Στην ετήσια έκθεση National Retail Federation (NRF) Convention & Expo, στις 13-14 Ιανουαρίου στη Νέα Υόρκη, η Intel παρουσίασε τις νέες τεχνολογίες που είναι σήμερα διαθέσιμες στην αγορά, βοηθώντας τους λιανοπωλητές να κάνουν καλύτερη χρήση των big data και να προσφέρουν παράλληλα, περισσότερο προσωποποιημένες και συμμετοχικές εμπειρίες για τους καταναλωτές που πραγματοποιούν αγορές, είτε από το σπίτι, είτε σε φυσικά καταστήματα.
Με το Shopping Anywhere που βασίζεται σε τεχνολογία Intel, οι καταναλωτές μπορούν να αγοράσουν τις εμφανίσεις από τα αγαπημένα τους τηλεοπτικά προγράμματα, από τον καναπέ τους. Χρησιμοποιώντας τον Intel Retail Client Manager, παράλληλα με τεχνολογίες των NCR και ACTV8.ME, μέσα σε ένα tablet ή ένα smartphone, μπορούν να αναγνωρίσουν τα ρούχα που φοράνε οι ηθοποιοί σε ένα επεισόδιο μιας τηλεοπτικής σειράς και να λάβουν ειδικές προσφορές ή να παίξουν παιχνίδια για να κερδίσουν ψηφιακό συνάλλαγμα ή να πραγματοποιήσουν μια άμεση αγορά με παράδοση στο σπίτι..
Εάν ο καταναλωτής προτιμά να μεταφέρει την άνεση των διαδικτυακών αγορών στο περιβάλλον ενός φυσικού καταστήματος, ο ψηφιακός “καθρέπτης” Intel Core i7-based MemoryMirror, επιτρέπει στους αγοραστές να δοκιμάσουν εικονικά και να δουν ή να συγκρίνουν τις εμφανίσεις με διάφορες επιλογές στον καθρέφτη ή μέσω tablet ή smartphone. Ο MemoryMirror χρησιμοποιεί τεχνολογία ενσωματωμένων γραφικών Intel, για να δημιουργήσει avatars των αγοραστών με διάφορες ενδυματολογικές επιλογές, τα οποία μπορούν να μοιραστούν με φίλους τους για να τους πουν τη γνώμη τους ή για να τους βοηθήσουν στην άμεση αγορά από το κατάστημα.
Η τεχνολογία μπορεί να προσφέρει επίσης μια πιο διαδραστική εμπειρία σε διαφορετικά περιβάλλοντα λιανικής πώλησης, όπως στις πωλήσεις αυτοκινήτων, προσφέροντας τα πλεονεκτήματα και την άνεση της διαδικτυακής αναζήτησης. Οι βασισμένες σε τεχνολογία Intel επιλογές Intuitive Product Customization, χρησιμοποιούν τη δύναμη της αναγνώρισης κινήσεων για να ενοποιήσουν τη διαδικτυακή με τη φυσική εμπειρία. Με τις δυνατότητες Intuitive Product Customization, οι πελάτες χρησιμοποιούν τις κινήσεις των χεριών τους για να περιηγηθούν και να έχουν διάδραση με τις ψηφιακές πληροφορίες προϊόντων, συμπεριλαμβανομένης πληθώρας χρωμάτων, επιλογών εσωτερικού χώρου και επιπρόσθετων χαρακτηριστικών για να προσωποποιήσουν το αυτοκίνητό τους και να αποκτήσουν την αίσθηση των επιλογών τους, πριν την παραγγελία του.
Η Intel, επίσης, παρουσιάζει ένα εύρος από tablets για εγκατάσταση στα φυσικά καταστήματα λιανικής που επιτρέπουν στους πωλητές να είναι αποτελεσματικότεροι και πιο καταρτισμένοι, καθώς και μια πιο αποτελεσματική και εύκολη διαδικασία ολοκλήρωσης αγορών. Με τη χρήση των φορητών λύσεων που βασίζονται στην Intel, οι λιανοπωλητές μπορούν να βελτιώσουν μια σειρά από λειτουργίες για το προσωπικό των πωλήσεων, όπως τα κινητά σημεία πώλησης, η εξυπηρέτηση πελατών, η έρευνα αποθήκης, υπηρεσίες υποδοχής και αναφορές στη διοίκηση.
Χρησιμοποιώντας τα Big Data για πιο Εξατομικευμένες αγορές
Εκτιμάται ότι οι καταναλωτές δαπανούν σχεδόν 300.000 δολ. ανά λεπτό, κάνοντας αγορές online και 78% των καταναλωτών είναι πιο πιθανό να αγοράσουν από ένα κατάστημα που τους στέλνει προσφορές σχετικές με τα ενδιαφέροντά τους. Επιπλέον, το 59% των εμπόρων λιανικής πώλησης αναφέρουν την έλλειψη επίγνωσης της συμπεριφοράς των καταναλωτών ως το μεγαλύτερο πρόβλημα που αφορά τα δεδομένα τους. Για να βοηθήσει σε αυτές τις προκλήσεις, η Intel συνεργάζεται με τους λιανοπωλητές για την αξιοποίηση λύσεων Big Data, με στόχο να τους επιτρέψει να προσφέρουν μια πιο εξατομικευμένη εμπειρία σε όλα τα κανάλια αλληλεπίδρασης με τους πελάτες, με παράλληλη βελτιστοποίηση της διαχείρισης των αποθεμάτων.
Για παράδειγμα, για να αποφύγουν τις περιπτώσεις στις οποίες αγοραστές που φθάνουν σε ένα κατάστημα για να αγοράσουν ένα συγκεκριμένο προϊόν, διαπιστώνουν ότι έχει εξαντληθεί, οι λιανοπωλητές μπορούν να προβλέψουν καλύτερα το σωστό μίγμα προϊόντων για κάθε κατάστημα, να καθορίσουν τη βέλτιστη τιμολόγηση και να αποκτήσουν γνώσεις σχετικά με την κατάσταση του αποθέματός τους, σε πραγματικό χρόνο, με λύσεις big data της Intel. Με το λογισμικό Intel Distribution για Apache Hadoop και την εργαλειοθήκη analytics, οι λιανοπωλητές μπορούν να αντλήσουν τα πρότυπα από τα δεδομένα, να δημιουργήσουν προφίλ πελατών κατανοώντας τους καλύτερα και να μειώσουν τις περιπτώσεις χαμένων ευκαιριών πώλησης. Οι χαμένες πωλήσεις από την έλλειψη εμπορευμάτων και οι μεγάλες εκπτώσεις σε προϊόντα υψηλών αποθεμάτων, εκτιμάται ότι κοστίζουν στους λιανοπωλητές 818 δισεκατομμυρία δολ. ετησίως. Με τη διασφάλιση ότι κάθε κατάστημα έχει τα ακριβή προϊόντα που χρειάζονται οι πελάτες του, οι λιανοπωλητές μπορούν να εξασφαλίσουν ότι θα έχουν πάντα το σωστό προϊόν, διαθέσιμο στο σωστό χρόνο.
Ένας άλλος τρόπος με τον οποίο οι λύσεις big data μπορούν να βοηθήσουν τις εταιρείες λιανικής να προσφέρουν μια πιο εξατομικευμένη εμπειρία αγορών, είναι η αξιοποίησή τους για context-aware marketing. Το Intel Context Aware Marketing καθιστά την ψηφιακή σήμανση πιο αποτελεσματική μέσω δυναμικών μεταβαλλόμενων διαφημίσεων που εμφανίζονται σε μια πινακίδα με βάση την ηλικία και το φύλο του ατόμου που επισκέπτεται το σημείο πώλησης. Όταν ένας καταναλωτής πλησιάσει μια ψηφιακή σήμανση βασισμένη σε τεχνολογία IntelCore, η τεχνολογία Intel Advertising Framework μπορεί να αναλύει τις πληροφορίες, όπως τις τάσεις του καιρού, των social media και των δεδομένων του τηλεφώνου του αγοραστή, για να αλλάξει το περιβάλλον και το περιεχόμενο προσφέροντας επιλογές πιο σχετικές και εξατομικευμένες στον επισκέπτη. Το Intel Context Aware Marketing, μπορεί επίσης να συνδέεται με το σύστημα καταγραφής αποθεμάτων για να προβάλει μόνο τα προϊόντα που διατίθενται στο κατάστημα.
Το να περιμένει κάποιος σε μεγάλες, εκνευριστικές ουρές για πληρωμή στο ταμείο, θα μπορούσε ακόμη και να αποτελέσει παρελθόν, με την αποτελεσματική αξιοποίηση των big data. Η βασισμένη σε τεχνολογία Intel εφαρμογή Dynamic Staffing Optimization (DSO), μπορεί να μετρήσει και να αναλύσει τα δεδομένα, συμπεριλαμβανομένης: της κυκλοφορίας σε πραγματικό χρόνο μέσα και έξω από το κατάστημα, του μήκους της ουράς, του αριθμού των ενεργών και των ανοικτών ταμείων, των ιστορικών δεδομένων των συναλλαγών, καθώς και πληροφοριών για τον προγραμματισμό της εργασίας για την παροχή προγνωστικών συστάσεων για άνοιγμα ή κλείσιμο ταμείων με βάση την αναμενόμενη κίνηση πελατών.
