Почему Big Data - один из важнейших инструментов в eСommerce

Игорь Бахарев

Данные в электронной коммерции - один из важнейших источников знаний о покупателях, который даёт возможность для более полного и плотного взаимодействия с ними. Директор по продажам компании Arenadata Михаил Гавриков рассказал о том, как использовать в eСommerce "цифровой след" пользователей и чем отличается от классического ритейла применение в этой сфере технологий на основе Big Data.

Современные покупатели непостоянны и крайне динамичны. И, что уж скрывать, онлайн-магазинам приходится гораздо тяжелее, чем их классическим коллегам. От перехода из одного офлайн-магазина в другой покупателя могут остановить расстояние, усталость, сожаления о потраченном времени. Но чтобы закрыть одну вкладку в браузере и открыть другую, особых усилий не требуется. Поэтому конкуренция между онлайн-магазинами постоянно лишь набирает обороты. 

Чтобы победить конкурентов, удержать покупателей, добиться роста чека и количества допродаж мало использовать классические инструменты. Тут нужны гораздо более действенные и эффективные технологии. Ряд особенно интересных из них построен на основе использования Big Data - больших данных, которые представители eСommerce собирают о своих покупателям и даже просто посетителях сайта. Благодаря им у онлайн-ритейлеров появляется возможность обрабатывать огромные массивы самой разнообразной информации, собираемой в специальных хранилищах данных, строить на основе неё аналитику, предсказывая поведение покупателей, возможные риски и формируя планы по дальнейшей работе. 

Отличие Big Data в eСommerce

Применение технологий работы с большими данными в электронной коммерции отличается от офлайн-ритейла, в первую очередь, источниками данных и способами их монетизации. "Наряду с данными о продажах и другими, успешно используемыми в офлайн-ритейле, мы в Lamoda, в том числе, уделяем большое внимание анализу пользовательских действий на нашей платформе (сайте, мобильном сайте и в приложениях). По сути эти данные описывают процесс выбора товара, который в офлайн-ритейле наблюдать гораздо сложнее", - рассказал Олег Хомюк, руководитель отдела исследований и разработки Lamoda.

Как уточняет Мария Артамонова, директор по IT "Утконос ОНЛАЙН", в офлайн-ритейле для того, чтобы получить информацию о посещении магазина, просмотре товаров, планограммах, полочных остатках, приходится использовать анализ изображений с видеокамер или иные способы. 

"В eСommerce же пользователь оставляет за собой цифровой след. В "Утконос ОНЛАЙН" мы можем понять, например, из какого канала пользователь к нам пришел, какие страницы сайта смотрел. Кроме того, в отличие от офлайна, в eСommerce каждая покупка персонализирована. Мы можем понять, с какими трудностями пользователь столкнулся на любой стадии оформления заказа, оперативно их устранить, вычленить паттерны, которые позволят прогнозировать поведение или решение покупателя при разных сценариях", - отмечает Мария Артамонова. 

Что анализируют онлайн-магазины

Как отмечают представители eСommerce, им приходится анализировать огромное количество данных. Это могут быть:

  • Клики;

  • Источники, по которым пользователь перешёл на сайт;

  • Страницы, которые он просматривал;

  • Количество времени за чтением описания товара;

  • Добавление в избранное;

  • Поисковые запросы;

  • Наиболее популярные адреса и интервалы доставки;

  • Самые востребованные промоакции, на которые покупатели обращают внимание.

Всё это помогает выявить особенности поведения пользователя на сайте. В конечном счёте онлайн-магазинам приходится работать с десятками терабайт информации о пользовательских сценариях, доступных для анализа.

Один из популярных источников Big Data для eСommerce - это анализ совершённых пользователем кликов и его корзины товаров. Так, "Утконос ОНЛАЙН" регулярно проводит АВ-тесты по изменению функционала сайта, которые определяют:

  • Эффект от внедрения поиска от партнеров;

  • Эффект от онбординга в мобильном приложении;

  • Эффект от всплывающих окон.

 "АВ-тесты помогают понять, стоит ли изменять функционал нашего сайта, станет ли он более удобным, или никакие изменения не требуются. Также анализ корзины и кликов на сайте позволяет генерировать ряд ключевых факторов для моделей машинного обучения и целевого маркетинга. Например, реагирует ли покупатель на промо, сортирует ли по цене, когда в последний раз заходил в личный кабинет", - объясняет Мария Артамонова. 

Выбор товаров - определяющий для последующей покупки процесс, поэтому глубокий анализ описывающих его данных позволяет найти области для улучшения пользовательского опыта и, как следствие, всей экономики бизнеса. 

"Суммарно мы в Lamoda тестируем несколько сотен идей в год перед их выпуском на всю аудиторию, и с каждым годом это количество только растёт. Собираемые данные и их анализ помогают нам измерять фактический бизнес-эффект и принимать решения о запуске. По результатам аналитики появляются идеи по доработкам, например, можно анализировать первые пользовательские сессии, которые не привели к покупке, и пытаться понять, что именно могло бы помочь этой части аудитории сделать свой выбор", - комментирует Олег Хомюк. 

Ещё одним ставшим вполне типичным для электронной коммерции способом монетизации данных можно считать разработку рекомендательных систем и других продуктов на основе данных и машинного обучения: от оптимизации показа баннеров на главной странице до подбора релевантных товарных рекомендаций в корзине и даже письмах. 

Преимущества использования Big Data в eСommerce

Сегодня большинство онлайн-ритейлеров прекрасно понимают эффективность использования технологий, основанных на Big Data, и высоко оценивают их вклад в реализацию разнообразных бизнес-сценариев. Например, в "Утконос ОНЛАЙН" активно применяют данные о покупателях в маркетинге, что позволяет ритейлеру выстраивать собственную рекомендательную систему на сайте, основываясь на статистике покупок, создавать рекомендательную корзину. А работа с активной базой клиентов, с оттоком и с ушедшими клиентами и вовсе приносит ритейлеру большую часть дохода, помогая прогнозировать отток и оптимизировать кампании таким образом, чтобы их вернуть. 

Помимо этого, технологии, построенные на основе больших данных помогают оптимизировать и ещё ряд направлений:

  • Ценообразование: анализ эластичности спроса по цене даёт возможность увеличить маржу на несколько процентов.

  • Прогнозирование спроса и оптимизация товарных запасов позволяет повысить доступность товара для клиентов и снизить списания по сроку годности.

  • Оптимизация операций складской и транспортной логистики позволяет снизить OPEX на заказ. 

Сложности использования Big Data в eСommerce

Получить доверие бизнес-пользователей - одна из основных сложностей, которую называют онлайн-ритейлеры, говоря об использовании инструментов и технологий, построенных на основе Big Data. Ведь компании необходимо доказать, что анализ данных может повысить эффективность бизнес-направления. Лишь поняв это, бизнес-пользователи становятся готовы вкладываться с удвоенной силой в подобные технологии. И тогда существенно возрастают и скорость решения задач, и эффект применения инноваций.

Другими сложностями являются процесс сбора данных, дефицит на рынке необходимых технических специалистов и, конечно, правильный подход при построении хранилищ данных.

Материал по теме

Системы MDM в российских реалиях: чек лист и несколько рекомендаций

Материал по теме

Нейросети в продажах. Как ИИ решает задачи продавцов на маркетплейсах

Материал по теме

Как сделать прогноз эффективности трафика из соц. сетей на товарные карточки Ozon

Подписаться на новости

Актуальное сейчас

Ozon и Мегамаркет отчитались о работе региональных витрин

Ozon и Мегамаркет зафиксировали значительный рост интереса покупателей к товарам российского производства. Компании рассказали о результатах проектов "Сделано в России", которые они независимо друг от друга...

Число заказов, доставленных Яндекс Маркетом в малые города увеличилось в 6 раз

Яндекс Маркет проанализировал, как во втором квартале 2024 года росла популярность онлайн-покупок в малых городах с населением до 50 тысяч человек относительно аналогичного периода прошлого года:  ...

Ozon представляет новый инструмент для улучшения изображений товаров

Ozon анонсировал запуск инновационного инструмента на базе искусственного интеллекта, предназначенного для редактирования изображений товаров. Новый AI-редактор позволит продавцам существенно улучшить визуа...

Приложение М.Видео возвращается в App Store

Компания М.Видео-Эльдорадо сообщила о восстановлении своего мобильного приложения для устройств Apple в App Store. После некоторого перерыва пользователи iPhone и iPad снова могут установить или обновить пр...

Проблема негативных отзывов на маркетплейсах: угроза для бизнеса

Рынок электронной коммерции стремительно развивается, а вместе с ним растет и конкуренция между продавцами. Все большую роль в выборе покупателей играют отзывы. Однако не все из них отражают реальное качест...

Как ритейл использует облака для ускорения своего роста

Согласно исследованию КРОК 92% крупных и средних ритейлеров в России используют облачные сервисы, остальные - собственные ЦОД и сервера. 63% определились с выбором провайдеров и не планируют его менять в бл...

Согласие на обработку персональных данных

×

Физическое лицо, оставляя заявку на веб-сайте e-pepper.ru через форму «Обсудим ваш проект» и форму подписки на e-mail рассылку, действуя свободно, своей волей и в своем интересе, а также подтверждая свою дееспособность, предоставляет свое согласие на обработку персональных данных (далее — Согласие) Обществу с ограниченной ответственностью «АЭРОКОМ» (ООО «АЭРОКОМ») (ИНН 9705136776, info@aeroidea.ru, +7(495)120-12-38, +7 968 900-23-45), которому принадлежит веб-сайт https://e-pepper.ru и которое зарегистрировано по адресу 111024, г. Москва, вн.тер.г.муниципальный округ Лефортово, ул. Авиамоторная, д.50, стр.2, этаж 2, помещ.XI, комната 25, офис А79, на обработку своих персональных данных со следующими условиями:

  1. Данное Согласие дается на обработку персональных данных, как без использования средств автоматизации, так и с их использованием.
  2. Согласие дается на обработку следующих моих персональных данных: персональные данные, не относящиеся к специальной категории персональных данных или к биометрическим персональным данным: адрес электронной почты (e-mail); имя; сведения о месте работы; номер мобильного телефона.
  3. Цель обработки персональных данных: обсуждение возможного проекта.
  4. В ходе обработки с персональными данными будут совершены следующие действия: сбор; запись; систематизация; накопление; хранение; уточнение (обновление, изменение); извлечение; использование; передача (предоставление, доступ); блокирование; удаление; уничтожение.
  5. Третьи лица, обрабатывающие персональные данные по поручению ООО "Аэроком” для указанной в согласии цели:
    • АО "АМОЦРМ", 21205, г. Москва, вн.тер.г. Муниципальный Округ Можайский, Тер Сколково Инновационного Центра, б-р Большой, д. 42 стр. 1
    • ООО "Яндекс", 119021, г. Москва, ул. Льва Толстого, д. 16
  6. Персональные данные обрабатываются в течение 30 дней с момента отказа в дальнейшем обсуждении проекта или с момента принятия решения о заключении договора на проект в соответствии с ч. 4 ст. 21 152-ФЗ, смотря что произойдет раньше.
  7. Согласие может быть отозвано вами или вашим представителем путем направления ООО "Аэроком” письменного заявления или электронного заявления, подписанного согласно законодательству Российской Федерации в области электронной подписи, по адресу, указанному в начале Согласия.
  8. В случае отзыва вами или вашим представителем Согласия ООО "Аэроком” вправе продолжить обработку персональных данных без него при наличии оснований, указанных в пунктах 2 — 11 части 1 статьи 6, части 2 статьи 10 и части 2 статьи 11 Федерального закона № 152-ФЗ «О персональных данных» от 27.07.2006 г.
  9. Настоящее согласие действует все время до момента прекращения обработки персональных данных, указанных в п. 6 и п. 7 Согласия.