bts merchandisebts shopbts sweatshirtbts clothesarmy bombbts official army bombbangtan bombbts army bomb ver 4bts army bomb ver 3bts army bombbts light stickbts official light stickbts light stick ver 4bts light stick ver 3bts dollsbt21 plushiesbts hoodiebts jacketbt21 hoodiebts shirt
TechFusion.ruСтатьиДанные для ритейла: отмену заказа можно научиться прогнозировать с 95% точностью

Данные для ритейла: отмену заказа можно научиться прогнозировать с 95% точностью

SAS Data Hack Platypus

Компании SAS и «Утконос» совместно с ВШЭ в конце ноября подвели итоги конкурса по анализу данных SAS Data Hack Platypus. Задачей, которую ставили организаторы перед участниками, стало создание модели прогнозирования отказа клиентов от заказов

Елена Щенявская

Елена Щенявская

 

Консультант дирекции аналитических и индустриальных решений SAS Россия/СНГ Елена Щенявская рассказала TechFusion.ru, как аналитика данных помогает ритейлу и способна ли она помочь компаниям справиться с отказами от покупок

 

 

 


 

— Сейчас аналитика данных используется практически везде. Как она влияет на ритейл, в чем помогает? 

— Аналитика для ритейла играет огромную роль. Традиционно в данной сфере выделяют два направления аналитики: клиентскую и товарную. В каждом из этих секторов возникает множество сложных задач. Например, в рамках клиентской аналитики необходимо понять, что и когда предложить клиенту для стимулирования его к покупке; подобрать сопутствующие товары, чтобы клиент не тратил время на поиски всех составляющих корзины; определить релевантные методы стимулирования повышения среднего чека посредством баллов, скидок или подарков, а также уведомления — SMS, e-mail, push-уведомления или звонки из колл-центра.

В рамках товарной аналитики необходимо оценить текущий спрос в целом и спрогнозировать его на будущее; понять, на какие товары стоит запускать промоакции, а на какие нет; определить ключевые товары — те, на которые клиент смотрит в первую очередь. Это нужно для того, чтобы понять, стоит ли пользоваться услугами данного магазина на регулярной основе или нет.

И все эти задачи приходится решать постоянно, потому что клиентское поведение очень быстро меняется, а ассортимент обновляется каждую неделю. Эти изменения неизбежны, их невозможно остановить, но можно использовать себе на пользу, если научиться прогнозировать эти процессы.

— Есть достаточно «взрослые» решения для ритейла от крупных разработчиков. Они помогают понимать запросы клиентов, строить программы лояльности, даже «угадывать» настроение покупателей. Почему вы решили искать что-то новое на конкурсе и хакатоне?

— Сегодня действительно есть достаточно зрелые решения товарной и клиентской аналитики. Но многие бизнес-задачи остаются не проработаны до конца, а некоторые со временем требуют пересмотра, потому что рынок трансформируется, процессы работы меняются, выявляются новые болевые точки.

SAS Data Hack Platypus

SAS Data Hack Platypus. Фото: SAS

Также не стоит забывать, что программное обеспечение выступает инструментом для достижения определенной цели, а эту цель еще нужно четко обозначить, исходя из тех трудностей, которые возникают в ритейле. Ритейл — это очень конкурентный бизнес, и он бросает новые вызовы, а такие соревнования дают приток свежих идей, помогают взглянуть по-новому на проблемы бизнеса.

— Для кого наиболее актуальна проблема отказов — речь об онлайн-ритейле или об офлайновых сетях?

— Отказ от покупки больше актуален для онлайн-магазинов или магазинов, которые работают как онлайн, так и офлайн. В преимущественно офлайновых сетях есть похожая проблема — возврат товара или покупки, однако причины отмены и возврата абсолютно разные, поэтому и решают эти задачи отдельно.

— Если задача прогнозирования вероятности отказа клиента от покупки будет решена, как это поможет ритейлерам? Можно для понимания привести цифры — сколько отказов и на каких этапах в среднем происходит сейчас? Как предсказание отказа поможет минимизировать убытки?

— Важно различать два этапа: прогнозирование отмены заказа и процесс принятия решения на основе данного прогноза. Если в первом случае работает аналитика, то во втором все зависит от экспертизы сотрудников, которые отвечают за данный этап. Можно научиться прогнозировать отмену заказа с 95% точностью, но если нет четкого понимания, как дальше использовать прогноз, то вряд ли это принесет какую-либо выгоду.

Как прогноз поможет минимизировать убытки? Например, если интернет-магазин предсказывает отмену заказа, как вариант, он может скорректировать развитие ситуации, своевременно предложить клиенту какой-то бонус, дополнительный сервис, скидку на следующий заказ, то есть сделать покупку более привлекательной. При этом, делая специальное стимулирующее предложение, нужно четко понимать, что повлияет на решение конкретно этого клиента. Такая задача тоже решается с помощью клиентской аналитики и предполагает многочисленные тестирования. Но если система аналитики видит, что клиент не восприимчив к подобному способу воздействия и неоднократно отказывался от покупки, вероятно, его следующие заказы будут расцениваться как менее приоритетные, чем заказы более лояльных клиентов.

— Можно ли как-то уменьшить количество отказов — или можно найти только возможность их предсказать?

— Чтобы уменьшить число отказов, необходимо проводить дополнительные исследования. Это не только анализ имеющихся данных, но и опросы среди клиентов, которые ранее уже отменяли заказы и могут ответить на самый главный вопрос — в чем причина отказа от покупки. Понимая причину, можно определить критичные места в текущем процессе и улучшить сервис онлайн-магазина как для конечного потребителя, так и для самого ритейлера.

— Что ждет победителей конкурса SAS Data Hack Platypus — будут ли идеи, найденные на конкурсе, доводиться до вида готовых решений и встраиваться в бизнес?

— Ребят, показавших впечатляющие результаты, уже позвали на собеседование в «Утконос». Трудно сказать, было ли что-то принципиально новое в их идеях, но многие предложения оказались безусловно полезными — например, проверка и подтверждение ряда выявленных закономерностей, в том числе зависимость отмены покупки и погоды или временной разрыв между моментом размещения заказа и интервалом доставки.

SAS Data Hack Platypus

Финалисты и организаторы SAS Data Hack Platypus. Фото: SAS

— Расскажите, какие задачи в целом ставили перед собой организаторы SAS Data Hack Platypus? Оправдались ли ожидания?

— Целей было несколько:

  • Оценить текущее представление участников о реальных задачах аналитики данных и найти молодые таланты
  • Увидеть свежий взгляд на задачу с точки зрения участника и его образа мысли. Преимущественно участниками выступали студенты, а студент — это потенциальный член команды аналитиков, которая совместно ищет ответы на вопросы. И чем разностороннее эта команда, тем больше шансов получить независимую, объемную и разностороннюю картинку клиентского поведения
  • Проверить, насколько качественной может быть прогнозная аналитика без сильного погружения в бизнес-область

Результаты соревнования оказались очень интересными. Традиционно всех участников таких состязаний можно условно разделить на сторонников двух подходов. Первые верят в то, что решение целиком и полностью зависит от выбранного алгоритма прогнозирования, вторые же — понимают, что нужно максимально поработать над переводом с «языка бизнеса» на «язык аналитики» и лишь после этого можно тестировать различные алгоритмы прогнозирования.

В итоге соревнование выиграл участник, который не имел большого опыта в прогнозировании, но долго проработал над созданием хранилища данных и их дальнейшем администрированием. И правильный «перевод» данных, который смог воспроизвести этот участник, позволил ему выиграть конкурс.

Иллюстрации предоставлены SAS Data Hack Platypus