Settore della vendita al dettaglio

L’errore più comune quando si pensa a come utilizzare i Big data nel Retail, è quello di circoscrivere la loro utilità all’analisi delle vendite; cosi facendo si tralasciano una serie di funzioni importanti che i dati ricoprono in questo settore. I rivenditori e la GDO sono infatti in grado di servirsi di Big data per osservare: preferenze, orari più frequentati dalla clientela, durata delle visite in negozio, tempo di permanenza, eventuali code, fedeltà dei clienti, scelte, promozioni e tante altre cose che permettono di stilare, sempre più approfonditamente, un profilo fedele di ogni consumatore.

Dal punto di vista del business, i rivenditori avranno il compito di responsabilizzare maggiormente le persone che lavorano all'interno della loro organizzazione affinché esse siano in grado di prendere decisioni in modo rapido, preciso e sicuro. Risulta evidente come il raggiungimento di questi obiettivi sia strettamente connesso alla raccolta e all’uso di dati.

Per comprendere meglio il valore dell'analisi dei Big data nel settore della vendita al dettaglio, diamo un'occhiata a tre tipologie di azioni consigliate nel ramo del Retail, evidenziati da uno studio condotto da “Datameer”33_{, per trarre profitto dai dati.}

1) Analisi del comportamento dei clienti

39

I consumatori si connettono con le imprese attraverso le più disparate modalità di interazione: social media, negozi, e-commerce ecc.

Se da un lato aumenta la difficoltà di analizzare dati molto spesso diversi tra loro per conformazione, dall’altro la grande quantità di indicazioni che ne risulta può essere usata come base per studiare il comportamento e le caratteristiche dei consumatori, ad esempio individuando i segmenti di clientela più profittevoli, cosa li spinge ad acquistare o ancora quando è più conveniente attrarli all’interno del punto vendita formulando proposte ad hoc; è normale che, basandosi su queste informazioni, le imprese riescano ad acquisire nuovi clienti e a rafforzare i rapporti con coloro che già erano in contatto con l’azienda.

Lo studio, attraverso i nuovi sistemi di analisi collegati ai Big data, è la chiave per intercettare le informazioni, strutturate e non strutturate, relative ai comportamenti dei consumatori. Di fatti è lecito combinare, integrare ed analizzare tutti i dati contemporaneamente per generare le informazioni necessarie per acquisire e fidelizzare i clienti.

2) Personalizzazione dell'esperienza “In-Store” con i Big Data

In passato, il merchandising era considerato una forma d'arte, che non aveva delle vere e proprie linee guida da seguire per misurare l'impatto specifico delle decisioni prese. Con l'esplosione del fenomeno dell’e-commerce, è nata una nuova tendenza in cui gli acquirenti, prima di procedere all’acquisto online, si recano nei negozi per vedere e provare il prodotto. Una piattaforma di ingegneria dei dati può aiutare i rivenditori ad ottimizzare le tattiche di merchandising, personalizzare l'esperienza in negozio con strategie volte alla fidelizzazione e a promuovere offerte tempestive per incentivare i consumatori a completare gli acquisti, con l'obiettivo finale di aumentare le vendite su tutti i canali.

L'utilizzo dei Big data risulta utile per monitorare il comportamento dei clienti all'interno del punto vendita e promuovere offerte per incentivare gli acquisti in negozio o, in seguito, acquisti

40

online. La comprensione delle informazioni consente di creare offerte personalizzate che attirano maggiormente i clienti e soddisfano le loro esigenze.

3) Abbassamento dei costi di acquisto dei clienti

In passato, le informazioni sui clienti erano circoscritte ai soli dati demografici raccolti durante le transazioni di vendita. Ma oggi, con i social network e gli altri canali a disposizione, i clienti sono a stretto contatto con le aziende. È perciò nell'interesse dei rivenditori trasformare i dati generati dai clienti in analisi, per comprenderne le preferenze.

La conoscenza dell’utente con cui le imprese si trovano a doversi interfacciare, consente loro di captare ciò che il consumatore desidera, e di conseguenza di mettere in atto offerte ed iniziative che non solo appaghino i loro bisogni, ma che riescano a fidelizzare i clienti. La conseguenza positiva di questa “fidelizzazione” è l’abbattimento dei costi di acquisizione dei nuovi clienti perché, se i consumatori saranno soddisfatti della loro esperienza di acquisto molto probabilmente decideranno di instaurare un rapporto con l’impresa.

A questa categoria di rapporti rivenditore-consumatore, che viene definita di front-end, vengono contrapposti i processi interni, ovvero quelli che coinvolgono il rivenditore ed i fornitori e che vengono chiamati processi back-end.

I Big data intervengono nelle relazioni rivenditore-fornitore ad esempio impattando sulla logistica: tutti i dati che vengono generati dai fornitori ( durata e lunghezza dei trasporti, dimensioni della merce, peso ecc.) possono essere impiegati per ottimizzare i tempi ed i costi di consegna.

Così, si possono utilizzare flussi di dati in tempo reale per scegliere il percorso migliore da seguire, in base al traffico o alle condizioni meteo, risparmiando tempo ed abbattendo i costi.

41

Sistemi di analitycs avanzati possono essere usati anche per fare previsioni sulla domanda in modo da allocare le risorse in base alle necessità di ciascuna zona.

Non solo logistica ma anche gestione del magazzino; analizzando i dati a disposizione e prevedendo i flussi futuri di domanda si può stabilire il livello ottimale di scorte in magazzino. Ciò permette di evitare che in alcuni periodi ci sia sovrabbondanza di merce o, nel caso opposto, mancanza di scorte.

Un altro impatto che possono avere i Big data in questo settore riguarda la gestione del personale; infatti, realizzando una stima delle vendite giornaliere previste, si possono pianificare i turni di lavoro, evitando così carenze di personale o eccedenze dello stesso. Questo è un fattore che potenzialmente può impattare sulla soddisfazione dei clienti e sulle performance finanziare del negozio.

42