Купи сега, плати по-късно – новото чудо на големите данни

Онлайн купувачите често не завършват покупките си. Обикновено причините за това са, че те не могат да си спомнят паролата, портфейлите им не са подръка или намират попълването на формата за кредитната карта за досадно. Шведската компания Klarna е открила начин за приключване на повече онлайн продажби – Не искайте предплата.
Тя използва система, която изисква потребителите да попълват само име, адрес и имейл, на който получават инструкции за това как да платят. Потребителите имат две седмици да платят с банкова карта или паричен превод или да поискат покупка на изплащане. Но доставката се извършва без да се чака плащането.

Това звучи безумно, но Klarna твърди, че има инструмент, с който да надхитри измамниците – големите данни (big data)
Този начин на фактуриране не е нова идея, но традиционно се е ползвал за големи покупки или при домакинства с ниски доходи. Klarna работи в 15 страни и осъществява 60% от сделките в 45 000 онлайн магазина, които я приемат като платежен метод. Приходите й през миналата година достигат 200 млн. долара.
Алгоритъмът за оценка на риска използва 200 показателя, включително предишни покупки, времето от деня, честота на покупки и дори как купувачът изписва името си. При странни ситуации – например, баба, която купува онлайн игри в 3 часа сутринта, компанията взема мерки, като иска повече информация или звъни на клиента. За Klarna работят 80 учени, занимаващи се с анализ на данни.

„Купи сега, плати по-късно“ е само един от примерите за начина, по който те променят търговията на дребно. Магазините, които знаят как да анализират милиардите трохички, които браузърите и купувачите оставят след себе си, имат огромно предимство пред тези, които работят по интуиция, пише Блумбърг. Големите данните позволяват на компаниите да създават потребителски профили, прецизни препоръки и потвърждаване на поръчката с един клик.
Днес хората намират търсените стоки по-бързо от всякога и често продуктите ги намират сами, благодарение на таргетираната реклама. Поставяйки навиците на купувачите под микроскоп компаниите усъвършенстват науката за импулсните покупки. Продажбите, извършени онлайн през миналата година бяха 1.25 трилиона долара спрямо 1.06 трилиона през 2012 г. по данни на EMarketer. По-малко от 5% от е-търговията използва големи данни или аналитичен софтуер за предсказване, според Gartner. Но най-големите търговци като Amazon, Rakuten и Alibaba го правят.

Офлайн магазините се опитват да догонят предимствата на големите данни. Дори Wal-Mart с неговите 11 хиляди магазина в световен мащаб не може да се бори с изводите, които Amazon извлича от огромния масив от данни. Така компанията формира @WalmartLabs, която разработва търсачка за стоки. През първата година на използване на технологията на Walmart.com броят на приключените покупки скача с 20 на сто, защото потребителите по-лесно намират това, което им трябва. Технологичната група също помага да се свържат офлайн и онлайн данните, което дава предимство на големите търговци спрямо дигиталните магазини.

Офлайн търговците също използват големите данни и трупат и анализират информационни масиви. Target създава потребителски профили, които съдържат история на покупките, възраст, семейно положение, предполагаема заплата и уеб история, твърди „Ню Йорк Таймс”. Ако една жена купува определена комбинация от козметика и витамини, може да се предполага, че тя е бременна и е добра цел за рекламодателите.
Говорител на компанията коментира, че Target не предоставя подробностите от този тип програми. Таргетираните онлайн реклами работят по същия начин.
Търговците казват, че персонализираните писма, в които тартетираната реклама се смесва с реклами, които нямат нищо общо (например памперси и косачки), се приемат с повече доверие, защото потребителите не се чувстват шпионирани.

Но информацията не е ефективна, ако нямате достатъчно данни. Wal-Mart например забелязали, че семействата, особено в бедните райони, купуват по-малки опаковки по време на икономическата криза. На база на това са били планирани запасите на компанията. Но когато са били добавени повече източници на данни, включително от онлайн магазина, Wal-Mart установява, че търсенето на по-големи разфасовки скача отново както по време на свирепа зима, защото хората се запасяват.

Ozon.ru – руският аналог на Amazon, също има интересно откритие на база анализ на данни за 16 години. Те забелязали, че преди зимата хората купуват не само шапки и ръкавици, но и книги. Затова с първия сняг Ozon започва да разпраща персонални препоръки за покупка на книги на своите потребители. Следващата стъпка е да използват големите данни, за да оптимизират маршрутите на своите камиони (в Русия няма UPS).
Amazon и Alibaba са признати със способността си да препоръчват стоки за конкретния потребител, включително на база предишни покупки и търсенията. Но когато трябва да изберете подарък за майка си или за партньора, сайтовете се провалят. Много информация стои неизползвана, а сайтовете могат да следят покупките, които се шипват на друг адрес или, които се купуват преди 8 март и да правят предположения за подаръците, предполагат в Ozon.
Wal-Mart експериментира с информация от социалните мрежи, за да предлага съвети за подаръци. Макар и полезни като допълнение към други данни, споделянията във Facebook и Twitter не са ценни сами по себе си.

Вашият коментар

Вашият имейл адрес няма да бъде публикуван. Задължителните полета са отбелязани с *