Dữ liệu lớn tiết lộ xu hướng mua hàng

Theo Informationweek, nếu bạn là một nhà bán lẻ, làm thế nào để lên kế hoạch cho những vấn đề nằm ngoài kế hoạch? Ví dụ, một cơn bão tuyết bất ngờ có thể khiến nhu cầu về pin, thực phẩm đóng hộp và xẻng xúc tuyết tăng cao. Nếu bạn không có đủ những mặt hàng đó trong kho để đáp ứng nhu cầu, khách hàng của bạn sẽ phản ứng và chuyển sang mua hàng ở nơi khác; và khả năng họ không bao giờ quay trở lại cửa hàng của bạn nữa là rất cao.

Interactions Marketing, một công ty tiếp thị theo hình thức tận dụng ngay chính khách hàng của mình, đã tiến hành kiểm soát dữ liệu lớn bằng cách sử dụng dữ liệu giao dịch điểm bán hàng và dữ liệu thông tin thời tiết khu vực từ nhiều nguồn khác nhau để có được những hiểu biết nhanh nhất về hành vi mua sắm.

Xẻng xúc tuyết, mặt hàng thiết yếu sau những trận bão tuyết. Ảnh: AP.

Bài thử nghiệm này sử dụng Google BigQuery, một dịch vụ web để phân tích sự tương tác của các bộ dữ liệu cực lớn, và công cụ phân tích hình ảnh Tableau Software để nhanh chóng kiểm tra số lượng lớn thông tin. Sự kết hợp của các công cụ cho phép Interactions cắt giảm thời gian phân tích từ khoảng một tuần xuống còn một vài giờ hay thậm chí chỉ còn vài phút, Giovanni DeMeo, Phó Chủ tịch phân tích và tiếp thị toàn cầu của Interactions, cho biết.

Nghiên cứu của Interactions xác định những sự kiện thời tiết lặp đi lặp lại (ví dụ như bão tuyết), phân loại chúng theo mức độ nghiêm trọng và đo lường sự tác động của chúng lên lượng hàng hóa bán được trước, trong và sau sự kiện. Nó cũng đồng thời theo dõi mô hình bán hàng mới và hành động của người mua hàng có khả năng giúp các nhà bán lẻ và các nhà sản xuất lên kế hoạch chương trình khuyến mãi tại cửa hàng trước khi những sự kiện này xảy ra.

Bằng cách sử dụng BigQuery và phần mềm hiển thị hoạt cảnh để phân tích hàng trăm triệu dòng dữ liệu trong một khoảng thời gian rất ngắn, Interactions có thể nhanh chóng chia sẻ những phát hiện quan trọng với các nhà bán lẻ và các nhà sản xuất.

Những phân tích của Interactions có thể tiết lộ những sản phẩm nào có sức mua tăng, giảm hay đột biến về doanh thu trong các sự kiện thời tiết cụ thể và làm thế nào để thay đổi hành vi của người mua hàng. Nghiên cứu này tính đến các yếu tố như vị trí địa lý, khoảng thời gian trong ngày, các ngày trong tuần, khoảng cách với các đối thủ cạnh tranh gần đó.

Tại Việt Nam, rau xanh luôn cháy hàng sau mỗi lần mưa bão. Ảnh: Internet.

Và đây là kết quả mà phân tích dữ liệu tìm thấy: Một ngày trước khi sự kiện thời tiết tương tự như thống kê xảy ra, doanh số bán hàng của 28 loại sản phẩm đã tăng từ 20% lên 261% so với cùng thời điểm năm ngoái.

Điều này cho phép các doanh nghiệp có đủ thời gian để tạo ra các chiến dịch quảng cáo “huấn luyện người tiêu dùng, ngay cả trước khi người tiêu dùng nhận ra họ cần mua những món hàng đặc biệt kia.”

Xét theo một khía cạnh bất lợi, nghiên cứu của Interactions cũng cho thấy sự sụt giảm trong doanh số bán hàng tại thời kỳ cao điểm của sự kiện (một số ít người vẫn rất liều lĩnh trong một trận bão hay trong một trận bão tuyết) và bốn ngày sau đó. Điều thú vị là những hành vi này không chỉ xảy ra trong những khu vực đã từng trải qua những sự kiện thời tiết như vậy mà còn ở những nơi được dự báo sẽ xảy ra sự kiện nhưng thực tế lại không xảy ra.

Nghiên cứu này của Interactions với thời tiết có thể xem như một ví dụ về cách tiếp thị vận dụng dữ liệu lớn để thúc đẩy bán hàng.

Na Vy