Datawiz: как работает инструмент для ритейла

BI-инструментыbusiness intelligence – бизнес-аналитика помогают современным ритейлерам анализировать продажи и принимать стратегические решения на основе данных. Но мировой экономический кризис, ценовая инфляция, ограниченность кадров оказывают негативное влияние на бизнес. Это требует продвинутой аналитики, поэтому ритейлеры в 2023-м ищут решения для более глубокого анализа данных и автоматизации этого процесса.

Специалисты продуктовой IT-компании Datawiz в партнерском материале на примерах объясняют, как работает современная аналитика в ритейле, как BI улучшает взаимодействие с клиентами и помогает удержать и увеличить прибыль.

Партнерский материал?

Что такое современная BI

BI – это программное решение, которое собирает данные, обрабатывает, анализирует и представляет их в удобном для пользователя виде. Это могут быть отчеты, диаграммы и графики. Инструменты BI позволяют получать доступ к историческим данным и показателям в реальном времени, сравнивать их и отслеживать изменения.

Раньше BI-инструменты были сложными для нетехнических пользователей и слишком дорогими для небольших компаний. Также аналитикой данных занимались только специалисты.

Сегодня область BI значительно модернизировалась. Появились интуитивно понятные аналитичексие решения для всех участников бизнес-процессов. Они доступны для любого типа бизнеса и ритейлеров в частности.

В отличие от традиционных инструментов аналитики, современные BI-решения не просто генерируют отчеты, а предоставляют ценные инсайты с помощью специальных алгоритмов искусственного интеллекта и машинного обучения. Например, данные о проблемах в сети или рекомендации по ценообразованию.

С помощью BI ритейлеры анализируют продажи в магазинах, чтобы получить представление о динамике, слабых местах и потенциальных зонах роста.

Подробнее о компании Datawiz можно узнать по ссылке

Что такое Datawiz BI

Datawiz BI – ведущий аналитический инструмент, который позволяет быстро отследить проблемы на уровне бизнеса, торговых точек и товаров. Это набор готовых отчетов на основе ИИ, разработанных исключительно под нужды ритейла совместно с ритейлерами.

Сервис глубоко анализирует процессы в сети магазинов и позволяет создавать индивидуальные дашборды и визуализации на основе полученных данных. Сейчас украинская компания Datawiz разрабатывает современные аналитические продукты для ритейла, объединенные в обширную систему Datawiz BES, и сотрудничает с 60 клиентами в 17 странах мира.

Как работают решения от Datawiz

Платформа Datawiz BES объединяет несколько аналитических решений:

BI – комплексная аналитика для всех бизнес-процессов сети: анализ ассортимента, цен, категорий, брендов, выявление проблемных зон;
BI Dashboards – аналитика посредством интерактивных дашбордов и графиков;
Store Manager – мобильное приложение для руководителей магазинов;
PlanoHero – сервис для автоматизации процесса планограммированияпроцесс планирования и размещения товаров в магазинах для улучшения продаж: от создания планограмм до контроля выполнения выкладки в магазине;
Data Monetization – платформа для продажи данных поставщикам.

Все решения на платформе Datawiz BES взаимодействуют, постоянно обмениваются данными и предоставляют информацию из магазинов в режиме реального времени.

Менеджеры получают подробную информацию о позициях без ценников, о товаре, который отсутствует на полке или не продается, а также о других проблемах с выкладкой в магазине.

Детальнее о платформе Datawiz BES, и как работает сервис Datawiz BI здесь

Преимущества Datawiz BI перед другими сервисами

BI-инструмент с фокусом только на ритейле. Все отчеты и функционал сервиса реализованы с учетом потребностей ритейла.
Автоматизированный поиск проблем. Алгоритм BI отслеживает проблемы в сети и отправляет уведомления ответственным менеджерам.
No-code-адаптация. Пользователь может создавать собственные показатели без IT-специалистов, сложных настроек и доступа к коду.
Actionable intelligence – прогнозная аналитика на основе алгоритмов искусственного интеллекта. Настройка специальных уведомлений позволяет отслеживать малейшие отклонения от установленных планов и ожидаемых KPI.
Глубинный анализ клиентов, которые участвуют в программе лояльности. Можно сегментировать клиентов по нужным параметрам, анализировать корзину и производить эффективные персонализированные промо, например узко таргетированные рассылки.

BI анализирует, что покупают клиенты программы лояльности, и формирует целый комплекс отчетов. Они помогают найти скрытые инсайты в данных – такие комбинации продуктов, о которых вы даже не догадывались. Все это позволяет понять модели поведения клиентов. Главная цель этого анализа – увеличить продажи через правильное взаимодействие с каждой отдельной группой покупателей.

Рассмотрим более подробно один из отчетов для анализа клиентского поведения – «Анализ покупательских корзин».

Анализ корзины покупателя

Анализ покупок помогает исследовать и изучить спрос на товар и оптимизировать ассортимент. К тому же это идеальный способ понять, что покупают клиенты именно в ваших магазинах.

Например, анализ продаж в магазине показал, что самая ценная группа клиентов, которая приносит больше всего прибыли, чаще всего покупает молочные продукты вместе с крупами в субботу утром.

Эта информация будет стимулом расширить такие категории товаров, улучшить выкладку, а также позаботиться о своевременных поставках нужного товара именно перед выходными.

В целом аналитика покупательной корзины позволяет категорийным менеджерам ответить на многие вопросы, например:

Какие товары попадают в корзины покупателей в выходные/будние/праздники?
С чем покупают товар?
Какие бренды попадают в чеки вместе?

Алгоритмы решения Datawiz BI обнаруживают в чеках покупателей ассоциативные правила (association rules) – это связи между товарами, которые повторяются в корзинах.

BI находит такие связи и формирует на основе данных отчет о комбинации товаров – что, когда и с чем покупают клиенты и что входит в корзину определенной стоимости. Все это понадобится для планирования будущих кросс-продаж, организации специальных скидок и так далее.

Часто эта информация слишком очевидна или уже известна ритейлеру, учитывая опыт или тренды. Например, мы знаем, что чаще всего чипсы и колу покупают вместе или чай вместе с печеньем. Именно поэтому ценным для сетей будет анализ корзин, который поможет выявить скрытые связи между товарами.

Один из самых ярких примеров – это выявление скрытой связи между продажами товаров, которые, на первый взгляд, не связаны между собой. К примеру, это могут быть алкогольные напитки и средства для стирки или алкоголь и средства детской гигиены.

Попробовать современные BI-инструменты и узнать, какие бренды попадают в чеки вместе можно по ссылке

Какие бывают необычные связи

Парадоксально, как некоторые категории товаров покупают вместе и какая ассоциативная связь может у них быть. Но мы доверяем фактам и аналитике, поэтому анализируем корзины и в отчете находим подтверждение теории скрытой связи между продажами средств гигиены для детей и пива.

Анализ корзины показывает, что детские подгузники действительно часто покупают вместе с пивом. Согласно почасовому анализу продаж, самые высокие продажи этой пары товаров фиксировали именно в пятницу, в 19 часов вечера.

Точно так же анализ корзин клиентов показывает большое количество продаж необычной пары товаров – средств для стирки и пива.

Делаем предположение, что, скорее всего, это необычное сочетание товаров оказывается в корзине мужчин, которых жены попросили в пятницу вечером по дороге домой купить стиральный порошок, а они вместе с порошком покупают еще и пиво. Или другой вариант – эта пара товаров попадает в семейную корзину во время совместного шопинга перед выходными.

Такая информация позволяет понять поведение клиентов для того, чтобы улучшить работу сопутствующих товаров и организовать эффективную выкладку в магазине.

Согласно исследованиям международной компании NielsenIQ, полученные инсайты по анализу покупательских корзин помогают на 7% увеличить количество SKUтоварных позиций в чеке клиента.

С помощью BI-инструмента за несколько кликов можно изучить и понять потребности покупателей, найти важные инсайты, а также:

структурировать информацию о покупках клиентов;
повысить маржинальность благодаря оптимизации ассортимента и выкладки;
минимизировать неходовой товар на полках магазинов;
разрабатывать эффективные промокампании и оценивать их эффективность;
повысить лояльность и увеличить количество клиентов.