Branża handlowa może czerpać z tych zmian największe korzyści, gdyż dobre decyzje lokalizacyjne i lepsze zrozumienie zachowań konsumentów są kluczem do uzyskania przewagi konkurencyjnej w handlu. Będzie to szczególnie ważne w rzeczywistości post-COVIDowej, gdzie dotychczasowe zachowania zakupowe odbiorców zmienią się lub przynajmniej ulegają przewartościowaniu.
Chcąc wskazać typy danych, które mają największy potencjał do wykorzystania w branży handlowej w pierwszej kolejności należy powiedzieć o tzw. danych mobilnych. Coraz więcej dostawców oferuje zagregowane dane nt. przemieszczania się ludzi, dane te najczęściej pochodzą bezpośrednio od firm telekomunikacyjnych lub z aplikacji mobilnych, które pozwalają monitorować lokalizację użytkowników. Dzięki danym mobilnym możliwe jest zdalne mierzenie ruchu ulicznego w interesujących nas lokalizacjach, np. przed własnymi sklepami, sklepami konkurencji albo lokalizacjach rozpatrywanych pod ekspansję. Niektórzy dostawcy są także w stanie sprofilować przechodniów pod kątem ich preferencji zakupowych i profilu demograficznego. Należy jednak pamiętać, że dane mobilne nie są idealne, poszczególni dostawcy pokrywają jedynie odsetek populacji i żeby móc wyciągać miarodajne wnioski, należy te dane przetransformować i w odpowiedni sposób ekstrapolować. Innym minusem tego typu danych jest ich wciąż stosunkowo wysoka cena.
Rys. Przykład analizy zmian rozwoju sieci aptecznych w Szwecji.
Źródło: PwC
Rys. Przykładowa heatmapa natężenia ruchu w centralnej części dzielnicy jednej z europejskich stolic.
Źródło: PwC
Kolejna warta odnotowania kategoria danych, która staje się coraz bardziej powszechna w branży handlowej to dane satelitarne. Dostęp do dobrej jakości zdjęć satelitarnych nie jest już tak drogi jak kilka lat temu, na rynku pojawiły się firmy posiadające własne konstelacje mikrosatelit, umożliwiające pobieranie dużej liczby zdjęć z dowolnie wybranego obszaru na świecie. Dane te w połączeniu z technikami rozpoznawania obrazu pozwalają na zautomatyzowaną analizę otoczenia, przykładem może tu być zliczanie samochodów na parkingach i przechodniów w interesujących nas miejscach, by oszacować poziom obrotu wśród konkurentów. Ta technika ma szczególnie szerokie zastosowanie w branży DIY czy w kontekście hipermarketów.
W ostatnim czasie zwiększyła się także dostępność granularnych danych o zachowaniach zakupowych konsumentów, możliwa jest kwantyfikacja portfeli zakupowych populacji w poszczególnych kodach pocztowych, czy analiza przyzwyczajeń konsumentów do poszczególnych marek w różnych typach miejscowości. Możliwe jest także historyczne śledzenie dynamiki otwarcia punktów sprzedaży poszczególnych sieci handlowych, dzięki czemu jesteśmy w stanie odtworzyć strategię ekspansji dowolnego konkurenta.
Nowe typy danych przestrzennych w połączeniu z metodami sztucznej inteligencji, a także z rosnącą mocą obliczeniową serwerów i chmur analitycznych pozwalają rozwiązywać coraz bardziej skomplikowane problemy biznesowe.
Klasycznym przykładem wykorzystania technologii przestrzennych w handlu jest wsparcie procesu ekspansji. Poprawnie zbudowane modele geostatystyczne potrafią dokładnie oszacować potencjał przychodowy nowych lokalizacji, biorąc pod uwagę takie czynniki jak występowanie konkurencji, natężenie ruchu pieszego czy samochodowego, charakterystyki demograficzne okolicznej populacji itp. Co więcej modele te wskazują inne kryteria optymalnej lokalizacji dla poszczególnych formatów sklepów, dzięki czemu znacząco ogranicza się ryzyko wyboru błędnej lokalizacji. Pozwala to też na opracowanie strategii ekspansji dla każdego formatu z osobna oraz dopasowanie formatów do charakterystyki poszczególnych lokalizacji.
Rys. Przykładowa segmentacja mieszkańców Warszawy, z uwzględnieniem uwarunkowań demograficznych i zwyczajów konsumenckich.
Źródło: PwC
Połączenie technologii Big Data (dużych zbiorów danych) z analizami przestrzennymi pozwala na zaawansowane analizy asortymentu oraz strategii cenowej (pricing). Możliwe jest uzależnienie cen na poszczególne produkty od typów lokalizacji lub, idąc dalej, od dynamicznych danych przestrzennych, takich jak prognozowany ruch uliczny czy warunki pogodowe. Można wyobrazić sobie scenariusz, w którym z wyprzedzeniem podnosi się cenę napojów chłodzących czy lodów w miejscach odwiedzanych głównie przez turystów, gdy prognoza pogody przewiduje wzrost temperatury. Tego typu techniki wykorzystywane są przez marki takie jak Starbucks czy McDonald’s na rynku amerykańskim.
Zastosowań technologii przestrzennych jest zdecydowanie więcej, zwłaszcza w połączeniu z danymi wewnętrznymi sieci handlowej. Jednocześnie zaawansowana analityka przestrzenna wymaga zespołu analitycznego o bardzo szerokich kompetencjach (modelowanie statystyczne, analizy w systemach GIS, projektowanie baz danych, techniki wizualizacyjne i business intelligence etc.) i zrozumieniu konkretnej gałęzi biznesu. Do osiągnięcia sukcesu kluczowy jest wybór pomiędzy budową kompetencji geoanalitycznej wewnątrz organizacji i wyoutsourcowaniem jej do wyspecjalizowanego zespołu zewnętrznego. Oba rozwiązania mają swoje wady i zalety, dlatego zachęcamy do szczegółowej analizy obu scenariuszy.
Rys. Przykładowe wizualizacje wyników modelowania w oparciu o czynniki geolokalizacyjne.
Źródło: PwC
Co więcej strategia ekspansji oparta o dane przestrzenne nie musi się sprowadzać tylko do kanału brick & mortar, coraz częściej techniki geoanalityczne stosuje się do budowy strategii omnichannel. Możliwe jest wskazanie optymalnych miejsc na punkty click & collect i showroomy w zależności od cech otoczenia takich jak charakter zabudowy, liczba osób pracujących w okolicy wg branż czy profil demograficzny okolicznych mieszkańców. Co więcej dzięki dokładnemu profilowaniu populacji z punktu widzenia zwyczajów zakupowych i zamożności możliwe jest przeprowadzanie zaawansowanych kampanii marketingowych w oparciu o tzw. Geo-fencing lub inne formy reklamy geotargetowanej. Dzięki precyzyjnej identyfikacji grupy docelowej przy pomocy danych przestrzennych można zoptymalizować budżety marketingowe i zapewnić lepszą konwersję kampanii. Dodatkowo platformy marketingowe Google i Facebook’a oferują możliwość mierzenia konwersji działań na poziomie poszczególnych sklepów (wiemy ile osób, które zobaczyły reklamę online faktycznie pojawiło się w sklepie), dzięki czemu w łatwy sposób można mierzyć efektywność omnichannelowych kampanii marketingowych.