Tai gali padėti mažmeninei prekybai plytomis konkuruoti naudojant duomenų analizę

Pagrindinė bet kurio IT personalo misija yra sukurti pridėtinę vertę organizacijai per protingas technologijos naudojimas. Tai užduotis, paprastai labai specifinė ne tik pramonei, bet ir daugumai organizacijos nes kiekviena įmonė turi savo elgesio būdą. Bet kartais naujovių pasitaiko iš trečiųjų šalių, kurios gali padėti įgyvendinti šią misiją, ir aš tiesiog prisiminiau vieną iš mažmeninės prekybos sektoriaus atstovų.

Mes visi girdėjome pasakas apie tai, kaip mažmeninės prekybos tinklai negali konkuruoti su dideliais mažmenininkais, tokiais kaip „Walmart“, arba dideliais internetiniais mažmenininkais, tokiais kaip „Amazon“. Tam tikru mastu tai tiesa. Nė viena mažmeninė parduotuvė negali gabenti daugybės prekių, kurias gali įsigyti „Amazon“, ir nė vienas mažas mažmenininkas negali sukaupti „Walmart“ perkamosios galios.

Bet fizinės parduotuvės siūlo tai, ko negali „Amazon“, ir tai, ko „Walmart“ blogai daro, ir tai yra fizinis prieinamumas. Jei jums reikia prekės, o šalia yra parduotuvė, kuri ją nešioja, tuomet galite eiti nusipirkti. Jums nereikia laukti ilgiau, nei reikia nuvažiuoti į parduotuvę. Aišku, kada nors dronas gali per 30 minučių ar mažiau numesti bet ko, ko tik norite, tačiau kol kas tai vis dar yra vienas iš svarbiausių plytų ir skiedinio pranašumų, ir šios operacijos turėtų jį išnaudoti iki galo.

Norėdami išplėsti šį pranašumą, plytų ir skiedinių parduotuvės, ypač mažesnės operacijos, gali toliau konkuruoti su mėgstamiausiomis „Amazon“ ir „Walmart“, naudodamiesi jau turimais duomenimis, o tada naudodamiesi šiais duomenimis, kad sukurtų klientų patirtį, kurios jie negali gauti internete ar didžiulėje dėžučių parduotuvėje. Duomenys, kuriuos atliksite, sukuria realaus laiko vaizdą, kas yra sandėlyje ir kur yra parduotuvėje.

Pateikdami tokius realiojo laiko duomenis, parduotuvės gali suteikti pirkėjams norimas prekes, tuo pačiu suteikdamos dar greitesnį jų prieinamumą, nesukeldamos nusivylimo ieškodamos didžiojo dėžutės mažmenininko praėjimų ar, dar blogiau, laukdamos, kol kažkas „patikrins užpakalį“ kažkas, kas turėjo būti iš priekio visą laiką. „Amazon“ gali pristatyti pirkinius „Prime“ nariams per dvi dienas, greičiau - keliuose miestuose. „Walmart“ gali pasakyti, ar prekės yra sandėlyje, tačiau niekur nenurodys, kurioje parduotuvėje jos galite rasti, ar net jos yra parduotuvėje ar sandėlyje.

Turi daug galimybių patobulinti mažesnių mažmeninės prekybos operacijų patirtį. Iššūkis, be abejo, yra tai, kaip surinkti duomenis iš lentynų ir sudėti juos ten, kur juos gali rasti pirkėjai. Kai tik šis iššūkis bus nustatytas, jis nusileis ant IT administratoriaus stalo.

Inventoriaus skirtukų laikymas

Fizinės parduotuvės problema yra tikslus atsargų valdymas, todėl pirkėjai, ne tik pardavėjai, turi tam tikrą supratimą apie tai, kas yra jos lentynose. Daugelis mažmeninės prekybos IT administratorių turėtų pradėti: gera atsargų stebėjimo sistema, nes įdiegę ją žinosite, kas turėtų būti lentynoje. Tačiau tai, kas turėtų būti ten, gali būti ne tas pats, kas ten iš tikrųjų .

Priežastys bus skirtingos, tačiau be akivaizdžių (tokių kaip liūdnai pagarsėjusių penkių pirštų nuolaidų), produktai gali būti perkelti į naują vietą kliento, kuris jį apžiūrėjo, o vėliau padėjo kur nors kitur, arba todėl, kad parduotuvės darbuotojas padėjo jį netinkamoje vietoje. Ir, žinoma, pardavimo vietoje (POS) sistema galbūt netinkamai apskaitė pardavimą, galbūt dėl ​​to, kad trūksta bendrojo produkto kodo (UPC) lipduko, arba, dar blogiau, netinkamo tinkamo produkto lipduko.

Laimei, duomenys apie tai, kas yra jūsų lentynose, yra jums prieinami. Viską galite sekti, jei pardavėjai tikrina daiktus, kai jie keliauja po jūsų parduotuvę, tada patikrinkite, kokie ten yra atsargos. O, palaukite - tam prireiks daug darbuotojų ir jiems visiems reikėjo kažkokio terminalo, kad jie žinotų numatomą atsargų lygį.

Taigi, kaip surenkate reikalingus duomenis? Ir dar svarbiau, kaip padaryti jį prieinamą pirkėjams, norintiems sužinoti, ar jūsų sandėlyje yra konkreti prekė? Atsakymas, žinoma, yra daugiau duomenų. Bet jums reikia rinkti nenaudojant daugiau darbuotojų.

Automatiškai gaunami duomenys

Vienas atsakymas į šią dilemą kyla iš „Trax Image Recognition“ - Singapūre įsikūrusios bendrovės, kuri padeda parduotuvėms rinkti reikalingus duomenis, fotografuodama savo lentynas išmaniuoju telefonu. Produktų nuotraukos lentynose analizuojamos naudojant dirbtinio intelekto (AI) sistemą, vadinamą „Trax Retail Watch“, kuri atpažįsta kiekvieno gaminio detales, suskaičiuoja, kiek yra kiekvienos kategorijos prekių, ir laikui bėgant pritaiko mašinų mokymąsi. (ML) numatyti, kada reikia pertvarkyti.

„Lentynos yra paskutinė sritis, kuri dar nebuvo automatizuota“, - teigė Steve'as Hornyakas, „Trax“ Amerikos vadovas. „Hornyak“ teigė, kad nors tiekimo grandinėje ir prekybos taškuose automatizavimas buvo daug automatizuotas, to, kas yra lentynoje, taip neatsitiko. Anot „Hornyak“, „Trax“ sistema „paverčia produktus lentynose duomenimis“.

Tuomet mažmeninės prekybos parduotuvės IT skyrius gali paimti visus surinktus duomenis ir pateikti juos duomenų analizei arba gali naudotis viena iš „Trax Image Recognition“ teikiamų paslaugų, kad galėtų atlikti tą patį darbą. Bet kokiu atveju parduotuvėje turi būti sąsaja su POS sistema, pirkimo sistema ir atsargų stebėjimo sistema - visa tai greičiausiai privers prisijungti ir prie bendros apskaitos sistemos.

Tada sistemų derinys leidžia parduotuvėje visada turėti naujausią informaciją apie savo sandėlyje esančias atsargas, o tai, savo ruožtu, leidžia parduotuvei pateikti duomenis realiu laiku savo klientams. Tokiu būdu, jei kažkam reikia konkretaus daikto, tada jie žino, kur jį rasti. O jei duomenys tinkamai tvarkomi, kur tiksliai parduotuvėje juos rasti.

"IT gali būti tarpininkas, - paaiškino Hornyakas, - arba mes turime REST API, todėl jie gali gauti duomenis".

E-komercijos tobulinimas

Be abejo, turėdami prieigą prie šių duomenų, atsiveria galimybių pasaulis, kuris „plytų ir skiedinio“ parduotuvėje galėtų suteikti naują pranašumą prieš elektroninės prekybos milžinus, net tokius didelius kaip „Amazon“. Jei jų sandėlyje yra prekė, kurioje klientai gali ją paliesti, ir kur jie gali iškart ją turėti, tai el. Prekybos pardavėjai negali to padaryti. Ir kai klientui reikia produkto dabar, kaina yra mažiau veiksnys nei prieinamumas.

Turėdami visus atsargų duomenis nuo užsakymo gavimo iki gavimo, taip pat galite daug pasakyti apie tai, kaip jums sekasi kaip parduotuvėje. Galite sužinoti, ar produktas išparduodamas greičiau, nei buvo numatyta jūsų planavime, ir tada atlikti užsakymo pakeitimus. Taip pat galite pasakyti, kada produktas nebeparduodamas, ir lengvai ir greitai surasti produktus, kurie buvo priminti. Jei esate draugiški savo klientams, galite susieti šiuos duomenis su ryšių su klientais valdymo (CRM) sistema ir suderinti unikalius ar specialius daiktus konkretiems klientams ar grupėms ir dar labiau sustiprinti jų lojalumą.

Tai visi žingsniai, kuriuos jau daro didieji internetiniai mažmenininkai ir didžiosios dėžučių parduotuvės, dažniausiai naudodamos pagal užsakymą sukurtas sistemas. Tačiau tokios priemonės, kaip „Trax Retail Watch“ sistema, leidžia mažesniems mažmenininkams naudotis panašiais metodais ir suteikia jiems naujų būdų konkuruoti ir suteikia geresnę apsipirkimo patirtį, kartu išnaudodamos savo pagrindinį pranašumą: tiesioginę sąveiką su klientu. Tai yra kažkas, ko negalite padaryti internete, net naudodamiesi AI palaikomais pokalbių programomis, ir tai yra kritinė pusė, kurią gali pateikti tik IT darbuotojai, gerai suprantantys organizacijos duomenis.