Conferencia en la Universidad del Pacífico: Big data en retail
-
Upload
business-analytics -
Category
Data & Analytics
-
view
189 -
download
0
description
Transcript of Conferencia en la Universidad del Pacífico: Big data en retail
Adaptado de How Companies Learn Your Secrets - NYTimes.com
Redefinamos Big Data
• Big Data se suele definir en términos del volumen, velocidad y variedad de la data que almacenan las empresas, o en términos de modelos predictivos o herramientas de software
• Para ser relevante, Big Data debe definirse en función de valor (táctico) y transformación del negocio (estratégico)
• Pensemos en el ejemplo del caso de Target. Que ha logrado?– Impacto directo en el trafico y rentabilidad de sus tiendas– Establecer una relación con el shopper ofreciendo productos
relevantes en el momento correcto– Lograr un cambio de comportamiento duradero, no en una
transacción (no caer en la trampa promocional)
AnalyticsLa Estrategia
Analytics, Big Data, Data Mining
Data MiningLas HerramientasCambio
OrganizacionalEl metodo
Big DataEl Insumo
Colaboración de The Retail Factory, especialistas en shopper marketing desde la “a” a
la “z”
ROLES DE TIENDASEl rol de retail y los formatos para el shopper
PLANIFICACION¿Dónde esta tomando la decisión de compra el shopper?
CASO MEJORAMIENTO DEL HOGAR
Colaboración de The Retail Factory, especialistas en shopper marketing desde la “a” a
la “z”
Big Data
Velocidad, Variedad y Volumen sin precedentes
• Gracias a la Data Social y Movil ahora podemos saber:– Donde estas?– Donde has estado?– Donde podrias ir?– Con quien has estado?– A quien llamas?– Quien te llama?– A quien conoces?– Que estas haciendo?– Que apps y juegos usas?– Que musica escuchas?– Que series ves?– Que lees?– Que productos compras?– Que opiniones tienes?
Colaboración de The Retail Factory, especialistas en shopper marketing desde la “a” a
la “z”
MM
Consumidos
Algunos Ejemplos
• Macy’s aplica Pricing en tiempo real para 73 millones de SKUs, basado en patrones de demanda e inventario
• Tipp24 AG, una plataforma de apuestas y loterías, analiza miles de millones de transacciones y cientos de atributos de clientes para personalizar ofertas de marketing “al vuelo”
• Wal-Mart Stores Inc. utiliza un motor de data semántica para analizar textos, buscar sinónimos y simplificar la búsqueda de productos en linea; esto ha logrado que los clientes incrementen el cierre de sus pedidos en 10-15%
• Una cadena de comida rápida entreno sus cámaras en el drive-trough para medir el trafico; cuando las colas son largas ofrece productos fáciles de preparar, y cuando son cortas ofrece productos mas elaborados de mayor margen
• Tesco PLC recolecto 70 millones de datos relacionados con sus refrigeradores para medir la performance de sus equipos de frio, optimizar su calibramiento y hacer mantenimiento proactivo. Espera ahorrar US$34MM al año en costos de energía y reducir su huella de carbono en 50%
Extracto de la presentación de Doug Laney (Gartner)
Algunos Ejemplos Locales
• Un Supermercado desarrollo un modelo para detectar fraude en las cajas a partir del comportamiento inusual de canjes y devoluciones, que representaban 6% de la venta total. Combinando SAP y QlikView se creo un sistema de montoreo, 6 meses después los canjes y devoluciones habían bajado a la mitad.
• Un Banco declara que el 80% de sus ventas provienen de oportunidades identificadas por sus modelos analíticos.
• Una empresa de consumo masivo incremento la productividad de que equipos de frio en 80% combinando data mining con modelos de Location Intelligence
• Una empresa de venta por catalogo multiplico x6 sus tasas de respuesta y x 4 su pedido promedio al aplicar modelos predictivos a sus campañas de marketing directo
• Una entidad de microempresa estima que la productividad de su fuerza de ventas se incrementara en 50% al cambiar su método de prospección actual (barrido de zonas comerciales) a otro que combina una aplicación móvil, seguimiento con Google y la compra de prospectos precalificados a Experian
1991 1995 2000 2005 2010
Piloto con basket data de 14 tiendas
Show me the Money
Bigger Data, Bigger Decisions. Tim McGuire, McKinsey & Co
Lanzamiento de Clubcard
Primer estado de cuenta
Segmentacion de sensibilidad al precio
Identificar gaps en Canastas
Tesco baby club, Tesco wine club
Tesco Finanzas Personales
Tesco.comSegmentacion de estilo de vida
Herramienta de Mix de Productos
₤1 billon en premios acumulados
Se recorta 25% de las promociones, percepcion del programa mejora
Relanzamiento de Clubcard
Optimizacion de espacio
Programa se lanza fuera de UK
Panel de clientes
100
675
Margen Neto (1991 = 100)
Aplicaciones
Site LocationMix de Productos y LayoutSegmentaciónCategory ManagementCampaign ManagementEjecución fuera de tienda
Aplicaciones
Site Location
Site Selection
Big Data en Geo
• La Informacion de sus clientes, ademas:
Mapa de Oportunidad
• Objetivo: Identificar las áreas de oportunidad para la venta de productos que sirvan como base para el despliegue de sus tiendas.
• La naturaleza del Mapa de Oportunidad estará condicionado por la naturaleza de la Ocasión de Compra
Consumo Residencial Trafico Peatonal Trafico Vehicular
Distribución Geográfica de Segmentos por Conos y Distritos
Segmento 05: Clase Media Típica
DISTRITO LA PERLA
Nivel socioeconómico medio, presencia significativa de viviendas en departamentos, alta densidad de trabajadores empleados y pequeñas empresas.
Micro mercados y Canibalizacion
Alta densidad
Densidad Media (oportunidad)
Periféricos
Aplicaciones
Mix de Productos, Layout de tienda
Colaboración de The Retail Factory, Especialistas en shopper marketing desde la “a” a la
“z”
EL PENTÁGONO
DIFERENCIACIÓN Estrategias diferenciadoras que generan tráfico en la tienda
EYE TRACKING TECHNOLOGYFuncionamiento y beneficios
Alinea movimiento del ojo con análisis del SW
Shopper hace su recorrido normal por la tienda
Codifica movimiento entre áreas en espacio Retail
Codifica movimien-to ocular en zonas clave
Colaboración de The Retail Factory, Especialistas en shopper marketing desde la “a” a la
“z”
EYE TRACKING TECHNOLOGYFuncionamiento y beneficios
Análisis de Conversión de Categorías
Análisis recorrido shopper por tienda
Análisis de tiempos de compra
Análisis de efectivi-dad de materiales in-store
Colaboración de The Retail Factory, Especialistas en shopper marketing desde la “a” a la
“z”
Aplicaciones
Segmentacion de Clientes
Metodos de segmentacion
Eres lo que ganas NSE (todavia se usa mucho en publicidad)
Eres lo que dices de ti mismo
Cuestionario de estilo de vida. Interesantes pero caros de mantener y poco confiables
Eres Donde Vives Geo Marketing (se usa mucho en marketing directo)
Eres lo que haces Relevante
Segmentos de ValorEntendiendo el QUE
Valor y Tendencia(Reciencia, Frecuencia y Valor)
Life st
age
Com
port
amie
nto/
Nec
esid
ad
• Compra Regularmente• Compra marca• Paga precio normal• Pide Delivery• Usa Tarjetas de Crédito/Debito
Comportamiento
Life stage
Valor y Tendencia
• Compro en las 2 ultimas semanas• Compra 4 veces por mes• Alto ticket promedio
Familia Joven
• 20-40 años• Compra productos para niños y bebes
Busca Calidad
Premium
Fuentes• Lifestage: DNI (Edad, Sexo), Transacciones• Valor y Lealtad: data de transacciones Club• Comportamiento/Necesidad: data de transacciones IClub
Segmentos de ComportamientoEntendiendo el QUIEN
Segmentos de ComportamientoEtapa
9
1. Nacimiento2. Graduación3. Trabajo nuevo4. Matrimonio5. 2do. Matrimonio6. Separación7. Divorcio8. Muerte9. Jubilación10. Hijo sale del hogar
Eventos
DependienteEn casa depadres
25 6555453510
Vida fuera del Hogar Paterno
4
2 3
Soltero
Pareja mayor retirada
Usar eventos claves y disparadores para determinar oportunidades relevantes de ventas
10Nido vacío
Soltero 2 Soltero 3
8
7
6
5
Padre soltero 1 Sobreviviente
soltero
9
98
Pareja sin hijos
1
Nido tardío
Nido lleno 1
1
8
7
6
1
5
8
Padre soltero 3
Padre soltero 2
7
6
Nido lleno 2 Nido lleno 3
Recien casado
Copyright NCR Corp. 1997
Segmentos de ComportamientoEntendiendo el QUIEN
• El objetivo es agrupar a los clientes en un número de grupos con perfiles y necesidades distintos, basados en variables como:• Delivery o presencial?
• Marca o Genérico?• Recurrencias/Crónicas• Valor y Frecuencia• Tendencia• Contado o crédito?• Usa Seguro?• Prescripción u OTC?
• Compra de categorías• Productos galénicos• Productos naturales• Perfumería• Familiares (accesorios para bebes,
leches, panales)• Geriátricos
CrónicosBebes
DeliveryCuidado PersonalGeriátricos
Ofertas y Genéricos
DIFERENCIACIÓNMisiones de compra identifican need-states de los shoppers en formatos retail
CASO MEJORAMIENTO DEL HOGAR
Colaboración de The Retail Factory, Especialistas en shopper marketing desde la “a” a la
“z”
ATRIBUTOS DE TIENDA
1. La tienda tiene stock del producto que necesito
2. La tienda queda cerca3. Puedo obtener lo que
quiero rápidamente
COMPRA URGENTE
GRANDES CANTIDADES
COMPRAS REGULARES
OBTENERIDEAS
1. La tienda tiene stock del producto que necesito
2. La tienda ofrece precios bajos
3. Sé que esta tienda tiene lo que necesito
1. Sé que esta tienda tiene lo que necesito
2. La tienda ofrece precios bajos
3. La tienda maneja productos de calidad
1. Puedo elegir entre diferentes modelos del producto que quiero
2. 2. La tienda maneja lo último en productos
3. Sé que esta tienda tiene lo que necesito
Cadenas de tiendas pequeñas
Cash & Carry o Barraca con
tiendas de gran surtido
Tienda independiente,
de barrio
Gran superficie con tiendas muy
grandes
CASO MEJORAMIENTO DEL HOGAR
DIFERENCIACIÓN Cada misión de compra necesita formato retail diferente para satisfacerse
Colaboración de The Retail Factory, Especialistas en shopper marketing desde la “a” a la
“z”
Aplicaciones
Category Management
Netflix
• Netflix esta comprometido en saber exactamente que es lo que quieren sus clientes
• Para ello ha categorizado todas las peliculas y series de su catalogo en categorías especificas, algunas de ellas tan especificas como:
http://www.theatlantic.com/technology/archive/2014/01/how-netflix-reverse-engineered-hollywood/282679/
Tesco
• Cada producto que se vende en Tesco se califica en una serie de dimensiones para describir sus principales atributos como: – paquete pequeño o grande, – de larga duración o perecederos; – vegetarianos; – Bajo/alto precio– Requiere cocinarse
• Mirando los artículos en la canasta de la compra de cualquier cliente, y sus puntuaciones de dimensiones asociadas, al cliente puede asignarse a un segmento de estilo de vida o "ADN".
• Las lecturas "ADN" de cada cliente se utilizan como los insumos para crear un perfil del cliente, que es una forma de agrupar los clientes que tienen características y necesidades similares.
Dos vistas de la data
Colaboración de The Retail Factory, especialistas en shopper marketing desde la “a” a
la “z”
ROLES DE TIENDASComparación de roles definidos con performance en la sala
0%
9%
5% 6%
10%
14%
5%
20%
4%
13%
4%
15%
7% 6%
3%
10%
7%
21%
13%
5%
Aporte a la rentabilidad
Ge
ne
ració
n d
e T
rafi
co
Comportamiento de Rutina
Comportamiento de Destino
Comportamiento de Conveniencia
Comportamiento de
Complemento
DestinoRutinaEstacional
Roles Definidos
Para proyectos en Madera
Para proyectos deInterior/Exterior
Para proyectos Especiales
IMPERMEABILIZANTE
PINTURA PARA TECHOS
ANTIOXIDO ANTICORROSIVO
BARNIZ AL AGUA
BARNIZ MARINO
BARNIZ POLIURETANO
PINTURA PARA PISCINA
PINTURA PARA PISOS
PROTECTOR DE MADERA
SPRAY
TINTAS
VITRIFICANTE SELLADORES
ESMALTE AL AGUA
ESMALTE SINTÉTICO
LACAS
LATEX
OLEO BRILLANTE
OLEO SEMIBRILLO
OLEO OPACO
PASTA MURO
TEXTURA GRANO
Para Impermeabilizar
Para pintar en los exteriores del hogar
Para pintar los interiores del hogar
Para proyectos completos (pintar un departamento, casa, local, etc)
Para superficies de madera
Para pintar sin utilizar otros accesorio (brochas, rodillos, etc)Para uso artístico (murales, grafitis, etc)
Para pintar pisos de cemento
Para pintar mueblería y carpintería
Para texturizar muros y superficies
Para terminación y protección de puertas, ventanas, etc, de madera
Para que los muros y superficie tengan una textura diferente
Prevenir la formación de hongos y bacteriasBusco renovar, proteger y cambiar el aspecto de una fachada
Busco renovar y embellecer el color de los elementos metálicos expuestos a la intemperie
Busco evitar que el polvo y la suciedad se instalen en la superficie
Busco protección y resistencia para maderas expuestas al desgaste ambiental y decoloración
Busco decorar
Busco sellar y proteger maderas
Busco economía (poder pintar yo)
Busco proteger superficies expuestas a la humedad
Busco proteger el deterioro de las planchas en techo y accesorios (canaletas)
Busco renovar el cielo
Busco mayor higiene y facilidad de limpieza
Busco mejorar las condiciones del muro/superficies antes de pintar
Busco lacar elementos y muebles de madera en interiores
Ocasiones de Uso
ProductoMotivaciones de Uso
Para proyectos pequeños
DIFERENCIACIÓN EJEMPLO CREACIÓN MUNDOS DE CONSUMO PINTURAS (CHILE)Cómo el shopper relaciona tipos de pinturas a diferentes ocasiones y motivaciones de uso
Colaboración de The Retail Factory, Especialistas en shopper marketing desde la “a” a la
“z”
ROLES DE TIENDASEntender las misiones de compra para definir los roles de tienda (ejemplo)
% Misión 11% 35% 7% 15% 10% 14% 7%% Gasto 20% 43% 4% 8% 7% 14% 1%
Panadería Abarrotes Higiene personal Embutidos
Panadería Nabs Abarrotes Frutas y verduras
Panadería Frutas y verduras Nabs Higiene personal
Frutas y verduras Panadería Nabs Abarrotes
Panadería Nabs Higiene personal Frutas y verduras
Abarrotes Nabs Panadería Frutas y verduras
Nabs Panadería Comidas preparadas
Categorías Cliente
Otras Categorías
Galletas Cereales Leche evaporada
Leche evaporada Galletas Cereales
Leche evaporada Galletas Salsas
Leche evaporada Galletas Cereales
Leche evaporada Galletas Cereales
Galletas Leche evaporada Chocolates
Galletas Chocolates
Gasto Promedio 86,9 59,5 27,5 26,2 36,4 48,2 11,0Gasto Cliente 5,69 5,71 4,38 5,1 6,92 4,95 3,6Visita al menos 1x semana 83% 85% 97% 90% 81% 82% 93%
Abastecimiento
Faltantes Compra múltiple
Urgencias Compra – Restaurant
Ofertas Antojos
Vine a comprar
productos para
abastecerme
Vine a comprar
productos que me faltaban
Vine a comprar comida
lista para comer hoy
Vine a comprar
varios para consumo
diario
Vine a una compra
puntual de urgencia
Aproveché a comprar
ya que habían ofertas
Vine a comprar antojos
Colaboración de The Retail Factory, Especialistas en shopper marketing desde la “a” a la
“z”
Aplicaciones
Campaign Management
Targeting de Campañas
• Los ciclos tradicionales de marketing directo son muy largos. La navidad del 2014 fue planificada hace algunos meses.
• El éxito de una campaña se basa en 4 factores1. La oferta (que ofrecer)2. La lista de clientes seleccionados (a quienes)3. Timing (cuando)4. Creatividad/mensaje (como)
• Los retailers exitosos aplican Analytics para optimizar y automatizar los tres primeros componentes y produciendo– Cientos de campañas por año– Retornos 2x a 6x superiores
Caso de negocio de promociones personalizadas - Shufersal
• Más de 2 000 000 miembros del club de fidelización son responsables de alrededor del 75% de las ventas de la cadena
• Ventas generadas en más de 200 puntos de venta en todo Israel, sitio Web y central de llamadas
• Ingresos anuales (2011) mayores de 2000 millones de euros
• Shufersal implementó GSTAT Next Best Offer como solución automatizada de cupones personalizados
• Objetivos:– Pasar de cupones fijos a cupones personalizados en base al
análisis de comportamiento de compra de los clientes– Permitir que los analistas sin experiencia ni conocimientos
estadísticos ejecuten modelos de DM
Caso de negocio de promociones personalizadas - La solución
• Solución– El proyecto de implementación llevó 4 meses,
con resultados piloto en 2 meses– La solución asigna a cada cliente, en base a
algoritmos de optimización, los 10 cupones adecuados seleccionados de un conjunto de 200 cupones que cambian cada mes
– Las recomendaciones de GSTAT se envían a la imprenta y se distribuyen al domicilio de los clientes
• Resultados– El % de canje total pasa de 1% a 4%-6%– Alrededor del 15% de los clientes canjean al
menos un cupón por mes– El % de canje de cupones personalizados es
300% mayor que el canje entre clientes que reciben cupones fijos
– Los clientes que reciben promociones personalizadas extienden su gasto mensual en un 2% promedio en comparación con los clientes que reciben cupones fijos
Aplicaciones
Ejecucion fuera de la tienda
Creación de tareas
Visión de tareas
Priorizar tareas, aceptarlas, generar
ruta óptima, ver detalles de cliente
Ruteo para Delivery
Ruta óptima tracks para la ruta
Planeamiento de Rutas
Informar a los clientes
Otros casos
Marketing
Como Empiezo?
Obtén toda la info que puedas, ya luego veremos para que nos sirve.
Escalabilidad
Performance
Disponibilidad
Diversidad
Administración
Seguridad
Costos
Ecosistema de Datos
Identificar partners con los cuales colaborar y
compartir data
Crear una cultura de apertura y soporte al uso
de informacion
Motor de Datos
Construir sistemas de datos escalables, eficientes y
flexibles
Desarrollar capacidades para capturar, analizar e
interpretar datos
Uso de Datos
Construir una cultura de innovación y
experimentación
Establecer la confianza del consumidor para permitir el
uso de sus datos
Big DataTransformacion del Negocio
Fuente: The Boston Consulting Group
Cultura de Aprendizaje Continuo
RRHH – Organizacion - Procesos
Desarrollar insights de clientes y entender el mercado
Segmentar clientes para atender necesidades
Lanzar campañas personalizadas
Medir y monitorear performance
▪ Recolectar data▪ Análisis descriptivo
de clientes y transacciones– Cuantitativa– Cualitativa (*)
▪ Benchmarks▪ Definir los
economics de CRM
▪ Segmentacion de clientes– Valor– Necesidades
▪ Definicion de segmentos objetivo
▪ Programas y campañas personalizadas– Campañas por
perfil/life stage– Servicio
diferenciado– Cross/up selling– Retención
▪ Ejecución de campañas por distintos canales
▪ Definir criterios de exito,– KPI– ROI por campana,
segmento o canal▪ Medir performance
vs objetivos▪ Presupuesto e
inversion
IT