Big Data и психометрия: на пороге глобальных изменений в ритейле

В цифровую эпоху все больше наших действий оставляют отпечаток - все измеряется, отслеживается и фиксируется. Используя любой онлайн или цифровой инструмент, каждый человек генерирует огромное количество данных, которые можно структурировать, проанализировать и получить ценные инсайты. Именно этим и занимается технология Big Data, которая за последние несколько лет превратилась в мощный источник информации о стиле жизни, привычках и потребностях миллионов людей.

Сначала в понятие Big Data вкладывали только умение хранить и обрабатывать большие массивы данных, сгенерированных пользователями онлайн. Чуть позже анализ этих данных показал огромный потенциал в контексте выявления закономерностей в поведении пользователей. Это помогло таким цифровым гигантам как Facebook, Twitter, Amazon, Google кастомизировать сервисы в соответствии с потребностями и таргетировать рекламу намного эффективнее.

Осознав могущество Big Data, компании начали вкладывать ресурсы в поиск все новых источников данных и подходов к их анализу. Это уже не обязательно большие массивы информации. Сейчас мир постепенно переходит от категории "больших" к категории "наиболее ценных и качественных" данных.

Именно поиск кардинально новых источников данных и их комбинация с уже существующими для получения новых инсайтов становится основной задачей специалистов по Big Data во всем мире.

Big Data и психометрия

До недавнего времени в основе анализа данных лежало построение кругов (кластеров) на основе определенных фактов о людях (возраст, пол, увлечения, история покупок). То есть, предполагалось, что поведение всех участников соответствующего кластера похоже. Например, во время предвыборной кампании электорат разбивали на группы по возрасту, полу, географии и т.д. и определяли особенности поведения всех участников каждой из групп. Такой подход называется персонализация.

Однако, в 2016 году компания Cambridge Analytica всколыхнула мир принципиально новым подходом к работе с Big Data. Самым известным кейсом стала предвыборная кампания Дональда Трампа, для которой CA предоставила маркетинговую стратегию, основанную на анализе Big Data. Им удалось собрать по 5 тыс. фактов на каждого американца, способного участвовать в выборах, а это около 230 млн человек. Также во время праймериз Республиканской партии они использовали данные о типах личности электората, чтобы эффективнее таргетировать рекламную кампанию.

Это уже кардинально другой уровень работы с данными, который предусматривает определение типа личности на основе анализа ее действий в цифровом пространстве - социальные сети, поисковые системы, покупки, мобильные гаджеты, GPS, умные устройства. Такой подход к анализу конкретно взятого человека и построению прогнозов насчёт его индивидуального поведения, а не группы похожих людей, получил название индивидуализация.

Этот подход позволяет отслеживать и определять особенности поведения и характера, общения, географического передвижения. Именно эти данные способны дополнить информацию о стиле жизни человека инсайтами о том, как человек принимает решение, исходя из его психотипа - импульсивно или взвешенно, решительно и рационально или эмоционально; как лучше воспринимает информацию - сенсорно или интуитивно. Именно эти данные являются ключевыми для прогноза будущих действий человека. Они позволяют не только понять его мотивы, видение, восприятие мира, но и спрогнозировать его поведение и, наконец, изменить его.

Чтобы получить наиболее точный индивидуальный профиль, в идеале следует проанализировать онлайн активности вместе с невербальным языком - мимикой, жестами, языком тела, интонациями голоса. Именно такое сочетание обеспечит наиболее качественный результат. И это та проблема, с которой сталкиваются гиганты сбора индивидуальной информации о людях (Facebook, Google). Для сбора психометрической информации нужен или физический контакт, или хотя бы изображение человека, которое можно получить с помощью видеокамеры. Именно поэтому одной из важных целей запуска сервисов бесплатной аудио и видеосвязи является сбор необходимых психометрических данных о пользователях.

Считывание невербальной речи уже не является далеким будущим. Совсем недавно исследователи института Робототехники университета Карнеги-Мелон презентовали компьютер, способный распознавать фигуры и движения, в том числе рук и пальцев, многих людей одновременно и в режиме реального времени. Использование подобной технологии в сочетании с данными, полученными из других цифровых источников, может навсегда изменить индустрии, которые ориентированы на работу с потребительской аудиторией.

Одной из таких отраслей является ритейл индустрия, которая в ближайшее время может выступить основным драйвером развития технологий сбора, анализа и использования Big Data. Если для построения наиболее точных прогнозов о поведении человека нужна психометрическая информация, то ритейл индустрия имеет огромные возможности, ведь она уже имеет важнейшее условие для сбора такой информации - физический контакт с покупателем в магазине.

Big Data в ритейле: новые возможности

Получается, что именно ритейлеры имеют один из лучших контактов с аудиторией как в интернет-магазинах, так и в торговых точках. Во-первых, в отличие от онлайн, стационарные магазины посещают почти все люди, а это значит максимально возможный охват аудитории. Во-вторых, благодаря физическому контакту можно получить больше данных о человеке: его можно увидеть, услышать, отследить поведение и перемещение по магазину и т.д. Это дает достаточно полное представление о психотипе человека, а вместе с информацией о его материальном положении и предпочтениях, которую ритейлеры также получают, можно достаточно точно спрогнозировать, что будет любить и покупать конкретный потребитель.

In-store аналитика

За один визит в магазин покупатель способен сгенерировать тысячи уникальных показателей, зафиксированных различными камерами и сенсорами. С помощью анализа можно понять, куда он собирается пойти, что именно привлекает его внимание, как он делает выбор продукта и сколько времени ему требуется на это, покупает он четко по списку или, возможно, импульсивно. Все эти данные могут быть полезны при планировании раскладки, разработки рекламных и промо-кампаний и материалов и т.д.

Кроме того, такой подход способен предупреждать кражи - например, анализируя язык тела посетителя, выражение лица, особенности передвижения по магазину, компьютер может посылать предупредительные уведомления охранникам для пристальной проверки.

Прогнозирование трендов еще до их появления

С помощью технологии Big Data можно прогнозировать тренды и спрос на определенные категории и соответственно планировать закупки и поставки. При этом учитывается множество факторов, которые способны влиять на спрос - информация о совершенных продажах, сообщения в социальных сетях, поисковые запросы, экономическая ситуация в стране и даже погодные условия.

Благодаря этому, потребители всегда смогут найти нужный товар по более доступной цене, а новинки будут максимально отвечать их ожиданиям и вкусам. Не исключено, что именно ритейл будет диктовать глобальные потребительские тренды в ближайшее время и центр тяжести сместится от производителей к ритейлерам.

Полную версию колонки читайте на Kyivstar Business Hub.