A análise de correlação pode analisar quais produtos ou combinações de produtos são frequentemente adquiridos juntos. Se você encontrar uma combinação desses produtos que geralmente são comprados juntos, poderá fazer muitas coisas valiosas. Esses valores podem ser incorporados em pelo menos três aspectos a seguir:
1. Orientar a disposição e colocação de produtos em lojas offline
As mercadorias que geralmente são compradas juntas podem ser colocadas perto do espaço na loja offline, o que é conveniente para os clientes escolherem e reduz o tempo para encontrá-los. Isso melhora a experiência do usuário e aumenta intangivelmente o volume de vendas das mercadorias. Obtenha mais receita de vendas.
Se for uma loja online como Taobao e JD.com, um dos produtos comprados com frequência pode ser usado como recomendação relacionada para outro produto, o que aumenta a probabilidade de uma combinação de produtos relacionados serem expostos juntos e promove a conversão de compra do usuário ( a imagem abaixo está no aplicativo Hema Browse Baxi, as recomendações correspondentes fornecidas abaixo). Explicaremos esta parte no terceiro cenário de aplicação.
2. Otimize a aquisição offline, a cadeia de suprimentos e o inventário
As mercadorias que são frequentemente compradas juntas podem ser reunidas para o planejamento geral de compras, embalagem, transporte e estoque, como selecionar fornecedores na mesma região e armazená-los em locais semelhantes no armazém. Para a introdução desta seção, os leitores podem pesquisar materiais relacionados.
3. Fornecer suporte de dados para marketing de eventos
Commodities que geralmente são compradas em conjunto também podem ser usadas para atividades de marketing (até mesmo o lado da marca de commodities relacionadas também pode fazer marketing conjunto), como descontos na compra em conjunto e comprando um dos mais caros para obter os outros mais baratos que muitas vezes são comprados juntos, etc. Espere.
Os exemplos acima são apenas alguns casos de negócios que todos podem facilmente pensar na análise de correlação da cesta de compras. Mais cenários de aplicativos precisam ser testados e explorados em combinação com a situação real da empresa. O mais importante na análise do carrinho de compras é, na verdade, digitalizar o comportamento de compra do usuário. Com os dados como base e recursos, o que resta é usar análise de dados, mineração de dados, aprendizado de máquina e outros algoritmos para explorar os dados e aproveitar o valor comercial potencial. Com dados de comportamento de compra do usuário, independente do valor comercial obtido pela análise de correlação, muitos outros valores comerciais podem ser desenterrados. Abaixo, também farei uma classificação simples de outros valores de dados de compras do usuário, para fornecer algumas ideias de pensamento e uma perspectiva mais ampla.
Desde que os dados de compras dos clientes sejam coletados por um período de tempo e os dados sejam digitalizados (inseridos no sistema de informações do supermercado), a análise estatística simples pode ser usada (se os dados estiverem armazenados em um banco de dados relacional como SQL, apenas uma instrução SQL é necessária). Conte quais itens são comprados com frequência pelos clientes.
Qual é a utilidade de conhecer os produtos comprados com mais frequência (ou seja, os produtos mais vendidos ou os mais vendidos diariamente)? Eu acredito que você pode facilmente pensar na utilidade. Em primeiro lugar, é definitivamente útil para os shoppings comprar e encomendar. A fonte das commodities mais frequentemente compradas e a cadeia de suprimentos precisam ser bem protegidas, e os shoppings precisam estar atentos para garantir uma oferta suficiente. Além disso, a colocação de produtos comprados a quente também pode ser otimizada. Muitas lojas colocam itens populares nos locais mais visíveis e acessíveis para os clientes. Muitos supermercados colocam chicletes e preservativos no caixa por esse motivo.
A compra de muitas commodities pode ter períodos de tempo e flutuações sazonais. Por exemplo, o leite fresco geralmente é comprado pela manhã, enquanto as bobinas de mosquito são compradas no verão. Através da análise do momento da compra, podemos conhecer aproximadamente a lei de flutuação de certas commodities no tempo e na estação, e analisar a lei do ciclo de tempo de compra acima. Ajudar melhor as empresas a comprar, reservar e comercializar bens.
Se combinado com informações de retrato de usuário (há muitas maneiras de obter informações de retrato de usuário, por exemplo, algumas empresas podem ter um sistema de associação e os usuários podem se registrar em um APP online, para que informações relacionadas ao usuário possam ser obtidas. Além disso, se existem câmeras e outros equipamentos no shopping, também é possível. como as diferenças de compra de diferentes sexos, diferentes faixas etárias, diferentes rendas, etc.), e fazer marketing personalizado.
Muitas empresas de varejo são empresas de cadeia (ou mesmo empresas multinacionais). Eles podem coletar dados de vendas de diferentes lojas, analisar dados geograficamente relacionados em diferentes regiões, explorar o comportamento de compra de usuários em diferentes regiões e criar estratégias personalizadas para diferentes regiões. . Por exemplo, usuários em diferentes regiões podem ter diferentes produtos vendidos em alta, usuários em diferentes regiões geralmente compram produtos diferentes juntos e as mudanças sazonais no período de compra de usuários em diferentes regiões também podem ser diferentes. Essa análise mais refinada é propícia à adoção de estratégias locais para diferentes regiões (mesmo lojas diferentes).
Muitas empresas de varejo têm aplicativos on-line com fio e lojas físicas off-line (como Hema tem Hema APP e lojas off-line Hema), então como conectar on-line e off-line é muito valioso. As lojas online também possuem as chamadas cestas de compras (os produtos adquiridos pelo usuário no aplicativo também podem ser considerados como cesta de compras), que também podem utilizar os métodos e estratégias de análise de cestas de compras.
Se uma empresa de varejo começa apenas online e depois começa offline, a análise de dados online pode capacitar os negócios offline. Por exemplo, com base na análise de dados de comportamento de compra do usuário on-line, você também pode extrair as várias informações acima mencionadas (como produtos populares, produtos que geralmente são comprados juntos etc.), e essas informações podem ser usadas diretamente para a seleção e organização de lojas off-line. vice-versa.
Os dados online também podem ser usados para seleção de local de lojas offline. Por exemplo, é possível analisar a situação de compra dos usuários online e obter a distribuição dos usuários em diferentes regiões, o que é útil para orientar a decisão do número e a escolha da localização das lojas para abertura de lojas em diferentes regiões.
Em suma, no contexto de esgotamento dos dividendos atuais da Internet, a integração e a ligação online e offline são a direção e a oportunidade. A integração online e offline e o empoderamento mútuo são as tendências futuras do setor de varejo. Quem conseguir entender essa tendência terá o ingresso para o próximo estágio de desenvolvimento dourado do setor de varejo (mesmo qualquer setor).
