Главная » Технологии » Как «программатик-потребление» меняет индустрии FMCG и продуктового ритейла?

Как «программатик-потребление» меняет индустрии FMCG и продуктового ритейла?

Как «программатик-потребление» меняет индустрии FMCG и продуктового ритейла?

Пользователи начнут учитывать рекомендации своих девайсов о том, где поесть, как одеться, что смотреть и куда поехать в отпуск. Какие технологии будут внедрять для этого ритейлеры, агрегаторы и производители?

Сегодня, по данным The Demand Institute, омниканальные потребители – так мы называем экономически активных потребителей, которые имеют доступ к интернету и распоряжаются свободными денежными средствами, – отвечают за треть всех потребительских расходов в мире, и к 2025 году данный показатель превысит долю в 50%. Изменения привычек и запросов покупателя со смартфоном в руке – это одна из сил, которая уже сегодня корректирует стратегии ритейлеров и производителей товаров повседневного спроса. Но есть и другая существенная сила, приходящая с другого конца, – собственно технологические инновации, под влиянием которых мировые потребительские рынки будут приобретать новую форму.  

В течение ближайших пяти лет $6 трлн будет потрачено на покупку технологий «интернета вещей» (по данным Forbes), а на дорогах будут ездить 10 млн самоуправляемых машин (по данным Business Insider). Но каким образом подобные технологические инновации изменят бизнес-реальность компаний нетехнологичного сектора, например, ритейлеров и FMCG-производителей, и насколько срочно нужно внедрять их в бизнес-процессы?

Среди всех соответствующих трендов наиболее заметное влияние на потребительские рынки в ближайшие пять лет будут иметь четыре: ускорение проникновения существующей технологической инфраструктуры (интернета, смартфонов), развитие искусственного интеллекта на основе больших данных, машинное обучение, а также инновации в формах оплаты.

Ускорение проникновения существующей инфраструктуры задает фон для развития технологий в потребительском секторе. Сегодня интернет покрывает 47% населения Земли, а всего три года назад этот показатель находился на уровне 40%. Сеть LTE охватывает почти 4 млрд человек (53% глобального населения), причем цены на мобильный интернет – как и на сами смартфоны – снижаются во всех регионах мира, особенно в менее развитых странах с растущим потребительским потенциалом. Расширение технологической инфраструктуры будет вовлекать в омниканальный шопинг все новые группы покупателей.

Развитие искусственного интеллекта и машинное обучение. Ведущий онлайн-ритейлер Великобритании, Shop Direct, использует возможности искусственного интеллекта для выбора наиболее эффективных частоты и канала коммуникации с потребителем, а также для предиктивного моделирования того, когда и по каким причинам конкретный человек перестанет обращаться в этот магазин. Tesco также делает ставку на анализ огромного массива данных о своих клиентах, в том числе для вычисления полноценного «пути к покупке»: изучается поведение до момента посещения точки продаж сети и влияние данного фактора на выбор конкретных продуктов. Причем полученные инсайты доступны всем подразделениям Tesco в мире.

Другая область применения AI ритейлерами и производителями – маркетинговая аналитика. Уже сегодня специалисты все активнее используют автономную виртуальную аналитику. Например, платформа Wizer (один из стартапов, финансируемый венчурным фондом Nielsen Innovate — Forbes) способна дать ответ на любой вопрос маркетолога за 48 часов, анализируя как собственные данные компании, так и внешние источники. Другой пример возможностей сервиса – использование искусственного интеллекта при оценке эффективности спортивного спонсорства. С помощью алгоритмов система самостоятельно фиксирует попадание брендов в поле телевизионной трансляции, корректируя значения в соответствии с экраном, с которого потребляется контент (телевизионная передача воспринимается иначе, чем онлайн-трансляция на Facebook). Таким образом, спонсоры практически в реальном времени получают конкретные данные, насколько эффективнее размещать логотип на футболке игрока команды по сравнению с баннером на поле.

И конечно, помимо прочего, машинное обучение оптимизирует человеческий труд. Например, при исследовании истории покупок отдельных домохозяйств в рамках потребительских панелей оно помогает анализировать чеки быстрее и в гораздо больших объемах, чем если бы эта работа производилась вручную. Со временем машина учится и становится способна с минимальной погрешностью идентифицировать название магазина, его адрес, перечень приобретенных товарных позиций и другую информацию с чека.

Инновации в формах оплаты. В ряде государств безналичная форма оплаты уже превалирует над наличными. Дело за подключением к процессу развивающихся стран, а также сельских районов. Растущее проникновение пенетрация смартфонов превратит эти девайсы в универсальные инструменты для совершения платежей. С другой стороны, свое влияние на развитие форм оплаты оказывает и концепция магазинов, где покупатели выходят из точки продаж, минуя кассу, а информация о приобретенных продуктах считывается автоматически. Такой подход также имеет значительные шансы превратиться в устойчивую бизнес-модель при финализации технической стороны.

Представим наиболее вероятные сценарии применения упомянутых технологий в жизни потребителя, ритейлера и производителя.

Самый вероятный сценарий имплементации технологических инноваций с точки зрения потребителя в России – это развитие программатик-потребления. Данный вариант подкрепляется такими технологиями, как «интернет вещей», машинное обучение, искусственный интеллект и «умная» одежда. Программатик-потребление означает, что люди начнут пользоваться рекомендациями своих девайсов о том, где поесть, как одеться, что смотреть и куда поехать в отпуск. Покупки на основе подобных рекомендаций станут нормой. Для России актуальным видится тренд автоматического составления «идеальных» корзин – на основе покупательской истории, по минимальной цене, с доставкой на дом.

Для развертывания системы обеспечения программатик-потребления необходимо вовлечение ритейлеров, агрегаторов и производителей. Первым нужно подготовить свои системы к возможности передавать данные об ассортименте, ценах и специальных акциях из каждой торговой точки в реальном времени. Вторые будут инвестировать в методологию рекомендательной системы и развитие приложений. Третьи же перестроят систему коммуникации с клиентами с массового на индивидуальный уровень и станут изучать то, как потребитель принимает решение о покупке. Так компании смогут «встроиться» в рекомендательные системы и предложить правильный продукт в правильное время.

Таким образом, программатик-потребление как тренд будет оказывать влияние на сценарии технологической эволюции ритейлеров и производителей.

Другой весьма вероятный сценарий – это использование ритейлерами искусственного интеллекта для уменьшения собственных издержек и наращивания выручки. Информация о наличии продукта на складе, на полке и у дистрибьютора позволит сократить упущенные возможности, снизить затраты на логистику и мерчандайзинг, а данные о ценах и прогнозы по эффективности промоакций помогут увеличивать продажи и прибыли.

В свою очередь, вероятный сценарий для производителей подразумевает использование технологичных инноваций для продвижения брендов и формирования эмоциональных связей с потребителем. Коммуникации с использованием технологий дополненной реальности станут нормой, а нейроисследования будут постепенно вытеснять традиционные фокус-группы. По прогнозам IDC, мировая индустрия дополненной реальности до 2020 года будет ежегодно удваиваться.

Насколько доступна такая технологическая эволюция для компаний среднего размера?

Некоторые из упомянутых технологий доступны и эффективны – например, создание дополненной реальности для продукта в магазине может обойтись всего в сотню тысяч рублей, а стоимость нейроисследований уже сегодня сопоставима с традиционными методами опроса в рамках фокус-групп. Более значительные суммы придется вложить во внедрение систем искусственного интеллекта для ритейлеров – это потребует модернизации текущих систем хранения информации как о товарах, так и потребителях с картами лояльности. Стоимость подобных систем для небольших или средних розничных сетей – порядка нескольких сотен тысяч долларов. Если компания принимает решение не отдавать на аутсорсинг дата-аналитику и нанять соответствующую команду, к расходам добавляется еще несколько сотен тысяч долларов в год. Однако по мере развития данного рынка и проникновения систем искусственного интеллекта можно ожидать снижения барьера для внедрения подобных технологий и существенного увеличения их доступности для небольших компаний.

Технологические инновации носят характер глобальных, но важно помнить о специфике того или иного государства. Базовые сдерживающие факторы для России – уровень проникновения интернета и владения смартфонами среди населения. Впрочем, поколенческие сдвиги и рост доступности подключенных к интернету девайсов неизбежно нейтрализуют эти ограничения в самом скором времени. Кроме того, для нашей страны характерны ограниченность потребительских бюджетов и относительно низкая стоимость трудовых ресурсов. Ввиду этого некоторые технологические инвестиции окажутся менее выгодными в среднесрочной перспективе – например, не всегда и не для всех в России будет рентабельно внедрение процессов роботизации доставки.

Источник

Халва (Совкомбанк) - карта рассрочки