Варианты применения сервиса BI Datawiz DATAWIZ.IO: GOOGLE ANALYTIC FOR RETAIL / FMCG

Варианты применения сервиса
BI Datawiz
DATAWIZ.IO: GOOGLE ANALYTIC
FOR RETAIL / FMCG
DATAWIZ, INC.
Ниже описаны технологии, которые мы используем, и условия, для работы с сервисом.
Целевая аудитория:
•
•
•
Маркетинговые отделы;
Отделы продаж;
Маркетинговые/консалтинговые компании, предоставляющие услуги для ритейлов.
Основные технологии:
•
•
•
Machine Learning;
Predictive Analysis;
Time Series Analysis.
Входные данные:
•
•
•
Информация из чеков;
Информация по программе лояльности;
Информация с клубных или членских карт.
Datawiz.io Case Study
Применение в бизнесе
Динамическое изменение цен
Увеличение потенциальной прибыли от реализации товаров
Еженедельные рекомендации
Быстрая реакция на потребности потребителя и изменения на рынке
Прогнозирование продаж
Оптимальные решения для балансирования спроса и предложения
Ассоциативные правила
Определение ключевых и сопутствующих товаров
Datawiz.io Case Study
Динамическое изменение цен
Увеличение потенциальной прибыли от
реализации товаров
Проблема: Увеличение цены без влияния на спрос
Увелечение цены не всегда приводит к приросту прибыли из-за падения
спроса на товары.
Основной задачей являеться найти оптимальную цену каждого товара
для увелечения прибыли.
Цена
Цель – определить, когда и на сколько
можно увеличить цену товара.
Рекомендуемая цена
Ц2
Ц1
0
Текущая цена
С2 С1
Спрос
Case Study: Dynamic Repricing
Решение
Математическая модель определяет товары, увелечение цены на которые не повлияет
на спрос.
Система прогнозирует
увеличение цен для
каждой единици товаров.
Case Study: Dynamic Repricing
Преимущество
Возможность обрабатывать тысячи наименований товаров.
Оптимальное увеличение цены, с сохранением уровня спроса.
Case Study: Dynamic Repricing
Выгода
Увелечение размера и
стоимости корзины
Экономия времени
Case Study: Dynamic Repricing
Ежедневные рекомендации
Быстрая реакция на потребности
потребителей и изменения на рынке
Проблема: Эффективность маркетинговых компаний
Тяжело изучить все товары в магазине и запустить
эффективную маркетинговую кампанию. Не говоря уже
о создании рекомендаций для всех единиц товаров
еженедельно.
Чеки
Время
Большой
ассортимент
Слишком
много
работы
Case Study: Weekly Recommendation
Решение
Вы можете получить ответы на все вопросы, нажав одну кнопку.
«Что делать в следующий день недели?»
«Какой товар продвигать?»
Наша система рекомендаций базируется на
алгоритмах машинного обучения,
ассоциативных правилах и алгоритме
построения деревьев наследственности.
Модель автоматически строит
рекомендации в соответствии с поведением
покупателей.
Case Study: Weekly Recommendation
Выгода
Продвигайте
правильный товар
правильным
покупателям
Case Study: Weekly Recommendation
Прогноз продаж
Сбалансируйте спрос и предложение
Проблема: Излишки запасов, нехватка поставок
Предположения и опыт - это единственные инструменты, которые
помогают определить сколько продукции Вам следует заказать у
поставщиков.
Вы теряете шанс продать, если необходимого товара недостаточно.
Большие остатки негативно влияют на показатель оборачиваемости
товаров.
Оптимизация позволяет высвободить из оборота деньги.
Case Study: Sales Prediction
Решение: Модель прогнозирования продаж
Мы строим модель прогнозирования, учитывая все факторы,
которые влияют на продажи: погода, стоимость бензина, курс
обмена валют и географическое положение магазина.
Точность прогноза от 85%.
Прогнозы можно делать на
месяц, на неделю и даже на
день вперёд.
Модель прогнозирования для
каждого вида товара и
категории, что обеспечивает
высокую точность.
Case Study: Sales Prediction
Bыгода
Контроль расходов
Case Study: Sales Prediction
Ассоциативные правила
Манипулируйте ключевыми и
сопутствующими товарами
Алгоритм использования ассоциативных правил
Найдите ключевой товар.
Используйте ключевой продукт для привлечения клиентов.
Увеличивайте продажи прибыльных сопутствующих товаров.
Это поможет Вам узнать какой товар
необходимо продвигать и что приносит
наибольшую прибыль.
Case Study: Association Rules and Upsell
Решение
Сопутствующие товары принесут Вам больше прибыли!
Мы поможем Вам найти эти товары и определим время, когда их нужно продвигать.
Мы проводим кластеризацию всех корзин и
находим ключевые товары для каждого типа
корзин, используя алгоритм Apriori.
Кроме ассоциативных правил мы строим деревья
наследственности. Они показывают какой товар
необходимо продвигать.
Case Study: Association Rules and Upsell
Bыгода
Продвигайте товар,
который даёт
максимальную
прибыль
Case Study: Association Rules and Upsell
YOUR CONCERN IS OUR RESPONSIBILITY
Datawiz Inc.
www.datawiz.io
Украина, г. Черновцы
ул. Гайдара, 1-Д
+38 050 337 73 53
hello@datawiz.io