Innowacyjne pomys艂y w e-commerce. 7 ciekawych sklep贸w online.

Dzisiejszy artyku艂 b臋dzie troch臋 inny ni偶 pozosta艂e. Nie b臋dzie tu d艂ugiego zbioru porad ani sugestii dotycz膮cych sklep贸w internetowych. Zamiast tego, przedstawimy tutaj kilka przyk艂ad贸w rozwi膮za艅, kt贸re wykorzystuje Twoja konkurencja, i kt贸re pozwoli艂y im wyj艣膰 na prowadzenie. Poznaj innowacyjne pomys艂y w e-commerce i wprowad藕 je w swoim biznesie.

Innowacyjne pomys艂y w e-commerce 鈥 Blue Apron

https://www.blueapron.com/

Id膮c za Timem Ferrisem, zgadzamy si臋 z teori膮, 偶e 偶eby zbudowa膰 co艣, co odniesie sukces, trzeba rozwi膮za膰 w艂asne potrzeby (“scratch your own itch”). Potrzeb膮 w przypadku w艂a艣cicieli Blue Apron by艂a konieczno艣膰 wybierania si臋 po zakupy za ka偶dym razem, kiedy chcieli co艣 ugotowa膰. Z tego powodu ich sklep oferuje gotowe zestawy produkt贸w, razem z przepisem, na bazie 艣wie偶ych produkt贸w. Dzi臋ki temu codziennie mo偶emy do艣wiadczy膰 wspania艂ego, wykwintnego dania, nawet je偶eli nie bardzo umiemy gotowa膰.

G艂贸wnym walorem ich biznesu jest uproszczenie 偶ycia dla swoich Klient贸w. Nie tylko zestaw przychodzi nam pod same drzwi, ale te偶 porcje s膮 ju偶 odpowiednio wydzielone. Poza wydrukowanym przepisem, na swojej stronie zamieszczaj膮 te偶 instrukcje, jak przygotowa膰 danie krok po kroku, razem ze zdj臋ciami.

Blue Apron jest te偶 mistrzem dodawania element贸w oko艂o ich g艂贸wnego biznesu.

Znajdziesz u nich:

1.     Mo偶liwo艣膰 zakupu przybor贸w kuchennych, kt贸re s膮 konieczne do przygotowania da艅;

2.     Dob贸r win do da艅;

3.     Przepisy wysy艂ane do listy mailingowej;

4.     Porady domoros艂ych kucharzy do ka偶dego z przepis贸w (innowacyjne podej艣cie do komentarzy).

Innowacyjne pomys艂y w e-commerce 鈥 Andie Swim

https://andieswim.com/

Ten sklep z kostiumami k膮pielowymi na pierwszy rzut oka wydaje si臋 bardzo zwyczajny. Jest bardzo 艂adnie zaprojektowany, z delikatnym efektem paralax, ale nie ma tu wi臋kszych “wodotrysk贸w”. To gdzie sklep jest jednak innowacyjny to 3 elementy:

1.     Program lojalno艣ciowy;

2.     Rekomendacje produkt贸w;

3.     Blog.

Program afiliacyjny 鈥 zapro艣 znajomego

Program afiliacyjny jest wyeksponowany w menu, na tym samym poziomie co g艂贸wne kategorie. Pow贸d, dla kt贸rego warto zwr贸ci膰 na to uwag臋, to po pierwsze bardzo szybki i wygodny spos贸b na dzielenie si臋 ze znajomymi linkiem. Modu艂 pozwala to zrobi膰 poprzez e-mail, Facebooka, Twittera, ale te偶 Messengera. Po drugie nie tylko osoba polecaj膮ca otrzymuje zni偶k臋, ale te偶 osoba, kt贸ra otrzyma艂a link. Po trzecie zwr贸膰cie uwag臋 na tre艣ci, kt贸re s膮 wysy艂ane do znajomych 鈥 s膮 niebywale pozytywne.

Warto zwr贸ci膰 uwag臋, 偶e na stronie u偶yto zewn臋trznego modu艂u do programu afiliacyjnego: https://www.extole.com/. Mo偶esz go zastosowa膰 te偶 w Twoim sklepie.

Rekomendacje produkt贸w

Tutaj Andie Swim stworzy艂o dedykowany konfigurator, kt贸ry pozwala na dobranie idealnego kostiumu. Nie s膮 jednak jedyn膮 firm膮, kt贸ra tak post臋puje. To, co zas艂uguje jednak na wyr贸偶nienie, to tre艣ci, kt贸re si臋 w nim znajduj膮 i sfera wizualna konfiguratora. Jest on naprawd臋 wspaniale zaprojektowany, a zabawne frazy powoduj膮, 偶e a偶 chce si臋 przej艣膰 przez wszystkie kroki.

Blog

Mo偶na by艂oby zapyta膰 co w blogu mo偶e by膰 innowacyjne? A jednak. W przeciwie艅stwie do miliona innych sklep贸w, kt贸re skupiaj膮 si臋 na poradach i inspiracjach, w艂a艣cicielka Andie Swim postanowi艂a wykorzysta膰 proces, kt贸ry i tak ju偶 stosowa艂a. Ot贸偶 jako m艂oda w艂a艣cicielka firmy postanowi艂a raz na tydzie艅 pisa膰 do siebie e-maila, podsumowuj膮cego co si臋 dzieje w rozwoju firmy. Po jakim艣 czasie zacz臋艂a je publikowa膰. Jej posty zawieraj膮 r贸偶nego rodzaju przemy艣lenia co do natury jej biznesu, problem贸w, z jakimi si臋 spotyka艂a, ale te偶 plany na przysz艂o艣膰. Wspaniale ods艂ania r膮bek tajemnicy i powoduje g艂臋bokie przywi膮zanie z t膮 kilkuosobow膮 firm膮.

Innowacyjne pomys艂y w e-commerce 鈥 Brayola

https://global.brayola.com/

To sklep, ale te偶 co艣 znacznie wi臋cej. Wykorzystuje on to, co jest najwi臋ksz膮 si艂膮 internetu 鈥 opinie.

Silnikiem sklepu jest fakt, 偶e poza zakupem produktu, zbierane s膮 dane na temat ulubionych produkt贸w. Dzi臋ki temu system jest w stanie zaproponowa膰 Ci jako u偶ytkownikowi dodatkowe biustonosze, kt贸re polecaj膮 inne osoby o podobnym profilu do Ciebie. Dzi臋ki temu powsta艂 konfigurator, kt贸ry zwraca bardzo spersonalizowane wyniki.

Drugim elementem, na kt贸ry warto zwr贸ci膰 uwag臋, jest sekcja Fit or Not, kt贸ra opiera si臋 na zdj臋ciach u偶ytkownik贸w oraz spo艂ecznej oceny, czy dany biustonosz pasuje, czy nie. Po dodaniu swojego zdj臋cia, wy艣wietla si臋 ono losowo u偶ytkownikom i dzi臋ki temu szybko otrzymujemy informacj臋, czy jest dobrze dopasowany, czy nie.

Trzecim elementem, kt贸ry przykuwa uwag臋, jest sekcja “from him to her”. Jest to wyj膮tkowo innowacyjne podej艣cie do produktu, kt贸ry cz臋sto m臋偶czyznom jest ci臋偶ko kupi膰. Nale偶y zrobi膰 dwie rzeczy: po pierwsze doda膰 swoje konto Facebook, 偶eby Brayola mia艂a dost臋p do naszej drugiej po艂贸wki, po drugie nale偶y sfotografowa膰 metk臋 ulubionego biustonosza naszej dziewczyny / 偶ony. Brayola zajmie si臋 reszt膮, tj. dobraniem stylu / rozmiaru i typu. Du偶e u艂atwienie dla m臋skiej cz臋艣ci populacji.

Innowacyjne pomys艂y w e-commerce 鈥 Trunk Club

https://www.trunkclub.com/

Kolejny sklep zwi膮zany z odzie偶膮. W ramach sklepu nie kupujemy jednak odzie偶y tylko us艂ug臋. Us艂ug臋 doradztwa. P艂ac膮c 25 dolar贸w, otrzymujemy dost臋p do specjalnego czatu z naszym “dedykowanym” stylist膮, kt贸ry zada nam odpowiednie pytania, poka偶e kilka propozycji, pozna nasz styl, a nast臋pnie skomponuje dla nas paczk臋 z ubraniami. Co ciekawe Trunk Club nie ma sta艂ej kwoty za ubrania 鈥 p艂aci si臋 25 dolar贸w, a ze stylist膮 umawiamy si臋 czy chcemy ubrania zamawia膰 jednorazowo, czy raz na miesi膮c / kwarta艂, oraz ile chcieliby艣my wyda膰.

Rzecz膮, kt贸ra zas艂uguje na wzmiank臋, jest spos贸b doboru ubra艅. Po konsultacji produkty zostaj膮 dodane do naszej specjalnej listy prezakupowej. Mamy w tym momencie 2 dni na ew. odrzucenie ca艂o艣ci / cz臋艣ci zam贸wienia. Stylista oczywi艣cie jest ca艂y czas dla nas dost臋pny, 偶eby ew. wymieni膰 dany produkt na inny. Je偶eli jednak przegapili艣my termin to po przyj艣ciu paczki, dalej mamy 5 dni na odes艂anie ca艂o艣ci lub cz臋艣ci zam贸wienia. Oznacza to tyle, 偶e mo偶emy odda膰 to, co nam si臋 nie podoba, ale te偶 mo偶emy wymieni膰 rozmiar, je偶eli nie pasuje.

Innowacyjne pomys艂y w e-commerce 鈥 Frank Body

https://www.frankbody.com/

Ten sklep, poza oryginalnym designem, zas艂uguje na nagrod臋 za najfajniejszy copywriting w e-commerce. Kilka wspania艂ych przyk艂ad贸w, jak mo偶na podej艣膰 do tematu oryginalnie:

1.     “Scroll if you are sexy鈥”
2.     “#letsbefrank, it鈥檚 my middle name”
3.     “Getting dirty has never felt so good”
4.     “You know who鈥檚 a babe? Read the first word”
5.     “Guess what? You鈥檒l be naked in a minute”

Teksty z pomys艂em s膮 wsz臋dzie 鈥 zar贸wno na bannerach i na stronach, ale te偶 na samych opakowaniach produkt贸w. Humorystyczne akcenty pojawiaj膮 si臋 te偶 w innych miejscach, zwr贸膰 uwag臋 na ikony w sekcji poni偶ej:

To co jednak wymaga osobnego akapitu oraz pow贸d, dla kt贸rego uznali艣my, 偶e sklep ten powinien znale藕膰 si臋 w tym zestawieniu, to program lojalno艣ciowy. Znajdziecie go pod ma艂o informacyjn膮 nazw膮 鈥Hotel Pink鈥. Zamiast zwyk艂ego zbierania punkt贸w, przenosicie si臋 w magiczny 艣wiat, gdzie mo偶ecie dosta膰 si臋 do wirtualnego hotelu i w zale偶no艣ci od waszego zaanga偶owania trafiacie do lobby, do sekcji z basenem, do pokoju, albo do penthouse鈥檜. W ka偶dym z nich jako Klient VIP otrzymujecie inne bonusy: od zni偶ek, poprzez dost臋p do produkt贸w przed wszystkimi innymi.

Innowacyjne pomys艂y w e-commerce 鈥 Field Notes

https://fieldnotesbrand.com/

Ten typ produktu jest wyj膮tkowo popularny w internecie. Dzienniki, notatniki i artyku艂y papiernicze mo偶na znale藕膰 w co drugim sklepie online. To, co jednak odr贸偶nia t臋 firm臋 od innych to to, co zrobili ze swoim produktem. To nie jest ju偶 notatnik. To nie jest ju偶 papier. To artyku艂 kolekcjonerski.

Firma produkuje ma艂e notesiki, w r贸偶nych formatach i raz na kwarta艂 wydaje now膮 wersj臋. R贸偶ni膮 si臋 one formatem, papierem, tuszem, grafik膮, uk艂adem, jednym s艂owem wszystkim, czym mo偶e r贸偶ni膰 si臋 notes. Ka偶dy jest jednak projektowany przez designera i powoli produkty te staj膮 si臋 obiektami kultu. Klienci tej firmy 偶a艂uj膮, je偶eli nie uda艂o im si臋 kupi膰 danej serii, zanim si臋 wyprzeda艂a.

Ka偶dy z notatnik贸w jest obarczony histori膮, cz臋sto video, a tak偶e bardzo szczeg贸艂owym opisem ka偶dego z element贸w, kt贸ry jest jego cz臋艣ci膮. Nie tylko wymiar czy materia艂, ale te偶 nazwa drukarni, jaki font zosta艂 u偶yty, a nawet to, jaka jest nazwa tuszu, kt贸ry by艂 u偶yty do wydrukowania logo.

Bior膮c pod uwag臋 fanatyczne wr臋cz zaanga偶owanie Klient贸w tej firmy, zaproponowa艂a ona inne podej艣cie do zakup贸w swoich produkt贸w. Poza standardowym trybem zakupowym, mo偶na te偶 zakupi膰 roczn膮 subskrypcj臋, gdzie otrzymujemy obecny design notatnika, oraz 3 kolejne (raz na kwarta艂). W cenie pakietu otrzymujemy te偶 specjalne gad偶ety zwi膮zane z designem danego notatnika. Warto przej艣膰 przez stron臋, 偶eby zrozumie膰 ten innowacyjny model biznesowy.

Warto zwr贸ci膰 te偶 uwag臋, na ciekawy zabieg UX sklepu na stronie produktowej 鈥 p艂ywaj膮cy box zakupu. Polecamy te偶 zescrollowa膰 na sam d贸艂 strony 鈥 ostylowanie stopki jest wyj膮tkowe i wspaniale sp贸jne ze sprzedawanymi produktami.

Innowacyjne pomys艂y w e-commerce 鈥 TrackSmith

https://www.tracksmith.com/

To jest najbardziej standardowy sklep na dzisiejszej li艣cie. Nie znajdziecie tutaj innowacyjnych modu艂贸w albo funkcji, ale na uwag臋 zas艂uguje szata graficzna sklepu. Jest ona w pewien spos贸b vintage鈥檕wa. Sklep zawiera du偶o zdj臋膰 艣wietnej jako艣ci w koncepcji p贸艂-historycznych uj臋膰. Koncepcja przypomina zabieg wykorzystany w teledysku Robbiego Williamsa “Supreme“. Sklep sprawia wra偶enie, jakby mia艂 bardzo d艂ug膮 histori臋, co zreszt膮 jest bardzo sp贸jne z ich produktami, kt贸re nawi膮zuj膮 w du偶ej mierze do ubioru sprzed lat. Jest to ciekawy przyk艂ad, jak wa偶ny jest design dla ca艂o艣ci odbioru sklepu.

Z ciekawych element贸w warto wymieni膰 trzy:

1.     Zamiast 14 dni na zwrot, sklep ten bawi si臋 koncepcj膮 nawi膮zuj膮c膮 do sprzedawanych produkt贸w: mo偶na je odda膰 do 30 dni lub zanim przebiegniemy w nich 100 mil. W rzeczywisto艣ci jest to oczywi艣cie zwyk艂e przed艂u偶enie r臋kojmi, ale nawi膮zuje do 艣wiata biegaczy.

2.     Sekcja 鈥淩un with us鈥. Jest to pewnego rodzaju rozwi膮zanie omnichannelowe, 艂膮cz膮ce online ze 艣wiatem offline. Kilka razy w tygodniu sklep organizuje biegi spod ich siedziby. Jest to wspania艂y spos贸b nie tylko na przywi膮zanie Klienta do marki, na upsell produkt贸w, ale te偶 na potwierdzenie to偶samo艣ci sklepu, jako co艣 wi臋cej ni偶 biznes 鈥 jako styl 偶ycia.

3.     Ostatnim elementem jest lookbook, kt贸ry ma dosy膰 ciekaw膮 koncepcj臋 鈥 jest to ksi膮偶ka opisuj膮ca histori臋 pewnej podr贸偶y zwi膮zanej z bieganiem. Znajdziemy tam nie tylko produkty, ale te偶 du偶o opis贸w przygody, jak膮 prze偶yli jej protagoni艣ci. Co wi臋cej, dosy膰 nietypowym rozwi膮zaniem, jest uzupe艂nienie lookbooka we fragmenty audio, gdzie biegacze opisuj膮 swoje do艣wiadczenia we w艂asnej osobie, w艂asnym g艂osem. Ponownie 鈥 pozwala to zbudowa膰 obraz marki jako co艣 wi臋cej ni偶 sklep. Mo偶na w tym wypadku mark臋 zobaczy膰 raczej jako ambasadora pewnego stylu 偶ycia.

Mamy nadziej臋, 偶e przyk艂ady, kt贸re tutaj Wam przedstawili艣my by艂y dla Was ciekawe i 偶e zaimplementujecie cz臋艣膰 tych rozwi膮za艅 w swoich sklepach online.

 

Big data w e-commerce – 9 przyk艂ad贸w zastosowa艅.

Big Data rozwija si臋 stopniowo od lat 90, kiedy to powsta艂y pierwsze pr贸by i koncepcje analizy du偶ych zbior贸w danych. Dopiero po 2010 roku technologia do艣cign臋艂a pomys艂y naukowc贸w i zacz臋艂a by膰 wykorzystywana w wielu dziedzinach naszego 偶ycia, w tym w handlu online. Ostatnie 8 lat to sta艂y nap艂yw technologii, narz臋dzi, platform i pomys艂贸w, jak wykorzysta膰 Big Data w handlu. Najwi臋cej zyskali innowatorzy, jak np. Amazon, kt贸ry wprowadzi艂 system rekomendacji produkt贸w odpowiedzialny obecnie za 30% wszystkich zakup贸w w platformie. Pierwszym najlepszym momentem by艂 wi臋c pocz膮tek dekady, drugi jest teraz. Przeczytaj, jak mo偶na wykorzysta膰 Big Data w e-Commerce.

Czym jest Big Data?

Big Data ci臋偶ko jednoznacznie zdefiniowa膰. S膮 to zadania wykonywane na du偶ych zbiorach danych. Nie ma jednak jednej technologii, kt贸r膮 si臋 wykorzystuje. Nie ma te偶 definicji ile danych to 鈥渄u偶o danych鈥.

Dosy膰 obrazowym sposobem przedstawiaj膮cym czym zajmuje si臋 Big Data, jest obserwowanie grupy ludzi. Za艂贸偶my, 偶e patrzymy na kilkudziesi臋cioosobow膮 grup臋, Mo偶emy rozpozna膰 ich twarze, zobaczy膰 ich interakcje, mo偶emy te偶 policzy膰 ile z nich to kobiety, a ile m臋偶czy藕ni. Big Data przypomina z kolei obserwowanie t艂umu na festiwalu muzycznym z odleg艂o艣ci. Nie rozpoznamy swoich znajomych, nie wiemy r贸wnie偶 o czym rozmawiaj膮 poszczeg贸lne jednostki. Mo偶emy jednak obserwowa膰 og贸lne zachowania grupy, np, 偶e cz臋艣膰 os贸b ustawia si臋 w kolejce po co艣 do picia.  Mo偶emy te偶 zobaczy膰, 偶e potworzy艂y si臋 podgrupy, a nawet jeste艣my w stanie zdefiniowa膰 kierunek poruszania si臋 tych grup. To w艂a艣nie przypomina analiz臋 Big Data.

W 2001 roku poj臋cie to zosta艂o zdefiniowane jako operowanie na zbiorach danych, kt贸re maj膮 du偶e:

 

1.     Volume, czyli ilo艣膰 danych,

2.     Velocity, czyli zmienno艣膰 danych,

3.     Variety, czyli r贸偶norodno艣膰 danych;

P贸藕niej zosta艂o dodane jeszcze jedno poj臋cie, tym samym tworz膮c model 4V:

1.     Value, dotycz膮ce tego, czy dane s膮 warto艣ciowe;

 

Podsumowuj膮c, Big Data to wszystkie operacje na du偶ych, zmieniaj膮cych si臋, warto艣ciowych danych, pochodz膮cych z r贸偶nych 藕r贸de艂 i przetwarzanych jako jeden zbi贸r. Celem tych operacji jest za艣 odkrycie nowych korelacji, obserwacji i wspieranie decyzji biznesowych.

Aktualnie s膮 to dzia艂ania zarezerwowane g艂贸wnie, aczkolwiek nie wy艂膮cznie, dla najwi臋kszych firm w e-commerce. W dalszej cz臋艣ci artyku艂u, zamie艣cili艣my linki do kilku narz臋dzi dla mniejszych biznes贸w ). Je偶eli chodzi o badanie firm z tzw. Fortune 100 (czyli 100 najwi臋kszych firm na 艣wiecie), to w 2017 roku, a偶 26,8% z nich deklarowa艂o, 偶e inwestuj膮 min. 50 milion贸w dolar贸w w rozw贸j tej technologii.

Big Data w e-commerce鈥 badanie korelacji

Warto wspomnie膰 o tym, 偶e Big Data w e-commerce opiera si臋 z regu艂y na badaniu korelacji, a nie przyczynowo艣ci. Jest to dosy膰 wa偶na r贸偶nica, bo pierwsze m贸wi nam o tym, 偶e w艣r贸d os贸b, kt贸re pal膮 papierosy, wyst臋puje cz臋艣ciej rak p艂uca, a dopiero drugie pozwala potwierdzi膰, 偶e przyczyn膮 raka p艂uca jest palenie.

Korelacja mo偶e, ale nie musi wskazywa膰 nam na warto艣ciow膮 relacj臋. Na stronie http://www.tylervigen.com/spurious-correlations, zosta艂y zebrane r贸偶ne korelacje, kt贸re ewidentnie nie maj膮 cech przyczynowo艣ci. Przyk艂adem mo偶e by膰 np. liczba os贸b, kt贸ra si臋 utopi艂a w basenie vs liczba film贸w, w kt贸rych wyst膮pi艂 Nicolas Cage. To doskonale pokazuje, 偶e samo badanie korelacji to za ma艂o. Zak艂adaj膮c jednak pewne ograniczenia, mo偶na uzyska膰 warto艣ciowe wyniki.

Big Data a p艂atno艣ci

Pierwszym przyk艂adem s膮 p艂atno艣ci. Big Data jest wykorzystywane m.in. przez Asseco. Nasuwa si臋 pytanie 鈥 po co? Dzi臋ki dost臋powi do:

1.     Ogromnych baz danych wszystkich transakcji (Volume),

2.     Dziej膮cych si臋 setki tysi臋cy razy ka偶dego dnia (Velocity),

3.     Dzi臋ki zebraniu danych z r贸偶norodnych 藕r贸de艂 鈥 m.in.: informacjach o podmiotach i relacjach mi臋dzy nimi, transakcjach, produktach, wnioskach kredytowych oraz czarnych / bia艂ych listach (Variety);

Otrzymujemy niesamowit膮 szans臋 wygenerowania pewnych wniosk贸w, kt贸re nie by艂yby dost臋pne bez Big Data. Tym samym firmy zajmuj膮ce si臋 p艂atno艣ciami online, takie jak Visa czy PayPal, mog膮 w czasie rzeczywistym blokowa膰 transakcje, kt贸re 鈥渟ystem鈥 uwa偶a za niebezpieczne. Big Data w e-commerce jest w tym wypadku stra偶nikiem. Analizuj膮c zachowania i powi膮zania, mo偶e zatrzyma膰 przest臋pstwa finansowe.

Big Data a logistyka

Innym przyk艂adem, kt贸ry pokazuje niesamowity potencja艂 Big Data, jest logistyka. Od 2003 roku UPS wprowadza艂o system ORION (On-Road Integration Optimization and Navigation), kt贸ry wskazuje kierowcom najlepsz膮 drog臋 do dostarczenia ich przesy艂ek ( a jest ich ok. 100 dziennie). Mogliby艣my pomy艣le膰, 偶e przecie偶 wystarczy艂oby wyposa偶y膰 kierowc贸w w GPS. Zadanie jest jednak znacznie bardziej skomplikowane. System bierze pod uwag臋 nie tylko najbli偶sz膮 paczk臋, ale wszystkie, kt贸re s膮 zaplanowane w ramach trasy. Ponadto projektuje te偶 tras臋 w ten spos贸b, 偶eby by艂o jak najmniej skr臋t贸w w lewo (ze wzgl臋du na konieczno艣膰 przepuszczenia innych jest to znacznie mniej efektywne). Wyniki? W 2016 roku pozwoli艂o to zaoszcz臋dzi膰 ok. 38 milion贸w litr贸w paliwa, czyli ok. 300鈥400 milion贸w dolar贸w . Dzia艂ania te okaza艂y si臋 zatem niezwykle skuteczne. (Pe艂ny artyku艂 na ten temat do przeczytania tutaj).

Zarz膮dzanie zasobami

Posiadaj膮c w艂asny magazyn, na pewno spotkali艣my si臋 z sytuacj膮 , 偶e jaki艣 produkt nieprzewidzianie sko艅czy艂 si臋 i musieli艣my go wy艂膮czy膰 z oferty. Prawdopodobnie potrafimy r贸wnie偶 wskaza膰 produkty zalegaj膮ce na p贸艂kach od miesi臋cy, kt贸rych sprzeda偶 nie spe艂nia naszych oczekiwa艅. W przypadku Amazona musimy je przemno偶y膰 przez 1000, albo przez 398 milion贸w produkt贸w (!) Wszyscy przyznamy, 偶e ci臋偶ko jest zapanowa膰 nad takim magazynem r臋cznie.

Amazon analizuje wi臋c poprzez Big Data historyczne dane zakupowe, 艣wi臋ta, festiwale, itd. Wylicza, ile danego produktu powinno by膰 na stanie w ka偶dym mo偶liwym momencie. Pozwala to zapewni膰 wysok膮 dost臋pno艣膰 produkt贸w (czyli polepszy膰 Customer Experience). Dodatkowo znacz膮co ogranicza koszty zwi膮zane z magazynowaniem produkt贸w, nie m贸wi膮c ju偶 o zmniejszeniu liczby przypadkowo uszkodzonych sztuk.

Analiza trend贸w

Decyzja, by wyprodukowa膰 kilkaset tysi臋cy nowych produkt贸w zawsze jest ryzykowna. Produkt mo偶e si臋 nie sprzeda膰, a my zostaniemy z ogromnym deficytem w bud偶ecie. Z tego powodu w艂a艣ciciele biznes贸w zwr贸cili si臋 w stron臋 Big Data. Dzi臋ki analizowaniu internetu, social-media, profili u偶ytkownik贸w, hashtag贸w, popularnych s艂贸w kluczowych itd. s膮 w stanie wykry膰 nadchodz膮ce trendy. Dzi臋ki temu znacz膮co zmniejszone jest ryzyko biznesowe. Co ciekawe, niekt贸re algorytmy s膮 na tyle inteligentne, 偶e potrafi膮 np. rozpozna膰, i偶 dana aktorka za艂o偶y艂a na czerwonym dywanie dany model ubioru. To z kolei spowoduje wzrost zainteresowania tym typem produktu. Tutaj p艂ynnie przechodzimy do kolejnego punktu, bo na bazie tych informacji, jeste艣my w stanie wyeksponowa膰 w naszym sklepie podobne produkty, tym samym zwi臋kszaj膮c sprzeda偶.

Personalizacja

Ponownie dzi臋ki zbieraniu gigantycznych zasob贸w danych np. z naszej przegl膮darki, profilu na Facebooku, zapisanych ciasteczek, kod贸w remarketingowych, wcze艣niej przegl膮danych stron, etc. 鈥 w艂a艣ciciele sklep贸w internetowych s膮 w stanie dostosowa膰 ofert臋 do swoich Klient贸w. Pokaza膰 im inne bannery czy wskaza膰 wybrane produkty.

Personalizacja idzie tutaj o krok dalej 鈥 np. firma Nordstrom zbiera dane z wielu 藕r贸de艂, m.in. strony internetowej, social media, zam贸wie艅 Klienta, kart lojalno艣ciowych, etc. Na bazie tych danych definiuje, jaki jest ulubiony kana艂 komunikacji Klienta. Nast臋pnie ca艂a komunikacja jest do niego kierowana tym w艂a艣nie kana艂em. Je艣li Klient lubi rozmawia膰 na messengerze, to w艂a艣nie tam otrzyma najnowsz膮 ofert臋. Woli kontakt mailowy? Oferta pojawi si臋 na mailu.

Ocena zadowolenia Klienta oraz opuszczone koszyki

Wykorzystanie tych samych zbior贸w danych, po艂膮czonych czasami z dodatkowymi 藕r贸d艂ami, takimi jak monitoring sklepu czy komentarze w internecie, pozwala te偶 na ocen臋 satysfakcji Klienta (sentiment analysis) oraz ocen臋 prawdopodobie艅stwa zakup贸w przez danego Klienta.

Inteligentne systemy potrafi膮 te偶 znacz膮co pom贸c w kwestii opuszczonych koszyk贸w. Mo偶e to by膰 m.in. poprzez dob贸r odpowiednich zni偶ek, dob贸r produkt贸w rekomendowanych, ale te偶 dob贸r kana艂u komunikacji. Przyk艂adowo: Klient X by艂 ju偶 bliski zakupu, wi臋c wystarczy mu przypomnie膰, a Klientowi Y zaproponowa膰 zni偶k臋, poniewa偶 nie by艂 jeszcze na tyle zaanga偶owany. Je偶eli dany Klient nie ma sta艂ego kontaktu z e-mailem, to system mo偶e wys艂a膰 mu wiadomo艣膰 za pomoc膮 smsa, albo poprzez chat.

Wyliczanie cen

Powoli docieramy do element贸w , kt贸rych nigdy nie by艂by w stanie zrobi膰 cz艂owiek. Mechanizmy Big Data potrafi膮 bowiem dostosowa膰 cen臋/zni偶k臋 w produkcie w czasie rzeczywistym. Mo偶e si臋 ona zmienia膰 w zale偶no艣ci od:

1.     chwilowej popularno艣ci produktu,

2.     ceny podobnych produkt贸w u konkurencji,

3.     narzutu,

4.     og贸lnego poziomu zadowolenia u偶ytkownika,

5.     jego historii zakupowej,

6.     jego podatno艣ci na zni偶ki,

7.     jego komentarzy na social-media,

8.     jego przywi膮zania do marki, etc.

Wyobra藕my sobie system, kt贸ry 鈥炁紀ngluj膮c鈥 cenami, potrafi zapewni膰 wzrost sprzeda偶y na poziomie kilkunastu-kilkudziesi臋ciu procent. Prawda, 偶e jest to niezwykle kusz膮ce? Co wi臋cej, inteligentne systemy potrafi膮 nawet stwierdzi膰, 偶e dany produkt sam z siebie si臋 nie sprzeda, ale w opakowaniu zbiorczym ju偶 tak. Tworzenie takich zestaw贸w i manipulowanie cen膮 mo偶e mie膰 znacz膮cy wp艂yw na sprzeda偶. Jak bardzo znacz膮cy? W przypadku Walmartu10鈥15% wzrost sprzeda偶y, zapewniaj膮cy ok. miliard dolar贸w dodatkowego zysku.

Rekomendacje produktowe

Najbardziej tradycyjnym zastosowaniem Big Data w e-commerce jest generowanie rekomendacji produktowych. Bior膮c pod uwag臋 histori臋 zakup贸w u偶ytkownika, system jest w stanie zaproponowa膰 mu produkty, kt贸re:

Jednym z system贸w, kt贸re w Polsce zajmuj膮 si臋 takimi rzeczami na podstawie sztucznej inteligencji i Big Data jest Quarticon.

Inne zastosowania Big Data w e 鈥 commerce

W aktualnej sytuacji technologia Big Data sta艂a si臋 na tyle bud偶etowa (oczywi艣cie dalej m贸wimy o dosy膰 du偶ych nak艂adach finansowych), 偶e z regu艂y tylko wybrane firmy mog膮 sobie pozwoli膰 na jej zastosowanie. Obecnie jest to jednak wy艣cig kreatywny, na zasadzie 鈥 “mo偶e zastosowaliby艣my Big Data do wyliczania X, nie robi tego jeszcze nikt inny, wi臋c pozwoli nam to osi膮gn膮膰 przewag臋 konkurencyjn膮”.

Przedstawiamy wi臋c kilka dodatkowych zastosowa艅 Big Data w e-commerce:

1.     Przewidywanie zasob贸w serwera 鈥 na bazie danych historycznych, wydarze艅, 艣wi膮t i trend贸w systemy s膮 w stanie wyliczy膰 zapotrzebowanie na infrastruktur臋 serwerow膮 i j膮 odpowiednio skalowa膰 w czasie prawie rzeczywistym.

2.     Przewidywanie zwrot贸w 鈥 istniej膮 systemy (np. http://easysize.me/), kt贸re w momencie dodania produktu do koszyka s膮 w stanie oszacowa膰, jakie jest ryzyko jego zwrotu. Np. na bazie zam贸wie艅 historycznych, s膮 w stanie okre艣li膰, 偶e dany produkt cz臋sto by艂 wymieniany ze wzgl臋du na rozmiar. W tym momencie, w czasie rzeczywistym informuje o tym zesp贸艂 obs艂ugi Klienta, kt贸ry mo偶e zareagowa膰, np. kontaktuj膮c si臋 z dan膮 osob膮 i rekomenduj膮c jej zmian臋 rozmiaru. Co wi臋cej, system wykrywa te偶 osoby, kt贸re maj膮 wysokie prawdopodobie艅stwo zakupienia produktu i oddania go po 2 tygodniach. Wg. firmy system pozwala obni偶y膰 liczb臋 zwrot贸w o 15鈥25% (warto wspomnie膰, 偶e jeszcze 3 lata temu firma podawa艂a inne warto艣ci: 35鈥40%).

3.     Systemy Big Data pozwalaj膮 te偶 na prowadzenie dzia艂a艅 marketing automation. Wyobra藕my sobie system, kt贸ry badaj膮c zachowania wszystkich Klient贸w, okre艣la, 偶e dla produkt贸w kupowanych cyklicznie, nast臋puje to 艣rednio po miesi膮cu i na dwa dni przed tym terminem. Nast臋pnie automatycznie wysy艂a informacj臋 do Klienta 鈥 tym samym upewniaj膮c si臋, 偶e zakup zostanie zrobiony w danej firmie , a nie u konkurencji.

 

Dzi臋kujemy za przeczytanie artyku艂u 鈥 prosimy o podzielenie si臋 swoimi przemy艣leniami lub przytoczenie innych przyk艂ad贸w wykorzystania Big Data w e-commerce, kt贸re nie zosta艂y wymienione. W przypadku sklep贸w z du偶ym ruchem i du偶膮 liczb膮 zam贸wie艅 warto zastanowi膰 si臋 nad wykorzystaniem Big Data. Pami臋tajmy, 偶e pierwszym najlepszym momentem na to by艂 pocz膮tek dekady, drugi najlepszy moment jest teraz.

Big Data rozwija si臋 stopniowo od lat 90, kiedy to powsta艂y pierwsze pr贸by i koncepcje analizy du偶ych zbior贸w danych. Dopiero po 2010 roku technologia do艣cign臋艂a pomys艂y naukowc贸w i zacz臋艂a by膰 wykorzystywana w wielu dziedzinach naszego 偶ycia, w tym w handlu online. Ostatnie 8 lat to sta艂y nap艂yw technologii, narz臋dzi, platform i pomys艂贸w, jak wykorzysta膰 Big Data w handlu. Najwi臋cej zyskali innowatorzy, jak np. Amazon, kt贸ry wprowadzi艂 system rekomendacji produkt贸w odpowiedzialny obecnie za 30% wszystkich zakup贸w w platformie. Pierwszym najlepszym momentem by艂 wi臋c pocz膮tek dekady, drugi jest teraz. Przeczytaj, jak mo偶na wykorzysta膰 Big Data w e-Commerce.

Czym jest Big Data?

Big Data ci臋偶ko jednoznacznie zdefiniowa膰. S膮 to zadania wykonywane na du偶ych zbiorach danych. Nie ma jednak jednej technologii, kt贸r膮 si臋 wykorzystuje. Nie ma te偶 definicji ile danych to 鈥渄u偶o danych鈥.

Dosy膰 obrazowym sposobem przedstawiaj膮cym czym zajmuje si臋 Big Data, jest obserwowanie grupy ludzi. Za艂贸偶my, 偶e patrzymy na kilkudziesi臋cioosobow膮 grup臋, Mo偶emy rozpozna膰 ich twarze, zobaczy膰 ich interakcje, mo偶emy te偶 policzy膰 ile z nich to kobiety, a ile m臋偶czy藕ni. Big Data przypomina z kolei obserwowanie t艂umu na festiwalu muzycznym z odleg艂o艣ci. Nie rozpoznamy swoich znajomych, nie wiemy r贸wnie偶 o czym rozmawiaj膮 poszczeg贸lne jednostki. Mo偶emy jednak obserwowa膰 og贸lne zachowania grupy, np, 偶e cz臋艣膰 os贸b ustawia si臋 w kolejce po co艣 do picia.  Mo偶emy te偶 zobaczy膰, 偶e potworzy艂y si臋 podgrupy, a nawet jeste艣my w stanie zdefiniowa膰 kierunek poruszania si臋 tych grup. To w艂a艣nie przypomina analiz臋 Big Data.

W 2001 roku poj臋cie to zosta艂o zdefiniowane jako operowanie na zbiorach danych, kt贸re maj膮 du偶e:

1.     Volume, czyli ilo艣膰 danych,

2.     Velocity, czyli zmienno艣膰 danych,

3.     Variety, czyli r贸偶norodno艣膰 danych;

P贸藕niej zosta艂o dodane jeszcze jedno poj臋cie, tym samym tworz膮c model 4V:

1.     Value, dotycz膮ce tego, czy dane s膮 warto艣ciowe;

Podsumowuj膮c, Big Data to wszystkie operacje na du偶ych, zmieniaj膮cych si臋, warto艣ciowych danych, pochodz膮cych z r贸偶nych 藕r贸de艂 i przetwarzanych jako jeden zbi贸r. Celem tych operacji jest za艣 odkrycie nowych korelacji, obserwacji i wspieranie decyzji biznesowych.

Aktualnie s膮 to dzia艂ania zarezerwowane g艂贸wnie, aczkolwiek nie wy艂膮cznie, dla najwi臋kszych firm w e-commerce. W dalszej cz臋艣ci artyku艂u, zamie艣cili艣my linki do kilku narz臋dzi dla mniejszych biznes贸w ). Je偶eli chodzi o badanie firm z tzw. Fortune 100 (czyli 100 najwi臋kszych firm na 艣wiecie), to w 2017 roku, a偶 26,8% z nich deklarowa艂o, 偶e inwestuj膮 min. 50 milion贸w dolar贸w w rozw贸j tej technologii.

Big Data w e-commerce鈥 badanie korelacji

Warto wspomnie膰 o tym, 偶e Big Data w e-commerce opiera si臋 z regu艂y na badaniu korelacji, a nie przyczynowo艣ci. Jest to dosy膰 wa偶na r贸偶nica, bo pierwsze m贸wi nam o tym, 偶e w艣r贸d os贸b, kt贸re pal膮 papierosy, wyst臋puje cz臋艣ciej rak p艂uca, a dopiero drugie pozwala potwierdzi膰, 偶e przyczyn膮 raka p艂uca jest palenie.

Korelacja mo偶e, ale nie musi wskazywa膰 nam na warto艣ciow膮 relacj臋. Na stronie http://www.tylervigen.com/spurious-correlations, zosta艂y zebrane r贸偶ne korelacje, kt贸re ewidentnie nie maj膮 cech przyczynowo艣ci. Przyk艂adem mo偶e by膰 np. liczba os贸b, kt贸ra si臋 utopi艂a w basenie vs liczba film贸w, w kt贸rych wyst膮pi艂 Nicolas Cage. To doskonale pokazuje, 偶e samo badanie korelacji to za ma艂o. Zak艂adaj膮c jednak pewne ograniczenia, mo偶na uzyska膰 warto艣ciowe wyniki.

Big Data a p艂atno艣ci

Pierwszym przyk艂adem s膮 p艂atno艣ci. Big Data jest wykorzystywane m.in. przez Asseco. Nasuwa si臋 pytanie 鈥 po co? Dzi臋ki dost臋powi do:

1.     Ogromnych baz danych wszystkich transakcji (Volume),

2.     Dziej膮cych si臋 setki tysi臋cy razy ka偶dego dnia (Velocity),

3.     Dzi臋ki zebraniu danych z r贸偶norodnych 藕r贸de艂 鈥 m.in.: informacjach o podmiotach i relacjach mi臋dzy nimi, transakcjach, produktach, wnioskach kredytowych oraz czarnych / bia艂ych listach (Variety);

Otrzymujemy niesamowit膮 szans臋 wygenerowania pewnych wniosk贸w, kt贸re nie by艂yby dost臋pne bez Big Data. Tym samym firmy zajmuj膮ce si臋 p艂atno艣ciami online, takie jak Visa czy PayPal, mog膮 w czasie rzeczywistym blokowa膰 transakcje, kt贸re 鈥渟ystem鈥 uwa偶a za niebezpieczne. Big Data w e-commerce jest w tym wypadku stra偶nikiem. Analizuj膮c zachowania i powi膮zania, mo偶e zatrzyma膰 przest臋pstwa finansowe.

Big Data a logistyka

Innym przyk艂adem, kt贸ry pokazuje niesamowity potencja艂 Big Data, jest logistyka. Od 2003 roku UPS wprowadza艂o system ORION (On-Road Integration Optimization and Navigation), kt贸ry wskazuje kierowcom najlepsz膮 drog臋 do dostarczenia ich przesy艂ek ( a jest ich ok. 100 dziennie). Mogliby艣my pomy艣le膰, 偶e przecie偶 wystarczy艂oby wyposa偶y膰 kierowc贸w w GPS. Zadanie jest jednak znacznie bardziej skomplikowane. System bierze pod uwag臋 nie tylko najbli偶sz膮 paczk臋, ale wszystkie, kt贸re s膮 zaplanowane w ramach trasy. Ponadto projektuje te偶 tras臋 w ten spos贸b, 偶eby by艂o jak najmniej skr臋t贸w w lewo (ze wzgl臋du na konieczno艣膰 przepuszczenia innych jest to znacznie mniej efektywne). Wyniki? W 2016 roku pozwoli艂o to zaoszcz臋dzi膰 ok. 38 milion贸w litr贸w paliwa, czyli ok. 300鈥400 milion贸w dolar贸w . Dzia艂ania te okaza艂y si臋 zatem niezwykle skuteczne. (Pe艂ny artyku艂 na ten temat do przeczytania tutaj).

Zarz膮dzanie zasobami

Posiadaj膮c w艂asny magazyn, na pewno spotkali艣my si臋 z sytuacj膮 , 偶e jaki艣 produkt nieprzewidzianie sko艅czy艂 si臋 i musieli艣my go wy艂膮czy膰 z oferty. Prawdopodobnie potrafimy r贸wnie偶 wskaza膰 produkty zalegaj膮ce na p贸艂kach od miesi臋cy, kt贸rych sprzeda偶 nie spe艂nia naszych oczekiwa艅. W przypadku Amazona musimy je przemno偶y膰 przez 1000, albo przez 398 milion贸w produkt贸w (!) Wszyscy przyznamy, 偶e ci臋偶ko jest zapanowa膰 nad takim magazynem r臋cznie.

Amazon analizuje wi臋c poprzez Big Data historyczne dane zakupowe, 艣wi臋ta, festiwale, itd. Wylicza, ile danego produktu powinno by膰 na stanie w ka偶dym mo偶liwym momencie. Pozwala to zapewni膰 wysok膮 dost臋pno艣膰 produkt贸w (czyli polepszy膰 Customer Experience). Dodatkowo znacz膮co ogranicza koszty zwi膮zane z magazynowaniem produkt贸w, nie m贸wi膮c ju偶 o zmniejszeniu liczby przypadkowo uszkodzonych sztuk.

Analiza trend贸w

Decyzja, by wyprodukowa膰 kilkaset tysi臋cy nowych produkt贸w zawsze jest ryzykowna. Produkt mo偶e si臋 nie sprzeda膰, a my zostaniemy z ogromnym deficytem w bud偶ecie. Z tego powodu w艂a艣ciciele biznes贸w zwr贸cili si臋 w stron臋 Big Data. Dzi臋ki analizowaniu internetu, social-media, profili u偶ytkownik贸w, hashtag贸w, popularnych s艂贸w kluczowych itd. s膮 w stanie wykry膰 nadchodz膮ce trendy. Dzi臋ki temu znacz膮co zmniejszone jest ryzyko biznesowe. Co ciekawe, niekt贸re algorytmy s膮 na tyle inteligentne, 偶e potrafi膮 np. rozpozna膰, i偶 dana aktorka za艂o偶y艂a na czerwonym dywanie dany model ubioru. To z kolei spowoduje wzrost zainteresowania tym typem produktu. Tutaj p艂ynnie przechodzimy do kolejnego punktu, bo na bazie tych informacji, jeste艣my w stanie wyeksponowa膰 w naszym sklepie podobne produkty, tym samym zwi臋kszaj膮c sprzeda偶.

Personalizacja

Ponownie dzi臋ki zbieraniu gigantycznych zasob贸w danych np. z naszej przegl膮darki, profilu na Facebooku, zapisanych ciasteczek, kod贸w remarketingowych, wcze艣niej przegl膮danych stron, etc. 鈥 w艂a艣ciciele sklep贸w internetowych s膮 w stanie dostosowa膰 ofert臋 do swoich Klient贸w. Pokaza膰 im inne bannery czy wskaza膰 wybrane produkty.

Personalizacja idzie tutaj o krok dalej 鈥 np. firma Nordstrom zbiera dane z wielu 藕r贸de艂, m.in. strony internetowej, social media, zam贸wie艅 Klienta, kart lojalno艣ciowych, etc. Na bazie tych danych definiuje, jaki jest ulubiony kana艂 komunikacji Klienta. Nast臋pnie ca艂a komunikacja jest do niego kierowana tym w艂a艣nie kana艂em. Je艣li Klient lubi rozmawia膰 na messengerze, to w艂a艣nie tam otrzyma najnowsz膮 ofert臋. Woli kontakt mailowy? Oferta pojawi si臋 na mailu.

Ocena zadowolenia Klienta oraz opuszczone koszyki

Wykorzystanie tych samych zbior贸w danych, po艂膮czonych czasami z dodatkowymi 藕r贸d艂ami, takimi jak monitoring sklepu czy komentarze w internecie, pozwala te偶 na ocen臋 satysfakcji Klienta (sentiment analysis) oraz ocen臋 prawdopodobie艅stwa zakup贸w przez danego Klienta.

Inteligentne systemy potrafi膮 te偶 znacz膮co pom贸c w kwestii opuszczonych koszyk贸w. Mo偶e to by膰 m.in. poprzez dob贸r odpowiednich zni偶ek, dob贸r produkt贸w rekomendowanych, ale te偶 dob贸r kana艂u komunikacji. Przyk艂adowo: Klient X by艂 ju偶 bliski zakupu, wi臋c wystarczy mu przypomnie膰, a Klientowi Y zaproponowa膰 zni偶k臋, poniewa偶 nie by艂 jeszcze na tyle zaanga偶owany. Je偶eli dany Klient nie ma sta艂ego kontaktu z e-mailem, to system mo偶e wys艂a膰 mu wiadomo艣膰 za pomoc膮 smsa, albo poprzez chat.

Wyliczanie cen

Powoli docieramy do element贸w , kt贸rych nigdy nie by艂by w stanie zrobi膰 cz艂owiek. Mechanizmy Big Data potrafi膮 bowiem dostosowa膰 cen臋/zni偶k臋 w produkcie w czasie rzeczywistym. Mo偶e si臋 ona zmienia膰 w zale偶no艣ci od:

1.     chwilowej popularno艣ci produktu,

2.     ceny podobnych produkt贸w u konkurencji,

3.     narzutu,

4.     og贸lnego poziomu zadowolenia u偶ytkownika,

5.     jego historii zakupowej,

6.     jego podatno艣ci na zni偶ki,

7.     jego komentarzy na social-media,

8.     jego przywi膮zania do marki, etc.

Wyobra藕my sobie system, kt贸ry 鈥炁紀ngluj膮c鈥 cenami, potrafi zapewni膰 wzrost sprzeda偶y na poziomie kilkunastu-kilkudziesi臋ciu procent. Prawda, 偶e jest to niezwykle kusz膮ce? Co wi臋cej, inteligentne systemy potrafi膮 nawet stwierdzi膰, 偶e dany produkt sam z siebie si臋 nie sprzeda, ale w opakowaniu zbiorczym ju偶 tak. Tworzenie takich zestaw贸w i manipulowanie cen膮 mo偶e mie膰 znacz膮cy wp艂yw na sprzeda偶. Jak bardzo znacz膮cy? W przypadku Walmartu 鈥 10鈥15% wzrost sprzeda偶y, zapewniaj膮cy ok. miliard dolar贸w dodatkowego zysku.

Rekomendacje produktowe

Najbardziej tradycyjnym zastosowaniem Big Data w e-commerce jest generowanie rekomendacji produktowych. Bior膮c pod uwag臋 histori臋 zakup贸w u偶ytkownika, system jest w stanie zaproponowa膰 mu produkty, kt贸re:

Jednym z system贸w, kt贸re w Polsce zajmuj膮 si臋 takimi rzeczami na podstawie sztucznej inteligencji i Big Data jest Quarticon.

Inne zastosowania Big Data w e 鈥 commerce

W aktualnej sytuacji technologia Big Data sta艂a si臋 na tyle bud偶etowa (oczywi艣cie dalej m贸wimy o dosy膰 du偶ych nak艂adach finansowych), 偶e z regu艂y tylko wybrane firmy mog膮 sobie pozwoli膰 na jej zastosowanie. Obecnie jest to jednak wy艣cig kreatywny, na zasadzie 鈥 鈥渕o偶e zastosowaliby艣my Big Data do wyliczania X, nie robi tego jeszcze nikt inny, wi臋c pozwoli nam to osi膮gn膮膰 przewag臋 konkurencyjn膮鈥.

Przedstawiamy wi臋c kilka dodatkowych zastosowa艅 Big Data w e-commerce:

1.     Przewidywanie zasob贸w serwera 鈥 na bazie danych historycznych, wydarze艅, 艣wi膮t i trend贸w systemy s膮 w stanie wyliczy膰 zapotrzebowanie na infrastruktur臋 serwerow膮 i j膮 odpowiednio skalowa膰 w czasie prawie rzeczywistym.

2.     Przewidywanie zwrot贸w 鈥 istniej膮 systemy (np. http://easysize.me/), kt贸re w momencie dodania produktu do koszyka s膮 w stanie oszacowa膰, jakie jest ryzyko jego zwrotu. Np. na bazie zam贸wie艅 historycznych, s膮 w stanie okre艣li膰, 偶e dany produkt cz臋sto by艂 wymieniany ze wzgl臋du na rozmiar. W tym momencie, w czasie rzeczywistym informuje o tym zesp贸艂 obs艂ugi Klienta, kt贸ry mo偶e zareagowa膰, np. kontaktuj膮c si臋 z dan膮 osob膮 i rekomenduj膮c jej zmian臋 rozmiaru. Co wi臋cej, system wykrywa te偶 osoby, kt贸re maj膮 wysokie prawdopodobie艅stwo zakupienia produktu i oddania go po 2 tygodniach. Wg. firmy system pozwala obni偶y膰 liczb臋 zwrot贸w o 15鈥25% (warto wspomnie膰, 偶e jeszcze 3 lata temu firma podawa艂a inne warto艣ci: 35鈥40%).

3.     Systemy Big Data pozwalaj膮 te偶 na prowadzenie dzia艂a艅 marketing automation. Wyobra藕my sobie system, kt贸ry badaj膮c zachowania wszystkich Klient贸w, okre艣la, 偶e dla produkt贸w kupowanych cyklicznie, nast臋puje to 艣rednio po miesi膮cu i na dwa dni przed tym terminem. Nast臋pnie automatycznie wysy艂a informacj臋 do Klienta 鈥 tym samym upewniaj膮c si臋, 偶e zakup zostanie zrobiony w danej firmie , a nie u konkurencji.

Dzi臋kujemy za przeczytanie artyku艂u 鈥 prosimy o podzielenie si臋 swoimi przemy艣leniami lub przytoczenie innych przyk艂ad贸w wykorzystania Big Data w e-commerce, kt贸re nie zosta艂y wymienione. W przypadku sklep贸w z du偶ym ruchem i du偶膮 liczb膮 zam贸wie艅 warto zastanowi膰 si臋 nad wykorzystaniem Big Data. Pami臋tajmy, 偶e pierwszym najlepszym momentem na to by艂 pocz膮tek dekady, drugi najlepszy moment jest teraz.

5 kluczowych funkcji, kt贸re mo偶na wykorzysta膰 w systemach B2B e-commerce.

B2B e-commerce to specyficzny 艣wiat, znacznie r贸偶ni膮cy si臋 od tego co znamy ze sklep贸w B2C. Charakteryzuj膮 go inne zasady dzia艂ania ni偶 te, kt贸re obowi膮zuj膮 sklepy, takie jak np. Zalando. B2B rz膮dzi si臋 innymi prawami, innymi interesami u偶ytkownik贸w, a do tego jest owiany aur膮 tajemniczo艣ci, poniewa偶 wi臋kszo艣膰 z system贸w B2B jest zamkni臋tych i nie jeste艣my w stanie 鈥減odejrze膰鈥, jakie elementy s膮 w nich wykorzystane. Poznaj kluczowe funkcje systemu B2B e-commerce…

Specyfika B2B e-commerce

Zastanawiaj膮c si臋 nad stworzeniem systemu w艂asnego systemu B2B lub modyfikacj膮 posiadanego, warto pozna膰 zasady dzia艂ania, kt贸re go charakteryzuj膮, a mianowicie:

  1. Wi臋ksza warto艣膰 koszyka 鈥 W B2C zazwyczaj kupowane s膮 np. 1鈥2 bluzki. W B2B mo偶na zam贸wi膰 ich kilkadziesi膮t-kilkaset. Cz臋sto produkty zamawiane s膮 na palety czy ci臋偶ar贸wki. Dodatkowo w typowym B2C zazwyczaj zam贸wienie sk艂ada si臋 z 1鈥3 produkt贸w, w przypadku B2B cz臋sto jest to kilkadziesi膮t, a nawet kilkaset r贸偶nych produkt贸w. Sprawia to, 偶e w B2B nie tylko liczba produkt贸w zamawianych jest znacznie wi臋ksza, ale te偶 kwoty realizowanych zam贸wie艅.

  2. Wi臋cej decydent贸w 鈥 w przypadku B2C wchodz膮c do sklepu dokonujemy zakupu produkt贸w prywatnie za stosunkowo niewielkie kwoty. B2B to jednak cz臋sto zam贸wienia o ogromnej warto艣ci, kt贸re mog膮 wymaga膰 wielu os贸b akceptuj膮cych. Wg bada艅 Gartnera, typowy zakup B2B dla firm zatrudniaj膮cych 100鈥500 pracownik贸w, wymaga zaanga偶owania a偶 7 os贸b. Pokazuje to, 偶e cz臋sto decyzja o zakupie mo偶e by膰 do艣膰 czasoch艂onna i wymaga膰 zgody szefa, ksi臋gowej, czy podpisu magazyniera, kt贸ry potwierdzi, 偶e znajdzie si臋 na te produkty miejsce.

  3. R贸偶ne cenniki 鈥 W biznesie B2C mo偶na zastosowa膰 r贸偶ne zni偶ki dla r贸偶nych okre艣lonych typ贸w u偶ytkownik贸w (np. grupy VIP). W B2B jednak cz臋sto ka偶da firma / ka偶dy Klient, maj膮 inne cenniki na wszystkie produkty. Jest to wynik wieloletnich negocjacji i ka偶da firma mo偶e mie膰 nie tylko r贸偶ne ceny, ale te偶 np. inne metody p艂atno艣ci/dostawy (albo inny limit kredytowy).

  4. Powtarzaj膮ce si臋 zam贸wienia 鈥 Robi膮c zakupy w sklepie online jako zwyk艂y klient, zazwyczaj nie kupujemy dwa razy tego samego produktu. W przypadku B2B s膮 to jednak bardzo cz臋sto powtarzaj膮ce si臋 produkty, a nawet ca艂e zestawy produkt贸w. Sklepy zamawiaj膮 ten sam asortyment, zmieniaj膮c co najwy偶ej liczb臋 produkt贸w.

Jak wi臋c wykorzysta膰 te r贸偶nice do zaprojektowania ciekawych funkcji dla sklepu B2B e-commerce? Oto kilka przyk艂ad贸w.

Tw贸j opiekun

Korzystanie z Internetu jest bezosobowe. Zazwyczaj jeste艣my anonimowi i samodzielnie realizujemy nasze zadania. W przypadku B2B cz臋sto istotnym elementem jest indywidualne podej艣cie do Klienta. Jako klient, nie chcemy mie膰 kontaktu z bezosobowym systemem, lecz z reprezentantem firmy, kt贸ry zawsze by艂 dla nas dost臋pny i wspiera艂 nas podczas zakup贸w. To on doradza nam, 偶e kupuj膮c jedn膮 paczk臋 wi臋cej, mo偶emy liczy膰 na zni偶k臋. To te偶 on zaprezentuje nam nowe produkty. To on wie, jaki mamy cykl zam贸wie艅 i kiedy mo偶emy potrzebowa膰 uzupe艂ni膰 zapasy. Dobry Sales-Rep to skarb.

System B2B e-commerce mo偶na wi臋c zaprojektowa膰 w spos贸b, kt贸ry nie b臋dzie a偶 tak bezosobowy. Mo偶na np. ka偶dego Klienta przypisa膰 do opiekuna (sales-repa), kt贸rego zdj臋cie, imi臋, nazwisko i telefon pojawi si臋 w g贸rnym (albo dolnym) rogu sklepu. Klient ma dzi臋ki temu mo偶liwo艣膰 szybkiego po艂膮czenia si臋 ze swoim opiekunem za po艣rednictwem telefonu lub czatu. Ponadto odpowiednio zaprojektowany system pozwoli opiekunowi klienta zrealizowa膰 zakupy w jego imieniu, je艣li b臋dzie taka potrzeba.

Warto zaznaczy膰, 偶e wprowadzanie systemu B2B e-commerce online, cz臋sto spotyka si臋 z obaw膮 pracownik贸w, zwi膮zan膮 z kanibalizacj膮 zam贸wie艅. Dodanie zdj臋膰 i kontaktu do pracownika pozwala zaadresowa膰 cz臋艣膰 tych obaw.

Popularne produkty 鈥 raport

Je偶eli oferujemy du偶膮 liczb臋 produkt贸w, to 艣wietnym narz臋dziem, kt贸re jednocze艣nie mo偶e by膰 elementem, dzi臋ki kt贸remu wyprzedzimy konkurencj臋, jest mo偶liwo艣膰 generowania dedykowanych raport贸w.

Raporty umo偶liwiaj膮 sprawdzi膰 trendy sprzeda偶y danego produktu, dostarczaj膮c informacji takich jak np.:

  1. Ile Klient贸w zakupi艂o ten produkt w danym wojew贸dztwie;
  2. Ile Klient贸w kupuje paczk臋 z 4 sztukami, a ile z 6 sztukami;
  3. Jaka jest 艣rednia cena sprzeda偶y produktu u wszystkich sprzedawc贸w;
  4. Jak popularny jest ten produkt w stosunku do innych konkurencyjnych;
  5. Trendy, kt贸re produkty dobrze si臋 obecnie sprzedaj膮 (偶eby np. obserwowa膰 sezonowo艣膰);

Oczywi艣cie dodanie tych metryk wymaga zbierania danych zar贸wno o sprzeda偶y w samej platformie, jak i 艂膮czenia ich z informacjami z zewn膮trz, mo偶e by膰 wi臋c to trudne do implementacji. Trendy i statystyki sprzeda偶y mog膮 jednak by膰 czym艣, co wyr贸偶ni Tw贸j sklep, od pozosta艂ych dost臋pnych platform B2B.

Import produkt贸w

To jeden z najciekawszych element贸w, kt贸re mo偶esz wprowadzi膰 w Twoim sklepie B2B. Import z pliku tekstowego lub Excel, mo偶e by膰 tym, co drastycznie zwi臋kszy u偶yteczno艣膰 Twojego systemu.

Wyobra藕 sobie, 偶e operujesz na Excelu. Masz list臋 produkt贸w, kilkaset wierszy, kt贸re musisz zam贸wi膰. O ile 艂atwiej by艂oby je zaimportowa膰, a nie r臋czne je wpisywa膰? Mo偶esz to spokojnie osi膮gn膮膰 鈥 pytanie tylko, jak to zrobisz? Trzeba pami臋ta膰, 偶e ka偶dy b臋dzie chcia艂 korzysta膰 z troch臋 innego pliku 鈥 mog膮 by膰 r贸偶ne nag艂贸wki, formatowanie, kropki zamiast przecink贸w, etc.  Warto wi臋c albo narzuci膰 jedyny s艂uszny format (kt贸ry musz膮 by膰 w stanie pobra膰 z Twojego sklepu) albo pozwoli膰 na obs艂ug臋 wielu z nich przez system. To drugie rozwi膮zanie, jest znacznie bardziej z艂o偶one pod wzgl臋dem programistycznym, ale mo偶na stworzy膰 konfiguracj臋, kt贸ra umo偶liwia import praktycznie dowolnego pliku. Np. wybieramy nazw臋 kolumny z informacj膮 o kodzie produktu, nazw臋 kolumny, kt贸ra okre艣la jej liczb臋 i importujemy plik.

Tutaj pojawia si臋 problem, poniewa偶 cz臋艣ci produkt贸w system mo偶e nie znale藕膰. Ten problem mo偶na rozwi膮za膰 na kilka sposob贸w. Najlepszym rozwi膮zaniem by艂by zapewne system, kt贸ry wskazywa艂by kody produkt贸w z informacj膮, 偶e ich nie znalaz艂, a nast臋pnie wy艣wietla艂 sekcj臋 z wyszukiwark膮 albo “czy chodzi艂o Ci o鈥“. R贸wnie ciekawym by艂by system, kt贸ry oznacza艂by niew艂a艣ciwe wiersze i informowa艂 o tym, co nale偶y poprawi膰. Jeszcze innym rozwi膮zaniem, jest system, kt贸ry po prostu informowa艂by, 偶e ten, ten i ten kod nie zosta艂y odnalezione i zaimportowane.

Dost臋pne promocje

W zale偶no艣ci od modelu biznesowego, kt贸ry ma firma, sprzeda偶 mo偶e by膰 oparta na promocjach lub nie. Je偶eli s膮 one wykorzystywane, to zamkni臋ta platforma B2B jest idealnym miejscem, 偶eby je zaprezentowa膰 i zach臋ci膰 partner贸w biznesowych do zakupu.

Mo偶na to zrobi膰 na kilka sposob贸w. Najmniej nachalnym jest pokazanie na li艣cie produkt贸w informacji o promocji, a w szczeg贸艂ach produktu dodatkowych informacji o terminie obowi膮zywania, warunkach, etc. Troch臋 mniej dyskretnym rozwi膮zaniem by艂oby wy艣wietlanie informacji o dost臋pnych promocjach na etapie koszyka / kasy, w zale偶no艣ci od produkt贸w, kt贸re si臋 tam znajduj膮.

Warto zwr贸ci膰 uwag臋 na to, 偶e je偶eli system mia艂by rekomendowa膰 promocje, w zale偶no艣ci od tego, jakie produkty s膮 w koszyku, a co wi臋cej nie tylko dawa膰 mo偶liwo艣膰 wybrania ich, ale te偶 uzale偶nia膰 wyb贸r jednej promocji od drugiej (np. 20% na wszystkie produkty marki X, ale wtedy nie mo偶na wykorzysta膰 promocji “5 w cenie 4“), nale偶y przygotowa膰 si臋 na sporo pracy programistycznej. Takie wdro偶enie b臋dzie wymaga艂o miliona test贸w, rozwa偶enia miliona przypadk贸w i zapewne b臋dzie obarczone b艂臋dami. W szczeg贸lno艣ci, je偶eli system ma dodatkowo proponowa膰 promocje na zasadzie “je偶eli dobierzesz jeszcze 4 produkty, transport b臋dzie gratis”.

Konieczne jest w贸wczas opracowanie wszystkich przypadk贸w, jakie mog膮 wyst膮pi膰 i dodanie ka偶dego kolejnego mo偶e by膰 problematyczne. Cho膰 jest to skomplikowany proces, wymagaj膮cy sporej ilo艣ci pracy, mo偶e stanowi膰 w艂a艣nie ten element, kt贸ry spowoduje, 偶e Tw贸j sklep B2B zyska przewag臋 nad konkurencj膮.

Funkcje systemu B2B e-commerce | Zam贸wienia w imieniu Klienta

Niezale偶nie od tego, 偶e system ma za zadanie upro艣ci膰 proces zamawiania, zawsze znajd膮 si臋 sytuacje, w kt贸rych opiekunowie Klienta s膮 potrzebni. Jednym z przyk艂ad贸w by艂aby sytuacja, gdzie Klient kompletuje zam贸wienie, a nast臋pnie wysy艂a je do opiekuna, 偶eby ten zapewni艂 mu zni偶k臋. To jednak niejedyny przypadek. Du偶o ciekawsz膮 sytuacj膮 jest wizyta wspomnianego powy偶ej sales-repa w sklepie / magazynie i przygotowanie listy rekomendowanych zakup贸w przez niego.
Weryfikuje on w贸wczas zasoby w sklepie, wpisuje w tablet ile produkt贸w jest jeszcze dost臋pnych i generuje rekomendacj臋 zakupu.

Kolejnym przyk艂adem jest mo偶liwo艣膰 zam贸wienia przez sales-repa w imieniu jego Klienta. Loguj膮c si臋 na specjalne konto, uzupe艂nia tam wszystkie produkty, a Klient tylko przegl膮da i akceptuje przygotowane zam贸wienie. Tym samym oszcz臋dza czas i oczywi艣cie pieni膮dze.

Systemy B2B cz臋sto maj膮 wielopoziomow膮 struktur臋 dost臋p贸w, tj. jedna firma mo偶e mie膰 wielu pracownik贸w, cz臋艣膰 z nich mo偶e mie膰 dost臋p do historii zam贸wie艅, kto inny mo偶e mie膰 dost臋p do ustawie艅 konta (w tym limitu kredytu). Wystarczy wi臋c doda膰 specjalny tryb dla opiekuna projektu, kt贸ry mo偶e w imieniu Klienta kompletowa膰 zam贸wienie (zapewne bez mo偶liwo艣ci z艂o偶enia go). Tym samym opiekun mo偶e dba膰 o to, 偶eby warto艣膰 zam贸wienia by艂a, jak najwi臋ksza, a Klient oszcz臋dza sw贸j czas.

Mo偶liwo艣ci kryj膮ce si臋 w systemach B2B jest bardzo du偶o i ich wdro偶enia wymagaj膮 do艣wiadczonych fachowc贸w. ORBA z sukcesem realizuje od 10 lat nawet najbardziej skomplikowane i wyj膮tkowe pod wzgl臋dem funkcji projekty B2B. Skontaktuj si臋 z nami tutaj, je艣li chcesz porozmawia膰 o Twojej wizji, a w mi臋dzyczasie zapoznaj z  case studies realizowanych przez nas wdro偶e艅 B2B e-commerce.

[x]

Ta strona u偶ywa cookies

Wyra偶am zgod臋 na przetwarzanie moich danych osobowych zawartych w plikach cookies (zar贸wno sesyjnych jak i trwa艂ych) przez Orba sp. z o.o. z siedzib膮 w Warszawie, w celu dostosowania tre艣ci strony internetowej do moich preferencji, optymalizacji korzystania ze stron internetowych, tworzenia anonimowych statystyk, kt贸re umo偶liwiaj膮 zrozumienie sposobu korzystania u偶ytkownika ze stron internetowych.

Akceptuj臋