Once a month, receive latest insights, trends, analytics, offering information and knowledge of the Big Data.
Big Data und anpassungsfähige Einzelhandelsunternehmen
Are you with your consumers, or one step behind? When they enter the store or visit your site, what do you know about them and how can you service them? What did they Tweet about you? With Hortonworks, you can be your customers’ first choice based on an enhanced ability to respond to consumers, serve up timely promotions based on their preferences, and improve service with faster orders.
Einzelhändler interagieren mit ihren Kunden über vielfältige Kanäle, doch leider landen die Daten zu dieser Interaktion und zu den Einkäufen der Kunden oft in isolierten Datensilos. Nur wenige Einzelhändler können konkret von den Kunden getätigte Käufe korrekt mit Marketingkampagnen oder dem Online-Suchverhalten verknüpfen.
Connected-Data-Plattformen bieten Einzelhändlern eine umfassende Einzeleinsicht in das Verhalten von Kunden. Daten können länger gespeichert und verschiedene Phasen des Lebenszyklus der Kunden bestimmt werden. Eine bessere Kundenanalytik steigert den Absatz, verringert die Lagerkosten und sorgt für eine effiziente Bindung der besten Kunden.
Den Unternehmen fehlen zuverlässige Mittel, um den Gesundheitszustand ihrer Marken zu überwachen. Es lässt sich nur schwer analysieren, wie sich Werbung, die Schachzüge der Konkurrenz, Produkteinführungen oder Neuigkeiten auf die Marke auswirken. Interne Markenstudien können zeitaufwendig, teuer und voller Schwächen sein.
Connected-Data-Plattformen ermöglichen schnelle, unvoreingenommene Momentaufnahmen von Ansichten zu einer Marke, die in den sozialen Netzwerken zum Ausdruck gebracht werden. So können Einzelhändler die Kundenstimmung auf Twitter, Facebook, LinkedIn oder in branchenspezifischen Media-Streams auswerten. Wer besser versteht, wie die eigene Marke von Kunden wahrgenommen wird, kann Kommunikation, Produkte und Promotionen entsprechend anpassen.
Einzelhändler können ihre mobilen Kunden per Geolokalisierung orten und ihnen so lokalisierte und individuell abgestimmte Promotions zukommen lassen. Das erfordert einen Zugriff auf gespeicherte Daten wie auch auf Echtzeit-Streamingdaten.
Apache Hadoop® und Apache NiFi führen diese Daten zusammen, sodass sich Promotionen auf kostengünstige Art lokalisieren und personalisieren lassen, ehe sie auf mobilen Endgeräten bereitgestellt werden. Einzelhändler können mobile Apps entwickeln, um ihre Kunden über lokale Events und den Verkauf in ihrer Gegend zu informieren. Diese Empfehlungen lassen sich auf die persönlichen Vorlieben und den geografischen Standort abstimmen – bis hin zu einer konkreten Abteilung in einem bestimmten Geschäft.
Rechtzeitig zur Weihnachtszeit 2013 hatte Macy’s in zwei Flagship-Geschäften einen Test mit Apples iBeacons-Technologie gestartet. Dieser Artikel beschreibt, wie „Macy’s seine Kunden beim Einkauf in Zukunft sogar unter Berücksichtigung der Abteilung, in der sie sich gerade aufhalten, auf Schnäppchen aufmerksam machen kann – sei es ein Paar Schuhe in der Schuhabteilung, in der sie gerade sind, oder eine Empfehlung für die Nachbarabteilung.“
Online-Einkäufer hinterlassen eine Spur von Milliarden Clickstream-Daten. Solche Daten zum Klickverlauf können dem Einzelhändler Aufschluss darüber geben, welche Webseiten seine Kunden besuchen und was sie auf ihren Seiten kaufen (oder nicht kaufen). Im großen Umfang jedoch ist es schwer, das riesige Volumen unstrukturierter Weblogdaten aufzunehmen, zu speichern, zu bearbeiten und schließlich zur Gewinnung von Einblicken ins Kundenverhalten zu analysieren. Die Speicherung von Logdaten in relationalen Datenbanken ist einfach zu teuer.
Apache Hadoop hingegen kann alle Weblogs jahrelang kostengünstig speichern. Internet-Einzelhändler verwenden die in diesen Daten enthaltenen Informationen, um das vom Benutzer verwendete Navigationsverhalten zu verstehen, Warenkörbe zu analysieren, A/B-Tests durchzuführen und Prioritäten bei den Website-Aktualisierungen zu setzen. Das steigert die Online-Kaufabschlüsse und damit auch den Ertrag.
Die Warenpräsentation im Geschäft und die Produktplatzierung wirken sich auf den Umsatz aus. Einzelhändler beauftragen dafür oft externe Kräfte, wenn sich die Warenanordnung im Geschäft als nicht optimal erweist (z. B. „Finden Sie, was Sie suchen?“). Konventionellen Geschäften fehlte es an „vor dem Gang zur Kasse“ erhobenen Daten dazu, was Käufer eigentlich tun, ehe sie kaufen. Im Geschäft installierte Sensoren, RFID-Etiketten und QR-Codes können diese Datenlücke füllen, doch sie generieren jede Menge Daten.
Apache Hadoop kann ein riesiges Volumen unstrukturierter Sensor- und Lokalisierungsdaten speichern. Nach deren Auswertung ermöglichen die gewonnenen Erkenntnisse es den Einzelhändlern, die Kosten zu senken und zugleich die Zufriedenheit der Kunden in ihren Geschäften zu erhöhen. Dadurch werden in ein und demselben Geschäft mehr Verkäufe getätigt und die Kundenbindung wird gestärkt.
Teilen
Sign-up
Apache, Hadoop, Falcon, Atlas, Tez, Sqoop, Flume, Kafka, Pig, Hive, HBase, Accumulo, Storm, Solr, Spark, Ranger, Knox, Ambari, ZooKeeper, Oozie, Phoenix, NiFi, HAWQ, Zeppelin, Atlas, Slider, Mahout, MapReduce, HDFS, YARN, Metron and the Hadoop elephant and Apache project logos are either registered trademarks or trademarks of the Apache Software Foundation in the United States or other countries.
