Once a month, receive latest insights, trends, analytics information and knowledge of Big Data.
Big Data und anpassungsfähige Einzelhandelsunternehmen
Halten Sie weiterhin Schritt mit Ihren Kunden? Was wissen Sie über Ihre Kunden und wie können Sie ihre Wünsche bestmöglich erfüllen wenn sie Ihr Geschäft betreten oder Ihre Webseite besuchen? Was haben Ihre Kunden über Sie getweetet? Hortonworks verhilft Ihnen zu einer verbesserten Reaktionsfähigkeit gegenüber Ihren Kunden, lässt Sie zeitlich abgestimmte Promotionen, die auf den Präferenzen Ihrer Kunden basieren, schalten und begünstigt verbesserte Dienstleistungen aufgrund von schnellerer Bestellungsbearbeitung – dadurch werden Sie für Ihre Kunden zur ersten Wahl!
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 Platforms gives retailers a single view of customer behavior. It lets them store data longer and identify phases of the customer lifecycle. Analytics increase sales, reduce inventory expenses and retain the best customers.
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 can store that huge volume of unstructured sensor and location data. The intelligence allows retailers to reduce costs and simultaneously improve customer in-store satisfaction. This improves same-store sales and customer loyalty.
Teilen
Anmelden
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.
