecommerce и традиционного ритейла.

В ecommerce применением AI и BigData сложно удивить, но и традиционный ритейл активно внедряет эти технологии. Эксперимент H&M с применением самообучающихся алгоритмов в формировании ассортимента торговой точки позволил понять, насколько менеджеры бутиков не подозревали, чего хотят их покупатели.

Рост популярности AI и BigData: мыльный пузырь или новая реальность.

Ритейлеры обладают огромным количеством данных, которые можно анализировать и использовать как для коммуникации с клиентами, так и для оптимизации различных процессов внутри компании. В сети Walmart раньше работала почти тысяча специалистов для анализа 24 тысяч запросов в час. Для обработки и анализа такого огромного количества данных используются технологии AI и BigData, и таким образом современный ритейл переходит от CRM-маркетинга к предиктивным технологиям.

Особенности работы AI и BigData в ритейле.

Главные возможности применения AI и BigData в ритейле:

  • формирование ассортиментной матрицы и оптимизация товарных остатков
  • распределении товаров и предсказание спроса
  • анализ данных программ лояльности
  • ценообразование, в том числе динамическое
  • оптимизация маркетинговых и рекламных кампаний
  • персонализация коммуникации с пользователями во всех каналах

Роль AI и BigData в борьбе за покупателя в условиях трансформации.

Всего несколько фактов о применении AI и BigData:

  • Самообучающаяся система сети H&M, анализируя продажи и последние тренды, предсказывает, какие вещи стоит продавать в каждом из 4288 магазинов. По результатам испытания в Швеции, ассортимент сократился на 40%, а продажи остались на том же уровне.
  • Amazon использует сервис персональных рекомендаций и динамического ценообразования. Учитывая тысячи факторов, ритейлер меняет цены каждые две минуты.
  • Сеть розничных магазинов Tesco оптимизировала систему карт лояльности, увеличив количество применяемых купонов с 3% до 70% с помощью предиктивной аналитики

Как увеличить Retention, LTV и лояльность клиентов с помощью предиктивных технологий.

Кейсы российских и зарубежных ритейлеров:

  • предложение товаров каждому пользователю в режиме real-time в любом канале коммуникации
  • предиктивный маркетинг в триггерной коммуникации
  • предсказание предпочтений в регулярных рассылках и автоматизация этого процесса
     
Гринберг
Елизавета
ООО "Би Ай Тулс"
Аналитика в ритейле: от excel до OLAP кубов

Проблематика:
Большинство компаний в ритейле испытывают одну и ту же проблему – «зоопарк» источников данных.
Данные разрознены, сложны в обработке, нет единого «источника правды».
Если рассмотреть жизненный цикл аналитической инфраструктуры, то он состоит из 5 основных шагов (о них я расскажу подробнее в докладе).

Решение:
В ходе кропотливого изучения рынка BI решений был обнаружен продукт под названием OLAP кубы. Ключ архитектуры решения - объединение данных из различных источников в OLAP кубы и предоставление конечному пользователю продукта в простой и привычной форме - Excel.
Главная фича данного решения: возможность соединить данные из онлайн источников, таких как Яндекс.Метрика и оффлайн, таких как ERP (1c) или Bitrix. Это позволяет решать на лету широкий спектр аналитических задач.
Например, анализ эффективности каналов привлечения с учетом возвратов, анализ мультиканальной атрибуции и другие.

На примерах из Юлмарта и 220 Вольт я расскажу:

  • Как используя OLAP кубы и сегментацию пользователей удалось оптимизировать ставки в контексте,
  • Как используя данные OLAP куба и парсинг конкурентов вырасти в Яндекс Маркете
  • Как получилось построить триггерную коммуникацию на основе микроконверсий на сайте
Осипов
Александр
Промсвязьбанк
Механики сервисов монетизации и повышения retention
  • проблема монетизации для бизнес моделей контент проектов
  • важность retention для проектов с большой базой пользователей
  • обзор механизмов сервисов для повышения retention
  • hook model - концепция главного бустера retention и кейсы 
  • обзор механизмов сервисов для повышения монетизации
  • кэшбек витрина как новый механизм на рынке,описание возможностей и кейсы применения