Старые добрые программы лояльности, когда клиенту выдается карточка, позволяющая зарабатывать баллы или получать скидки, дают все меньше эффекта, констатируют ретейлеры. С использованием технологий больших данных (Big Data) программы лояльности становятся еще более избирательными. «Вместо смс с общей информацией о промоакциях клиенты все чаще получают именные сообщения, основанные на глубоком анализе их индивидуальных предпочтений», — говорит Сергей Осипов, вице-президент MAYKOR-GMCS.
Своеобразный «паспорт» покупателя — карта лояльности. При ее получении требуется указать минимальный объем информации: имя, пол, возраст, контактные данные. Однако основную информацию ретейлеру дает не анкета, а сама карта: как, когда и на что покупатель тратит деньги, какие выбирает товары. «Зная состав покупок клиента, мы с большим процентом вероятности можем сказать, кто он, — рассказал «РГ» Дмитрий Медведев, директор по маркетингу торговой сети «Перекресток». — К примеру, вегетарианец, который имеет собаку и воспитывает трехлетнего ребенка. Это знание позволяет нам сделать этому человеку персональное предложение на товары, необходимые именно ему и именно сейчас. Например, каждый понедельник клиент покупает овощи и детское молоко, а каждый четверг — корм для собаки. Мы можем предложить ему в понедельник купить все три товара со скидкой».
Big Data знает, что вы покупали в прошлом месяце и как изменили покупки за год, чем балуете себя по выходным и склонны ли к спонтанным тратам. Оперируя этой информацией, сетям нетрудно направить покупателя к нужному стеллажу. Так, кассир считывает карту и дает купоны на следующую покупку на определенные товары. Например, всегда брали свежую выпечку, а сейчас перестали. Это потому, что не хватает денег или сели на диету? Ретейлер узнает это в два счета. Сначала предложит скидку на булочки, а если вы ее проигнорируете, то купон на линейку обезжиренных продуктов.
«Это могут быть скидки, купоны и спецпредложения на следующие покупки, участие в розыгрыше или накопление бонусных баллов. Задача ретейлера — выявить то, что действительно интересно покупателю, чтобы покупатель был доволен и получил позитивный опыт взаимодействия с магазином», — пояснил Дмитрий Ларин, директор по работе с Retail компании SAS Россия/СНГ.
Большие данные используются, чтобы наиболее точно определить предпочтения потребителей, которые, с одной стороны, повысили бы продажи, а с другой — отвечали бы интересам и запросам покупателя. Показателен пример с продажей авиабилетов. Например, в России у компании Finnair билеты стоят дешевле, чем в Финляндии. Если система понимает, что покупатель русский, то предлагает ему билеты по недорогой цене, если же он финн, то он приобретает их по завышенной стоимости. «Сайты — агрегаторы авиабилетов часто пользуются механикой искусственного дефицита, или упущенной выгоды, отслеживая людей, готовых совершить покупку. Скажем, вы уже три дня посещаете сайт, выбираете билеты, но не совершаете покупку. Система фиксирует вас и выводит индивидуальное предложение о самой выгодной цене: «Через два дня мы поднимем цены на авиабилеты в Финляндию. Купи сегодня по самой выгодной цене». Очевидно, что это манипуляция, и здесь компании, которые занимаются продажей авиабилетов, играют на грани фола», — отмечает Иван Боровиков, глава Mindbox.
Другой пример использования Big Data — анализ трендов рынка. В конце 2014 года на фоне падения рубля резко возросли продажи в магазинах ювелирной сети, расположенных на границе с Казахстаном и Беларусью. Гости из этих стран стали массово скупать очень дешевое в рублях золото. Получив данные о резком росте продаж сети в этих регионах, ретейлер значительно поднял цены на свои товары в конкретных магазинах. Для местных жителей золото стало еще дороже, но гостей из ближнего зарубежья цены все еще устраивали. Это позволило ювелирам неплохо заработать, рассказал эксперт.
Самая громкая история, связанная с Big Data, произошла в США, где на сеть гипермаркетов Target подал в суд отец двенадцатилетней девочки, которой ретейлер предложил тест на беременность и другие сопутствующие товары, т.к. характер ее покупок за короткий период изменился и стал похож на потребительскую корзину будущих мам. Однако в ходе судебного разбирательства установили, что девочка действительно была на первых месяцах беременности, и дело закрыли. Как видим, иногда Big Data знает о нас больше, чем наши собственные родители.
