Korelačná analýza môže analyzovať, ktoré produkty alebo kombinácie produktov sa často nakupujú spolu. Ak nájdete kombináciu týchto produktov, ktoré sa často kupujú spolu, môžete urobiť veľa cenných vecí. Tieto hodnoty môžu byť stelesnené aspoň v nasledujúcich troch aspektoch:
1. Usmerňujte usporiadanie a umiestnenie produktov v offline obchodoch
Komodity, ktoré sa často nakupujú spolu, môžu byť umiestnené v blízkosti priestoru v offline obchode, čo je pre zákazníkov výhodné a skracuje čas, ktorý zákazníci hľadajú. To zlepšuje používateľskú skúsenosť a nehmotne zvyšuje objem predaja tovaru. Získajte viac príjmov z predaja.
Ak ide o internetový obchod ako Taobao a JD.com, jeden z často nakupovaných produktov možno použiť ako súvisiace odporúčanie pre iný produkt, čo zvyšuje pravdepodobnosť, že kombinácia súvisiacich produktov bude vystavená spoločne, a podporuje konverziu používateľov pri nákupe ( obrázok nižšie je v Hema APP Browse Baxi, zodpovedajúce odporúčania sú uvedené nižšie). Túto časť si vysvetlíme v treťom scenári aplikácie.
2. Optimalizujte offline obstarávanie, dodávateľský reťazec a zásoby
Komodity, ktoré sa často nakupujú spolu, sa dajú poskladať na celkové plánovanie pri obstarávaní, balení, preprave a inventarizácii, ako je výber dodávateľov v rovnakom regióne a ich skladovanie na podobných miestach v sklade. Na úvod tejto časti môžu čitatelia vyhľadať súvisiace materiály.
3. Poskytovanie dátovej podpory pre event marketing
Komodity, ktoré sa často nakupujú spolu, sa dajú využiť aj na marketingové aktivity (dokonca aj brandová strana príbuzných komodít môže robiť spoločný marketing), ako sú zľavy pri spoločnom nákupe a nákup jedného z drahých, aby ste získali ostatné lacnejšie, často sa kupujú spolu atď. Počkajte.
Vyššie uvedené je len niekoľko obchodných prípadov, ktoré si každý ľahko vybaví v korelačnej analýze nákupného košíka. Je potrebné vyskúšať a preskúmať viac aplikačných scenárov v kombinácii so skutočnou situáciou podniku. Najdôležitejšou vecou pri analýze nákupného košíka je vlastne digitalizácia nákupného správania užívateľa. S údajmi ako základom a zdrojmi zostáva použiť analýzu údajov, dolovanie údajov, strojové učenie a ďalšie algoritmy na preskúmanie údajov a využitie potenciálnej komerčnej hodnoty. S údajmi o nákupnom správaní používateľov, bez ohľadu na komerčnú hodnotu získanú korelačnou analýzou, možno odhaliť množstvo ďalších komerčných hodnôt. Nižšie tiež urobím niekoľko jednoduchých triedení iných hodnôt údajov o nákupoch používateľov, aby som vám poskytol nápady na premýšľanie a širšiu perspektívu.
Pokiaľ sa nákupné údaje zákazníkov zbierajú po určitú dobu a údaje sa digitalizujú (vkladajú do informačného systému supermarketu), je možné použiť jednoduchú štatistickú analýzu (ak sú údaje uložené v relačnej databáze ako napr. SQL, vyžaduje sa iba jeden príkaz SQL). Spočítajte, ktoré položky zákazníci často kupujú.
Aký je úžitok poznať najčastejšie nakupované produkty (teda najpredávanejšie alebo denne predávané produkty)? Verím, že si ľahko predstavíte užitočnosť. V prvom rade je určite užitočné pre nákupné centrá nakupovať a objednávať. Zdroj najčastejšie nakupovaných komodít a dodávateľský reťazec je potrebné dobre chrániť a nákupné centrá musia dbať na zabezpečenie dostatočnej ponuky. Okrem toho je možné optimalizovať aj umiestnenie horúceho zakúpeného tovaru. Mnohé obchody umiestňujú obľúbené položky na tie najnápadnejšie a pre zákazníkov najdostupnejšie miesta. Mnoho supermarketov dáva z tohto dôvodu žuvačky a kondómy do pokladne.
Nákup mnohých komodít môže mať časové obdobie a sezónne výkyvy. Napríklad čerstvé mlieko sa zvyčajne nakupuje ráno, zatiaľ čo špirály proti komárom sa kupujú v lete. Prostredníctvom analýzy času nákupu môžeme zhruba poznať zákon kolísania určitých komodít v čase a sezóne a analyzovať zákon vyššie uvedeného časového cyklu nákupu. Lepšie pomôžte podnikom nakupovať, rezervovať a predávať tovary.
V kombinácii s informáciami o portréte používateľa (existuje veľa spôsobov, ako získať informácie o portréte používateľa, napríklad niektoré spoločnosti môžu mať systém členstva a používatelia sa môžu zaregistrovať do online aplikácie, aby mohli získať informácie súvisiace s používateľmi. Okrem toho, ak v obchodnom centre sú kamery a ďalšie vybavenie, je to tiež možné Ak získate všeobecný portrét používateľa, ktorý presahuje rámec tohto článku a nebude sa opakovať, môžete analyzovať nákupné charakteristiky rôznych skupín (napr. ako rozdiely v nákupoch rôznych pohlaví, rôznych vekových skupín, rôznych príjmov atď.) a robiť personalizovaný marketing.
Mnohé maloobchodné spoločnosti sú reťazové spoločnosti (alebo dokonca nadnárodné spoločnosti). Môžu zbierať údaje o predaji z rôznych obchodov, analyzovať geograficky súvisiace údaje v rôznych regiónoch, skúmať nákupné správanie používateľov v rôznych regiónoch a vytvárať prispôsobené stratégie pre rôzne regióny. . Používatelia v rôznych regiónoch môžu mať napríklad rôzne najpredávanejšie produkty, používatelia v rôznych regiónoch často nakupujú rôzne produkty spolu a sezónne zmeny v nákupnom období používateľov v rôznych regiónoch môžu byť tiež odlišné. Táto prepracovanejšia analýza vedie k prijatiu miestnych stratégií pre rôzne regióny (dokonca aj pre rôzne obchody).
Mnoho maloobchodných spoločností má káblové online APP aj offline fyzické obchody (napríklad Hema má Hema APP a Hema offline obchody), takže spôsob prepojenia online a offline je veľmi cenný. Internetové obchody majú aj takzvané nákupné košíky (za nákupný košík možno považovať aj produkty zakúpené používateľom v aplikácii), ktoré môžu využívať aj metódy a stratégie analýzy nákupných košíkov.
Ak maloobchodná spoločnosť začína iba online a potom začína offline, online analýza údajov môže posilniť offline podnikanie. Napríklad na základe analýzy údajov o nákupnom správaní používateľov online môžete získať aj vyššie uvedené rôzne informácie (napríklad obľúbené produkty, produkty, ktoré sa často nakupujú spolu atď.), a tieto informácie možno priamo použiť na výber a usporiadanie. offline obchodov. naopak.
Online údaje možno použiť aj na výber umiestnenia offline obchodov. Napríklad je možné analyzovať nákupnú situáciu online používateľov a získať distribúciu používateľov v rôznych regiónoch, čo je užitočné pri rozhodovaní o počte a výbere umiestnenia obchodov na otvorenie obchodov v rôznych regiónoch.
Stručne povedané, v kontexte vyčerpania súčasných internetových dividend je smer a príležitosť online a offline integrácia a prepojenie. Online a offline integrácia a vzájomné posilňovanie sú budúcimi trendmi maloobchodného priemyslu. Kto dokáže uchopiť tento trend, dostane vstupenku do ďalšej zlatej vývojovej etapy maloobchodu (aj akéhokoľvek odvetvia).
