— Современные цифровые технологии проникают во все индустрии. Какую ценность в этих инновациях видят ретейлеры?
— Главная ценность — возможность успешно адаптироваться к быстро меняющимся условиям внешней среды, тем более что ретейл — одна из самых непостоянных и непредсказуемых сфер бизнеса. Компаниям становится сложно принимать решения, основанные исключительно на прошлом опыте. Изменился не только рынок, изменились покупатели — они ожидают высокий уровень сервиса, персонализированный подход, технологичность (умные рекламные дисплеи, электронные ценники, активность в социальных сетях, RFID на тележках, видео и тепловые сканеры в потолке). Но не только постоянная лояльность пользователей становится результатом внедрения цифровых технологий. Аналитика на основе больших данных позволяет эффективнее управлять запасами, избегать случаев OOS (отсутствия товара на полке) и overstock (невостребованности товара на складе ретейлера). По оценкам Wall Street Journal, только из-за OOS ретейлеры теряют $634 млрд ежегодно. Business Intelligence (BI) позволяет бизнесу оптимизировать динамику остатков за счет устранения неточностей в инвентаризации, улучшения мониторинга полок и прогнозирования колебаний спроса.
— Какие данные сегодня важно собирать и анализировать ретейлерам?
— Любой розничный магазин накапливает огромное количество информации: кассовые данные о продажах, информация о реальных и виртуальных стоках, данные, поступающие от полевого персонала (системы онлайн-отчетности и распознавания образов), информация о покупателях (программа лояльности, интернет-источники). Все это вместе может стать отличной базой для корректирования бизнес-стратегии и решения конкретных операционных задач в брендинге, рекламе, планировании магазина, полочного пространства и складов, ценообразовании, уценке товаров, управлении товарными категориями. Эта аналитика позволяет не только делать выводы на основе накопленного опыта, но и прогнозировать изменение потребительского поведения, повышать лояльность и управлять продажами через карты лояльности, гибкие системы скидок. Простой пример: компания идентифицирует комплиментарные продукты и, во-первых, располагает их рядом в торговом зале, а во-вторых, делает специальные предложения.
— Насколько эти инструменты эффективны: действительно ли клиентам важен персонифицированный подход в обычном продуктовом магазине?
— Кастомизация сегодня — один из самых мощных трендов во многих индустриях, и ретейл здесь не исключение. Опросы показывают, что более 44% покупателей скорее всего вернутся в магазин еще раз, если их опыт покупок окажется персонифицированным. Другой пример: специальное предложение, сформированное на основе анализа прошлых покупок, стало поводом купить еще один товар для 49% клиентов, а в 40% случаев, благодаря рекомендациям магазина, пользователи отдавали предпочтение более дорогому продукту. Замечу отдельно, что современные технологии BI в рознице выходят далеко за рамки персонализированных купонов при оформлении заказа. В результате применения инноваций ретейлер получает полноценный обзор своего клиента на 360 градусов, что позволяет качественно улучшать рекламу и маркетинг. По данным McKinsey, компании, использовавшие в своей работе большие данные, повысили ROI своего маркетинга на 15–20%. Одна из крупнейших американских сетей с помощью бизнес-аналитики увеличила продажи на 10%.
— Как технологии Business Intelligence работают в России: востребованы ли цифровые инновации отечественными игроками?
— В России один из ярких примеров — розничная сеть «Магнит», которая применяет аналитику и BI для формирования ассортимента и покупательских предложений, эффективной организации работы магазинов и распределительных центров, оптимизации различных процессов. Уже много лет в «Магните» существует единое хранилище данных для решения задач по всем направлениям деятельности с применением системы Teradata. Хранилище обеспечивает сбор и быстрый доступ пользователей к необходимым сведениям, управляет большими объемами информации и на их основе предоставляет аналитику (эффективность работы объектов и персонала, динамику категорий, брендов). BigData позволяет ретейлеру быстро пилотировать инновационные проекты в моделировании спроса, оценке доступности товара на полке, рекомендательной системе и видеоаналитике. Последняя используется для анализа очередей в магазинах, наличия продукции, покупательских тележек. В тестируемых торговых точках растет пропускная способность кассы, количество очередей сокращается более чем на 70%.
— В каких еще сферах, кроме рекламы и маркетинга, ретейлеры могут использовать аналитику и большие данные?
— Одно из самых очевидных — выбор локации для новых магазинов. Упомянутый уже «Магнит» использует собственную геоинформационную систему (ГИС), которая анализирует порядка 20 критериев, потенциально влияющих на успех будущей точки, в том числе, количество семей, возраст, доход жителей, наличие центров притяжения людей. Система не только кратно увеличивает вероятность успеха магазина, но и сокращает временные затраты на выбор и согласование локации. Сегодня более 85% новых поисковых заявок «Магнита» рассчитывается собственной ГИС. Уже на первом этапе внедрения ГИС точность расчетов повысилась на 15%, на 20% снизился перепрогноз относительно старой методики, то есть уменьшилось число магазинов с «завышенными ожиданиями».
— Как Business Intelligence и большие данные помогают ретейлерам управлять торговыми запасами?
— Нейросети дают максимально объективные прогнозы по объему товаров для поставки в торговые точки на конкретный период времени. Например, ретейлер Kohl's в своей системе закупок учитывает не только конкретные транзакции и объем поисковых запросов своих посетителей, но и погоду, макроэкономические условия и социально-демографические факторы для каждого своего магазина. Таким образом, у самых востребованных магазинов всегда достаточно запасов, а более тихие точки никогда не ломятся от товаров, привезенных «на всякий случай». В качестве российского примера снова расскажу о «Магните», где цифровые технологии позволили сократить время на анализ, увеличить объемы поставок востребованной продукции и снизить overstock. Тестирование методов machine learning увеличило точность прогнозов на 3–5%. В масштабах сети это огромные цифры.
— Влияют ли новые технологии на процесс взаимодействия сетей и поставщиков? Кажется логичным создать некий единый интерфейс для совместного прогнозирования закупок и продаж.
— К сожалению, сегодня поставщики не видят движение своего товара после отгрузки в распределительный центр, из-за отсутствия информации о продажах по отдельным магазинам они лишены возможности эффективно контролировать мерчандайзеров и торговых представителей. Зачастую товар может числиться в наличии, но по факту отсутствовать на полке, например, из-за повреждения. В результате, в выручке теряют и производители, и торговые сети. По данным «Руспродсоюза», недополученные доходы из-за сбоев в системе коммуникации составляют минимум 5% от оборота. Недавно российские производители попросили торговые сети раскрывать данные о продажах по каждой торговой точке, чтобы эффективнее управлять загрузкой собственного производства и своим полевым персоналом. Правда, пока ретейлеры не спешат делиться аналитикой, их пугают риски утечки конфиденциальной информации. Но все-таки первые шаги к глобальной открытости рынка уже есть: например, специальный портал «Магнит Сервис». Это ресурс, который сводит данные о закупках и продажах в единое информационное поле и выдает компании и ее партнерам сведения о выполнении условий договора, отслеживает корректность поставок. Это решение способствует повышению уровня сервиса: торговые точки обеспечиваются качественными товарами в нужном объеме.
— Насколько рынок аналитики сегодня далек от насыщения? Будут ли технологии Business Intelligence востребованы в ближайшие три-пять лет?
— Однозначно! Согласно отчету MarketsAndMarkets, рынок розничной аналитики вырастет с $1,88 млрд в 2014 году до $4,40 млрд к 2019 году. По данным Forbes, к 2025 году около 75% американских ретейлеров планируют иметь возможности для качественного анализа больших данных. При этом расти будет как сам объем получаемых данных, так и количество инструментов его анализа. Ретейлеры хотят, чтобы их аналитики принимали решения на основе BI и контролировали их эффективность. Несмотря на огромное множество приложений для каждого бизнес-процесса в ретейле (планирование, цепочка поставок, мерчандайзинг, ценообразование, распределение, продажи, рекламные кампании, отношения с клиентами, финансы), все они имеют разную степень детализации и не позволяют создавать единые отчеты, одинаково полезные для всех департаментов внутри компании. Своевременная и качественная аналитика позволит бизнесу принимать быстрые решения, адаптируясь под новые вызовы рынка и изменчивые настроения современных потребителей.