܄ 

零售店使用大数据,度身订造购物体验

【数据猿导读】 除了模特儿假人,零售业者还会利用走廊和入口的传感器、讯号、摄影机、无线网络及蓝牙技术获取数据。收集所得的数据以热图(heat map)等易于读取的形式呈现,实时协助实体零售商重新调派售货员,识别货架的最佳位置,并确定促销活动是否能够吸引新顾客

零售店使用大数据,度身订造购物体验

随着大数据时代的来临,愈来愈多实体零售商开始使用技术来追踪顾客的购买模式,以寻求新方法提高销售额。零售业者认为这些技术能帮助他们提高顾客转换率,并提升平均交易价值和利润。

观察顾客购买行为,了解顾客的购买模式是数据分析的第一步,例如有时装店通过模特儿假人背后的摄影机,记录购物者的年龄、性别和种族,以了解顾客的购买模式。

除了模特儿假人,零售业者还会利用走廊和入口的传感器、讯号、摄影机、无线网络及蓝牙技术获取数据。收集所得的数据以热图(heat map)等易于读取的形式呈现,实时协助实体零售商重新调派售货员,识别货架的最佳位置,并确定促销活动是否能够吸引新顾客。

调整营业时间编人手

通过摄影机和传感器,商家能够分析有多少人路过商店,多少人进店、逗留店内的时间,以及有多少人购物。这些数据能有效帮助商家调整营业时间、员工编配、销售技巧以及店内布置来增加收入。

两年前,某意大利人体模型制造商在其生产的假人模特儿嵌入了面部识别技术因而轰动一时。借助假人模特儿,一家商店发现下午五点后常常有大批亚洲顾客路过某入口,因此专门将亚洲裔员工调派到该入口,结果销售额增长了12%。另一家店发现下午来店和路过的消费者大多数是青少年,虽然本来不经营儿童产品,但还是专门推出了儿童产品系列,目前相关产品占营业额11%。

如果顾客启动了手机的蓝牙或无线网络,实体零售商还能通过顾客路过时产生的数据,挖掘到更多有关顾客购买行为的信息。例如借助传感器、手机讯号和无线网络等技术追踪消费者行为,能够帮助商家发现哪家分店的顾客最多,哪些产品最受欢迎以及摆放商品的最佳位置。

零售商还能够评估路过顾客、进店顾客和购物顾客的转换率,找出需要变动的店内布置,确定如何调派员工,衡量各种因素(如音乐和室内温度)是否影响顾客的购买行为,并且通过有针对性的优惠提升顾客的购物体验。

度身订造购物体验

使用店内数据可让商店发挥最大的销售潜力。根据2014年美国移动应用程序市场报告,人们在移动装置上每花费8分钟就有7分钟花在应用程序上。顾客期望商店根据实时数据为他们度身定制产品、服务和购物体验。某些应用程序更能够通过近距离无线通信获取小范围内顾客手机的音乐播放表数据,因此当顾客进店购物时,商店可播放顾客喜欢的音乐。这种整合消费者数据塑造群体的模式很受顾客欢迎。

对超市顾客来说,付款经历似乎更为重要。某些创新企业开发了可以用于收银台上的平台,当购物者付款时,面部识别技术会自动扫描,再配合顾客的购物纪录(通过会员卡获得)数据,可在收银台(或通过短讯、电子邮件或移动应用程序)向顾客提供特定的促销讯息。如果软件显示顾客的心情不错,超市还可邀请其完成问卷调查。

分析顾客行为和情绪

有食品企业亦计划推出配备面部识别技术的「智能货架」,通过使用重量传感器和动作追踪器来识别购买者及其购买的产品和份量,甚至探测顾客的七种主要情绪(悲伤、愤怒、恐惧、厌恶、鄙视、惊讶和快乐),为其产品小组提供顾客信息。例如在顾客怒气冲冲的时候,在店内安排更多员工或为顾客提供商品样本。

使用消费者行为追踪技术收集个人资料的零售品牌应慎重考虑私隐问题,尤其是极易受到黑客攻击的应用程序。而且部分消费者对商店使用顾客数据或追踪顾客行为的做法表示反感。

其中一个对策是零售商对消费者坦诚相告使用追踪技术,并允许消费者选择不被追踪。有些人不希望零售商获取太多个人资料,但也有消费者为了方便或省钱愿意牺牲一点私隐。例如填报个人资料参加商店的顾客忠诚计划。

无法从网络上获得的购物体验是促使购物者进店购物,并将更多路过的顾客转换成消费者的关键。深入了解顾客的踪迹、情绪和想法,有助于零售商找到增加收入的方法。虽然在技术竞争中会有成败,但无阻跃跃欲试的零售商不断创新。


来源:多智时代

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

12月网络视频大数据
12月网络视频大数据
工业4.0和大数据,最好的时代遇到最好的你
工业4.0和大数据,最好的时代遇到最好的你
大数据24小时:金山云再获2.2亿美元融资,马云12亿美元收购美企计划宣布告吹
大数据24小时:金山云再获2.2亿美元融资,马云12亿美元收购美企...

我要评论

精品栏目

[2017/12/19]

大数据24小时

More>

[2017/12/18-22]

大数据周周看

More>

[2017/12/18-22]

大数据投融资

More>

[2017/12/18-22]

大咖周语录

More>

[2017/12/13-20]

大数据周聘汇

More>

[2017/12/12-19]

每周一本书

More>

返回顶部