大數據給零售業帶來豐厚收益的5個例子

在與許多零售管理人員會面時，我發現大數據引起了他們很大的興趣，但大多數高管都在面臨一些常見的挑戰，例如如何將大數據與用例進行整合，如何識別新類型（通常是非結構化）數據以及如何利用大數據以改進決策。

根據辰智大數據專家分析，成功部署大數據解決方案首先要識別新信息中受益的用例和業務決策。  以下列舉了5個零售業成功的案例：

1、酒店鏈使用大數據增加預訂 

惡劣的天氣減少旅行，從而減少旅客隔夜住宿。這對酒店來說不是什么好消息， 然而，紅屋酒店扭轉了這種局勢。 酒店連鎖酒店認識到，取消的航班會讓旅客選擇在一個靠近機場的地方過夜。 該公司通過結合酒店和機場位置情況、天氣以及航班取消信息建立了一個算法，其中考慮了天氣的嚴重性，旅行條件，一天的時間和航空公司取消率等變量。 憑借其大數據洞察，向滯留的旅行者提供有針對性的廣告，并使他們很容易預訂附近的酒店。

這個大數據的回報是驚人的。 航班取消平均每天1-3％，這意味著每天有150至500次取消航班或約25,000至90,000名滯留乘客。 憑借大數據和基于地理位置的變換營銷活動，紅屋酒店從2013年到2014年實現了10％的業務增長。

2、披薩鏈在惡劣天氣獲得更多收益

與上面的例子類似，披薩鏈使用網絡程序和移動營銷技術在惡劣的天氣或停電導致消費者無法做飯時提供優惠券。 這種變動營銷活動得到高達20％的回復率。

3、音樂經銷商將大數據用于需求規劃 

音樂公司通過使用大數據來計算和預測產品需求。 在出版或發布音樂之后，公司計算其產品的社交網絡上的銷量，并且另外從流行音樂平臺，歌曲識別應用或“第二屏幕”社交媒體整理器獲取第三方用戶收聽數據。 根據人口統計數據，位置，并幫助音樂發行商提供精確的廣告，并以高置信度預測產品需求。 這個概念同樣適用于其他零售商，他們也可以從社交網絡獲得數據，以了解新產品或現有市場如何接收新產品，甚至從公眾中感知其產品和公司聲譽。

4、金融服務公司Scores新客戶 

在新客戶收購的低贏率產品后，一家金融服務公司轉向大數據，以便更好地確定哪些新客戶需要最多的投資機會。該公司用從eBureau購買的第三方數據補充其客戶人口統計數據。 數據服務提供商將銷售機會與消費者職業，收入，年齡，零售歷史和相關因素相加。 然后將大數據應用于識別哪些新客戶端應當接收附加投資并且哪些不應該接收附加投資的算法。 結果是新的客戶勝率提高了11％，同時公司將銷售相關費用降低了14.5％。

5、零售商創建妊娠檢測模型 

通過將在嬰兒淋浴登記處注冊的購物者與他們的購買歷史進行比較，零售商發現當女人在懷孕時購物發生的變化。 例如，在頭20個星期，孕婦開始購買補充劑，如鈣，鎂和鋅。 在孕中期，孕婦開始購買較大的牛仔褲、大量的洗手液、無香皂和 超大袋的棉球。 總的來說，零售商確定了約25個孕婦購買的產品。

通過將這些購買行為應用于所有購物者，目標能夠識別懷孕的婦女，即使這些婦女沒有通知任何人 懷孕。使用這個發現創建一個懷孕預測模型后，該零售商能夠按照懷孕階段將嬰兒產品促銷分發給特定的客戶群體。知道重要的生活事件改變了消費者的整體購物習慣，Target公司的收入從2002年的440億美元增長到了2010年的670億美元。雖然零售商Target公司的總裁Gregg Steinhafel對投資者進行了公開評論，他們對投資者的分享表明，該公司“更加注重特定客戶群體（例如媽媽和嬰兒）的產品和類別”，這對零售商的成功有很大的發現。 

但是消費者的隱私和公共關系必須考慮，這是零售商的需要考慮的重要宗旨之一。

辰智-大數據應用專家

長按二維碼關注公眾號：辰智

1、如果您喜歡本文，轉載請注明：辰智翻譯

2、歡迎您留言、提問