Analisis korelasi boleh menganalisis produk atau kombinasi produk yang sering dibeli bersama. Jika anda mendapati gabungan produk ini yang sering dibeli bersama, anda boleh melakukan banyak perkara yang berharga. Nilai-nilai ini boleh terkandung dalam sekurang-kurangnya tiga aspek berikut:
1. Membimbing susunan dan penempatan produk di kedai luar talian
Komoditi yang sering dibeli bersama boleh diletakkan berdekatan dengan ruang di kedai luar talian, yang memudahkan pelanggan memilih dan mengurangkan masa untuk pelanggan mencari. Ini meningkatkan pengalaman pengguna dan meningkatkan volum jualan barangan secara tidak ketara. Dapatkan lebih banyak hasil jualan.
Jika ia adalah kedai dalam talian seperti Taobao dan JD.com, salah satu produk yang kerap dibeli boleh digunakan sebagai pengesyoran berkaitan untuk produk lain, yang meningkatkan kebarangkalian gabungan produk berkaitan akan didedahkan bersama dan menggalakkan penukaran pembelian pengguna ( gambar di bawah adalah dalam Hema APP Semak Imbas Baxi, pengesyoran padanan yang diberikan di bawah). Kami akan menerangkan bahagian ini dalam senario aplikasi ketiga.
2. Optimumkan perolehan luar talian, rantaian bekalan dan inventori
Komoditi yang sering dibeli bersama boleh disatukan untuk perancangan keseluruhan dalam perolehan, pembungkusan, pengangkutan dan inventori, seperti memilih pembekal di rantau yang sama dan menyimpannya di tempat yang sama di gudang. Untuk pengenalan bahagian ini, pembaca boleh mencari bahan berkaitan.
3. Menyediakan sokongan data untuk pemasaran acara
Komoditi yang sering dibeli bersama juga boleh digunakan untuk aktiviti pemasaran (malah bahagian jenama komoditi berkaitan juga boleh melakukan pemasaran bersama bersama), seperti diskaun apabila membeli bersama, dan membeli salah satu yang mahal untuk mendapatkan yang lain yang lebih murah yang sering dibeli bersama, dsb. Tunggu.
Di atas hanyalah beberapa kes perniagaan yang semua orang boleh fikirkan dengan mudah dalam analisis korelasi bakul beli-belah. Lebih banyak senario aplikasi perlu dicuba dan diterokai dalam kombinasi dengan situasi sebenar perusahaan. Perkara yang paling penting dalam analisis bakul beli-belah sebenarnya adalah untuk mendigitalkan gelagat pembelian pengguna. Dengan data sebagai asas dan sumber, apa yang tinggal ialah menggunakan analisis data, perlombongan data, pembelajaran mesin dan algoritma lain untuk meneroka data dan mengetik potensi nilai komersial. Dengan data tingkah laku membeli-belah pengguna, tanpa mengira nilai komersial yang diperolehi oleh analisis korelasi, banyak nilai komersial lain boleh digali. Di bawah ini saya juga akan melakukan beberapa pengisihan mudah nilai lain data beli-belah pengguna, untuk memberikan anda beberapa idea pemikiran dan perspektif yang lebih luas.
Selagi data beli-belah pelanggan dikumpul untuk satu tempoh masa, dan data didigitalkan (dimasukkan ke dalam sistem maklumat pasar raya), analisis statistik mudah boleh digunakan (jika data disimpan dalam pangkalan data hubungan seperti SQL, hanya satu pernyataan SQL diperlukan). Kira barang mana yang kerap dibeli oleh pelanggan.
Apakah kegunaan mengetahui produk yang paling kerap dibeli (iaitu produk terlaris atau jualan harian)? Saya percaya anda boleh dengan mudah memikirkan kegunaannya. Pertama sekali, ia pasti membantu pusat membeli-belah untuk membeli dan memesan. Sumber komoditi dan rantaian bekalan yang paling kerap dibeli perlu dilindungi dengan baik, dan pusat beli-belah perlu memberi perhatian untuk memastikan bekalan yang mencukupi. Selain itu, penempatan barangan yang dibeli secara panas juga dapat dioptimumkan. Banyak kedai meletakkan barangan popular di tempat yang paling mudah dilihat dan mudah diakses oleh pelanggan. Banyak pasar raya meletakkan gula-gula getah dan kondom di tempat pembayaran atas sebab ini.
Pembelian banyak komoditi mungkin mempunyai tempoh masa dan turun naik bermusim. Sebagai contoh, susu segar biasanya dibeli pada waktu pagi, manakala ubat nyamuk dibeli pada musim panas. Melalui analisis masa pembelian, kita boleh mengetahui secara kasar undang-undang turun naik komoditi tertentu dalam masa dan musim, dan menganalisis undang-undang kitaran masa pembelian di atas. Membantu perniagaan membeli, menempah dan memasarkan barangan dengan lebih baik.
Jika digabungkan dengan maklumat potret pengguna (terdapat banyak cara untuk mendapatkan maklumat potret pengguna, contohnya, sesetengah syarikat boleh mempunyai sistem keahlian, dan pengguna boleh mendaftar untuk APP dalam talian, supaya maklumat berkaitan pengguna boleh diperolehi. Selain itu, jika terdapat kamera dan peralatan lain di pusat membeli-belah, ia juga mungkin Jika anda mendapat potret umum pengguna, ini adalah di luar skop artikel ini dan tidak akan diulang), anda boleh menganalisis ciri pembelian kumpulan yang berbeza (seperti sebagai perbezaan pembelian jantina yang berbeza, kumpulan umur yang berbeza, pendapatan yang berbeza, dll.), dan melakukan pemasaran yang diperibadikan.
Banyak syarikat runcit adalah syarikat rantaian (atau malah syarikat multinasional). Mereka boleh mengumpul data jualan daripada kedai yang berbeza, menganalisis data berkaitan geografi di wilayah yang berbeza, meneroka gelagat pembelian pengguna di wilayah yang berbeza dan membuat strategi tersuai untuk wilayah yang berbeza. . Sebagai contoh, pengguna di wilayah yang berbeza mungkin mempunyai produk laris jualan yang berbeza, pengguna di wilayah yang berbeza sering membeli produk yang berbeza bersama-sama dan perubahan bermusim dalam tempoh pembelian pengguna di wilayah yang berbeza juga mungkin berbeza. Analisis yang lebih halus ini kondusif untuk mengguna pakai strategi tempatan untuk wilayah yang berbeza (malah kedai yang berbeza).
Banyak syarikat runcit mempunyai kedua-dua APP dalam talian berwayar dan kedai fizikal luar talian (seperti Hema mempunyai APP Hema dan kedai luar talian Hema), jadi cara untuk memaut dalam talian dan luar talian adalah sangat berharga. Kedai dalam talian juga mempunyai apa yang dipanggil bakul beli-belah (produk yang dibeli oleh pengguna dalam aplikasi juga boleh dianggap sebagai bakul beli-belah), yang juga boleh menggunakan kaedah dan strategi analisis bakul beli-belah.
Jika syarikat runcit hanya bermula dalam talian, dan kemudian bermula di luar talian, maka analisis data dalam talian boleh memperkasakan perniagaan luar talian. Sebagai contoh, berdasarkan analisis data gelagat pembelian pengguna dalam talian, anda juga boleh mencungkil pelbagai maklumat yang disebutkan di atas (seperti produk popular, produk yang sering dibeli bersama, dsb.), dan maklumat ini boleh digunakan terus untuk pemilihan dan susunan daripada kedai luar talian. sebaliknya.
Data dalam talian juga boleh digunakan untuk pemilihan lokasi kedai luar talian. Sebagai contoh, adalah mungkin untuk menganalisis situasi pembelian pengguna dalam talian dan mendapatkan pengedaran pengguna di wilayah yang berbeza, yang berguna untuk membimbing keputusan nombor dan pemilihan lokasi kedai untuk membuka kedai di wilayah yang berbeza.
Ringkasnya, dalam konteks dividen Internet semasa yang kehabisan, integrasi dan hubungan dalam talian dan luar talian adalah hala tuju dan peluang. Penyepaduan dalam talian dan luar talian serta pemerkasaan bersama adalah trend masa depan industri runcit. Sesiapa yang dapat memahami trend ini akan mendapat tiket ke peringkat pembangunan keemasan industri runcit seterusnya (walaupun mana-mana industri).
