Z analizo podatkov lahko pomaga, da se tekmna trgovina z opeko in malto lahko konkurira

Ključna naloga vseh zaposlenih v IT je, da podjetju dodajo vrednost pameten uporaba tehnologije. To je naloga, ki je običajno zelo specifična, ne samo za industrijo, ampak za večino organizacije saj ima vsako podjetje svoj način početja. Včasih pa inovacije prihajajo od tretjih oseb, ki lahko pomagajo pri tej misiji, in pravkar sem naletel na enega od tistih v maloprodajnem sektorju.

Vsi smo že slišali zgodbe o tem, kako maloprodajne trgovine z opeko in malto ne morejo konkurirati velikim trgovcem, kot so Walmart ali velikim spletnim trgovcem, kot je Amazon. Do neke mere je res. Nobena prodajalna ne more prevažati širokega nabora blaga, ki ga lahko ima Amazon, niti majhen trgovec pa ne more kupiti kupne moči Walmarta.

Vendar fizične trgovine ponujajo nekaj, česar Amazon ne zmore, in nekaj, kar Walmartu ne uspeva, in to je fizična razpoložljivost. Če potrebujete izdelek in je v bližini trgovina, ki ga nosi, ga lahko zdaj dobite. Za vožnjo do trgovine vam ni treba čakati dlje, kot je potrebno. Seveda, nekega dne bo lahko brezpilotni motor v 30 minutah ali manj spuščal, kar želite, toda za zdaj je to še vedno ena od glavnih prednosti opeke in malte in te operacije naj bi ga izkoristile do ročice.

Za razširitev te prednosti lahko trgovine z opekami in maltami, zlasti manjših operacij, še naprej konkurirajo podobam Amazon in Walmart z uporabo podatkov, ki jih že imajo, in nato s temi podatki ustvarijo uporabniško izkušnjo, ki je ne morejo dobiti v spletu oz. v ogromni trgovini s škatlami. Podatki, ki bodo to storili, ustvarijo sliko v realnem času, kaj je na zalogi in kje je v trgovini.

S posredovanjem takšnih podatkov v realnem času lahko trgovine ponujajo izdelke, ki jih kupci želijo, hkrati pa jim omogočajo še takojšnjo razpoložljivost, brez frustracij pri iskanju ogromnih hodnikov velikega prodajalca blaga ali še huje, ko čakajo, da nekdo "pregleda nazaj" za nekaj, kar bi moralo biti ves čas zunaj. Amazon lahko v dveh dneh za člane Prime dostavi vaše nakupe, in sicer hitreje v nekaj mestih. Walmart vam lahko pove, če je izdelek na zalogi, vendar vam ne bo povedal, kje v trgovini ga lahko najdete, niti, ali je v trgovini ali v skladišču.

Obstaja veliko prostora za izboljšanje izkušenj pri manjših maloprodajnih operacijah. Seveda je izziv, kako pridobiti podatke s polic in jih postaviti tam, kjer jih lahko najdejo kupci. In ko bo ta izziv prepoznan, bo pristal na mizi IT skrbnika.

Vodenje zavihkov v zalogi

Težava fizične trgovine je natančno upravljanje zalog, zato imajo kupci, ne le prodajalci, kakšno predstavo o tem, kaj je na njenih policah. Tam bi se moral začeti večina IT prodajalcev na drobno: dober sistem za sledenje zalog, kajti ko ga boste uvedli, boste vedeli, kaj naj bi bilo na polici. Vendar to, kar naj bi bilo tam, morda ni isto kot tisto, kar tam dejansko obstaja.

Razlogi za to bodo različni, toda poleg očitnih (na primer zloglasnega popusta s petimi prsti) je mogoče izdelke premakniti na novo lokacijo bodisi kupec, ki si ga je ogledal in nato odložil kam drugam, ali zato, ker zaposleni v trgovini postavi na napačno mesto. Seveda pa sistem prodajnih mest (POS) morda ni pravilno obračunal prodaje, morda zaradi manjkajoče nalepke univerzalne kode izdelka (UPC) ali še huje, napačne nalepke na pravem izdelku.

Na srečo so vam podatki o tem, kaj je na vaših policah, na voljo. Vse lahko spremljate tako, da vaše prodajno osebje pregleda izdelke, ko potujejo po vaši trgovini, in nato preveri, kaj je tam, glede na pričakovano raven zalog. Oh, počakaj - to bi potrebovalo veliko zaposlenih in vsi bi potrebovali nekakšen terminal, da bi vedeli, koliko pričakujemo.

Kako torej zbirate potrebne podatke? In kar je še pomembneje, kako to omogočite kupcem, ki želijo vedeti, ali imate na zalogi določen artikel? Odgovor je seveda več podatkov. Toda zbrati ga morate brez uporabe več zaposlenih.

Avtomatično nalaganje podatkov

Eden od odgovorov na to dilemo prihaja iz Singapurskega podjetja Trax Image Recognition, ki trgovinam pomaga zbrati podatke, ki jih potrebujejo, tako da fotografirajo svoje police s pametnim telefonom. Fotografije izdelkov na prodajnih policah analiziramo s sistemom umetne inteligence (AI), imenovanim Trax Retail Watch, ki lahko prepozna podrobnosti vsakega izdelka, prešteje, koliko izdelkov je v vsaki kategoriji, nato pa sčasoma uporabi strojno učenje (ML), da napove, kdaj želite preurediti naročilo.

"Polica je zadnje območje, ki še ni bilo avtomatizirano, " je dejal Steve Hornyak, predsednik uprave Amerike pri Traxu. Hornyak je dejal, da se je v dobavni verigi in prodajnih mestih veliko avtomatiziralo, vendar se to še ni zgodilo na policah. Hornyak pravi, da sistem Trax "izdelke na policah pretvori v podatke".

Oddelek za informacijsko tehnologijo v trgovini na drobno lahko nato vzame vse zbrane podatke in jih da na voljo za analizo podatkov ali pa lahko za isto opravilo uporabijo katero od storitev, ki jih ponuja Trax Image Recognition. Kakor koli, trgovina mora zagotoviti vmesnik s sistemom POS, pa tudi z nakupnim sistemom in sistemom za sledenje zalog, ki bodo verjetno prisilili tudi povezavo s splošnim računovodskim sistemom.

Kombinacija sistemov nato trgovini omogoča, da ima vedno na voljo posodobljen zalog na svojih policah, kar pa omogoča, da trgovina svojim strankam zagotavlja podatke v realnem času. Tako, če nekdo potrebuje določen predmet, potem ve, kje ga najti. In če s podatki pravilno upravljamo, kje točno v trgovini, da ga najdete.

"IT je lahko posrednik, " je pojasnil Hornyak, "ali pa imamo REST API, tako da lahko dobijo podatke."

Pridobivanje roba nad e-trgovino

Seveda dostop do teh podatkov odpira tudi svet možnosti, s katerimi bi lahko trgovina z opeko in malto dobila novo prednost pred velikani e-trgovine, tudi tistimi velikimi kot Amazon. Če imajo na zalogi artikel, kjer se ga lahko kupci dotaknejo in ga lahko takoj dobijo, potem to prodajalci e-trgovine ne morejo storiti. In ko kupec izdelek trenutno potrebuje, je cena manj dejavnik od razpoložljivosti.

Če imate vse podatke v zalogi, od naročila do prejema do prodaje, vam lahko tudi veliko pove, kako poslujete kot trgovina. Ugotovite lahko, ali se izdelek prodaja hitreje, kot je načrtoval, in nato naredite prilagoditve. Prav tako lahko ugotovite, kdaj se izdelek ne prodaja več in lahko preprosto in hitro najdete izdelke, ki so bili odpoklicani. Če ste prijazni do svojih strank, lahko te podatke preslikate v sistem za upravljanje odnosov s strankami (CRM) in unikatne ali posebne predmete primerjate s točno določenimi strankami ali skupinami in še bolj utrdite njihovo zvestobo.

To so vse koraki velikih trgovcev na drobno in velikih prodajaln, običajno s sistemi, ki so razviti po meri. Vendar orodja, kot je Trax Retail Watch, omogočajo manjšim trgovcem na drobno, da uporabljajo podobne metode, in jim omogoča nove načine tekmovanja in zagotavljajo boljšo izkušnjo pri nakupovanju, pri tem pa še vedno izkoriščajo svojo primarno prednost: neposredna interakcija s stranko. To je nekaj, česar ne morete storiti prek spleta, tudi z AI-ji, in je ključna prednost, ki jo lahko ponudi samo osebje IT, ki dobro razume podatke organizacije.