System rekomendacji na podstawie setek tysięcy paragonów
Handel detaliczny i e-commerce
Branża i typ organizacji
Sieć handlowa z własnym kanałem e-commerce i setkami tysięcy transakcji. W paragonach zapisana była wiedza, której nikt nie odczytywał: co klienci kupują razem.
Problem biznesowy
Sieć miała pełną historię zakupów, ale ta wiedza leżała w paragonach nietknięta. Decyzje o tym, co ustawić obok czego, co proponować przy kasie i co trzymać na stanie, zapadały z doświadczenia, choć odpowiedź była w samych paragonach: co naprawdę ląduje razem w koszyku.
Podejście i zakres prac
Przeanalizowaliśmy setki tysięcy paragonów metodą analizy koszykowej (market basket analysis), jednej z klasycznych technik eksploracji danych (data mining), wyciągając reguły asocjacyjne: które produkty trafiają do koszyka razem i jak często. Z tych wzorców powstał system rekomendacji (recommender system), który podpowiada zestawienia poparte danymi sprzedażowymi.
Ten sam wynik da się wykorzystać w kilku miejscach: przy analizie danych do układania zapasów, przy sprzedaży jako podpowiedź dla obsługi, oraz jako rekomendacje produktowe na stronie.
Fundamentem w tym projekcie była analiza koszykowa, która działa na anonimowych paragonach, bo interesuje ją sam skład koszyka. Objęła całość sprzedaży: zarówno online, jak i paragony kasowe ze sklepów stacjonarnych. Collaborative filtering to z kolei ogólna metoda rekomendacji, oparta na zachowaniach klientów o podobnych koszykach („klienci podobni do Ciebie kupowali też”). Wymaga powiązania zakupów z klientem, więc sprawdza się wszędzie tam, gdzie jest to możliwe, zarówno online, jak i przy karcie lojalnościowej w sklepie stacjonarnym.
Efekt biznesowy
setki tysięcy
przeanalizowanych paragonów
wzorce współwystępowania produktów
3 zastosowania
cross-selling, zapasy, podpowiedzi online
jeden model, wiele miejsc użycia
Zestawienia produktów opierają się na tym, co realnie dzieje się w koszykach, a nie na typowaniu. Ta sama analiza podpowiada, co proponować przy sprzedaży, co ustawić obok siebie i co trzymać na stanie.
Wzorce z koszyka dają dwie rzeczy trudne do wychwycenia okiem. Wolno rotujący towar często schodzi w parze z konkretnym bestsellerem, więc dołożenie go do takiego zestawienia upłynnia stan, który inaczej zalega. Widać też nieoczywiste połączenia między produktami już obecnymi w ofercie, których nikt wcześniej świadomie nie zestawiał, a każde z nich to gotowy pomysł na nowy zestaw sprzedażowy.
Skala wdrożenia
Analiza objęła pełną historię sprzedaży sieci. Im dłuższa historia, tym pewniejsze wzorce współwystępowania.
Jeśli masz historię sprzedaży, z której nikt nie wyciąga wniosków, opisz nam swój przypadek. Sprawdzimy, jakie wzorce da się z niej wyczytać.
Powiązane artykuły w Bazie wiedzy cm-opti
Obszar usługi: Analiza danych i systemy rekomendacji.