Анализировать данные на предмет
выявления различных закономерностей не только очень интересно,
но и позволяет принести практическую пользу бизнесу.
Так, проанализировав продажи магазина, можно сделать вывод о том,
какие товары покупают наиболее часто,
а эта информация дает нам целый ряд практических преимуществ.
>> Мы ее можем использовать для того, чтобы планировать продажи, закупки,
рекламные кампании, а еще, например, для того,
чтобы оптимизировать размещение товаров в торговом зале или,
в случае онлайн-магазинов, правильно строить блок «популярные товары».
>> Да, построение промо-блоков — очень актуальная задача.
Так, проанализировав чеки оффлайн-магазина или содержимое корзин онлайн-магазина,
мы сможем сделать вывод о том, какие товары наиболее часто покупают вместе.
Это, в свою очередь, позволит нам строить так называемые товарные рекомендации:
рекомендации вида «С товаром A наиболее часто покупают товар B».
По данным различных онлайн-магазинов,
такие рекомендации сильно способствуют продажам.
Они позволяют сгенерировать порядка 15–30 % дополнительных продаж.
Согласитесь, это очень много.
>> Имея достаточное количество информации о товарах,
мы можем делать очень много вещей.
Можем анализировать взаимосвязи между ними, например,
выявлять аксессуары, аналоги или комплементарные товары,
анализировать успешность товаров или брендов у той или иной целевой аудитории,
оценивать долю продукта на рынке, смотреть, как она меняется во времени,
или, например, оценивать эффект каннибализации.
>> А что ты имеешь в виду под каннибализацией?
>> Ну, каннибализация — это известный маркетинговый эффект, когда один из
товаров отбирает целевую аудиторию у какого-то похожего товара или бренда.
>> Такие экономические явления, как, например, каннибализация,
существенно сказываются на продажах.
Однако важно понимать, что нужно учитывать и такие, казалось бы, незначительные вещи,
как расположение товара в магазине, его близость к кассе, высота полки,
на которой он находится, хорошо ли товар видно, могут ли до него дотянуться дети.
Всё это тоже очень сильно сказывается на продажах.
Более того, важно учитывать контекст, в котором товар существует, например, его
ближайшее окружение: какие товары стоят на полке рядом с ним, какие у них бренды.
Вообще, как ты думаешь, как еще факторы стоит учитывать?
>> Вообще, структура продаж магазина определяется в первую очередь людьми,
которые в него ходят.
Поэтому часто оказывается, что в городах и в деревнях покупают совершенно разные
вещи, причем иногда эти зависимости совершенно не такие, как ты ожидаешь.
>> Ух ты! А например?
>> Например, в одном из наших проектов мы анализировали продажи в сети доступных
супермаркетов и выяснили, что в деревнях люди чаще покупают дорогой алкоголь.
>> Ничего себе!
А почему так происходит?
>> Мы решили, что это связано с тем, что в городе просто есть другие места для того,
чтобы его купить, а в деревнях все ходят в единственный магазин, который у них есть.
>> Да, действительно, звучит очень логично.
А как ты думаешь, такие факторы,
как время или сезонность могут сказаться на продажах?
>> Да, факторы, связанные со временем — это, пожалуй,
самые важные факторы для прогнозирования продаж.
Многие товары по-разному продаются в разное время.
Например, шампанское очень хорошо продается вокруг Нового года,
мороженое лучше продается летом и так далее.
Кроме того, есть всякие длинные, медленно меняющиеся во времени тренды,
связанные, например, с тем, что какой-то товар постепенно с рынка выходит,
а какой-то товар только на нём появляется.
>> Действительно, тренды очень важны.
Также важно учитывать экономическую ситуацию регионов продаж.
Так, колебания в курсах валют, изменение налогового или таможенного
законодательства способно существенно повлиять на продажи.
Например, в моменты нестабильной экономической ситуации товары
и бренды из более низкого ценового сегмента начинают отъедать долю рынка у
товаров из более высоких ценовых сегментов.
Однако и обратное тоже верно: в период стабильности экономики и роста доходов
населения товары из премиум и высоких классов начинают возвращать свою долю
рынка обратно.
>> Мы перечислили большое количество факторов,
которые могут быть полезны при прогнозировании продаж в ритейле.
На самом деле таких факторов, естественно, может быть еще больше, и методы,
которые мы будем на этой неделе обсуждать, способны эти факторы из данных выявлять.
>> Несомненно, задачи ритейла очень интересные, и действительно,
большую часть времени мы будем говорить именно про них.
Однако выявление закономерностей из данных активно применяется и в других областях.
>> Методы выявления закономерностей, например,
традиционно широко используются в социальных науках.
Например, для выявления гендерной дискриминации при приеме на работу или для
оценки эффективности государственных социальных программ.
Очень часто они применяются в биологии и медицине
для выбора оптимального лечения или для поиска генов,
которые в организме действуют совместно, или для поиска подгруппы пациентов,
у которых побочные эффекты наблюдаются в наиболее тяжелой форме.
>> Итак, мы обсудили сразу несколько прикладных кейсов и надеемся,
заинтересовали вас присоединиться к нам в следующем уроке.