Корреляционный анализ может проанализировать, какие продукты или комбинации продуктов часто покупаются вместе. Если вы найдете комбинацию этих продуктов, которые часто покупают вместе, вы можете сделать много ценных вещей. Эти ценности могут быть воплощены как минимум в следующих трех аспектах:
1. Руководство по расположению и размещению товаров в офлайн-магазинах
Товары, которые часто покупаются вместе, могут быть размещены рядом с пространством в офлайн-магазине, что удобно для выбора покупателями и сокращает время поиска покупателями. Это улучшает пользовательский опыт и нематериально увеличивает объем продаж товаров. Получите больше дохода от продаж.
Если это интернет-магазин, такой как Taobao и JD.com, один из часто покупаемых продуктов может быть использован в качестве связанной рекомендации для другого продукта, что увеличивает вероятность того, что комбинация связанных продуктов будет представлена вместе, и способствует конверсии покупок пользователей ( изображение ниже находится в приложении Hema APP Browse Baxi, соответствующие рекомендации приведены ниже). Мы объясним эту часть в третьем сценарии приложения.
2. Оптимизируйте офлайн-закупки, цепочку поставок и запасы
Товары, которые часто покупаются вместе, можно объединить для общего планирования закупок, упаковки, транспортировки и инвентаризации, например, для выбора поставщиков в одном регионе и их хранения в одинаковых местах на складе. Для ознакомления с этим разделом читатели могут искать соответствующие материалы.
3. Обеспечьте поддержку данных для событийного маркетинга
Товары, которые часто покупаются вместе, также можно использовать для маркетинговой деятельности (даже бренды связанных товаров также могут осуществлять совместный маркетинг), например, скидки при совместной покупке и покупка одного из дорогих товаров для получения других более дешевых, которые дешевле. часто покупаются вместе и т. д. Подождите.
Выше приведены лишь несколько бизнес-кейсов, которые каждый может легко придумать при корреляционном анализе покупательской корзины. Необходимо опробовать и изучить больше сценариев применения в сочетании с реальной ситуацией на предприятии. Самое важное в анализе покупательской корзины — это оцифровка покупательского поведения пользователя. Имея данные в качестве основы и ресурсов, остается использовать анализ данных, интеллектуальный анализ данных, машинное обучение и другие алгоритмы для изучения данных и извлечения потенциальной коммерческой ценности. С данными о покупательском поведении пользователей, независимо от коммерческой ценности, полученной с помощью корреляционного анализа, можно обнаружить множество других коммерческих ценностей. Ниже я также проведу простую сортировку других значений данных о покупках пользователей, чтобы предоставить вам некоторые мыслительные идеи и более широкую перспективу.
Поскольку данные о покупках покупателей собираются за определенный период времени и оцифровываются (вводятся в информационную систему супермаркета), можно использовать простой статистический анализ (если данные хранятся в реляционной базе данных, такой как SQL требуется только один оператор SQL). Подсчитайте, какие товары чаще всего покупают клиенты.
Какая польза от знания наиболее часто покупаемых продуктов (т. е. самых продаваемых или товаров, продаваемых ежедневно)? Я считаю, что вы можете легко думать о полезности. Прежде всего, это определенно полезно для торговых центров, чтобы покупать и заказывать. Источник наиболее часто покупаемых товаров и цепочка поставок должны быть хорошо защищены, а торговые центры должны уделять внимание обеспечению достаточного предложения. Кроме того, можно оптимизировать и размещение горячо покупаемых товаров. Многие магазины размещают популярные товары на самых заметных и доступных покупателям местах. По этой причине во многих супермаркетах на кассе кладут жевательную резинку и презервативы.
Покупка многих товаров может иметь период времени и сезонные колебания. Например, свежее молоко обычно покупают утром, а противомоскитные спирали — летом. Благодаря анализу времени покупки мы можем примерно узнать закон колебаний определенных товаров во времени и сезоне и проанализировать закон вышеуказанного временного цикла покупки. Лучше помогайте предприятиям покупать, резервировать и продавать товары.
В сочетании с информацией о портрете пользователя (есть много способов получить информацию о портрете пользователя, например, некоторые компании могут иметь систему членства, и пользователи могут зарегистрироваться в онлайн-приложении, чтобы можно было получить информацию, связанную с пользователем. Кроме того, если в торговом центре есть камеры и другое оборудование, также возможно Если вы получите общий портрет пользователя, это выходит за рамки данной статьи и повторяться не будет), вы можете проанализировать покупательские характеристики разных групп (таких как как различия в покупках разных полов, разных возрастных групп, разных доходов и т. д.), и сделать персонализированный маркетинг.
Многие розничные компании являются сетевыми компаниями (или даже транснациональными компаниями). Они могут собирать данные о продажах из разных магазинов, анализировать географически связанные данные в разных регионах, изучать покупательское поведение пользователей в разных регионах и разрабатывать индивидуальные стратегии для разных регионов. . Например, у пользователей в разных регионах могут быть разные популярные продукты, пользователи в разных регионах часто покупают разные продукты вместе, и сезонные изменения в периоде покупки у пользователей в разных регионах также могут быть разными. Этот более точный анализ способствует принятию локальных стратегий для разных регионов (даже для разных магазинов).
Многие розничные компании имеют как проводные онлайн-приложения, так и офлайн-магазины (например, у Hema есть Hema APP и офлайн-магазины Hema), поэтому очень важно, как связать онлайн и офлайн. Интернет-магазины также имеют так называемые корзины покупок (товары, приобретенные пользователем в приложении, также могут рассматриваться как корзина покупок), которые также могут использовать методы и стратегии анализа корзины покупок.
Если розничная компания только начинает работу в Интернете, а затем переходит в офлайн, то онлайн-анализ данных может расширить возможности офлайн-бизнеса. Например, на основе анализа данных о покупательском поведении пользователей в Интернете вы также можете извлечь вышеупомянутую различную информацию (например, популярные продукты, продукты, которые часто покупают вместе и т. д.), и эту информацию можно напрямую использовать для выбора и размещения. офлайн-магазинов. наоборот.
Онлайн-данные также можно использовать для выбора местоположения офлайн-магазинов. Например, можно проанализировать ситуацию с покупками онлайн-пользователей и получить распределение пользователей по разным регионам, что полезно для принятия решения о количестве и выборе местоположения магазинов для открытия магазинов в разных регионах.
Короче говоря, в контексте исчерпания нынешних интернет-дивидендов онлайн- и офлайн-интеграция и связь являются направлением и возможностью. Онлайн- и офлайн-интеграция и взаимное расширение прав и возможностей — будущие тенденции розничной торговли. Тот, кто сможет уловить эту тенденцию, получит билет на следующую золотую стадию развития розничной торговли (даже любой отрасли).
