Phân tích AI của một cửa hàng thực sự sẽ tạo hiệu ứng " Chúng ta hãy đi một lần nữa! Muốn mua"

GMO クラウド株式会社

2017 GMO CLOUD K.K 1 Copyright 2018 GMO CLOUD K.K 1

Với việc mở rộng EC, các cửa hàng thực sự cũng cần thiết phải thay đổi

Thay đổi quy mô thị trường EC và tỷ lệ chuyển đổi EC của BtoC

Nguồn trích dẫn：ebismart media

https://www.ebisumart.com/blog/ec-rate/

2

Thay đổi quy mô thị trường EC

Tỷ lệ chuyển đổi EC

Phân tích và phân tích chính sách Web

Chìa khóa thành công của trang EC nằm ở công cụ phân tích khách hàng

Lấy dữ liệu như số lượng khách truy cập vào trang EC · thời gian khách hàng ở lại trang

Phân tích lộ trình tham quan

Phân tích các thuộc tính và môi trường duyệt web của khách truy cập

3

Tỷ lệ sử dụng Google Analytics

Bạn có biết tỷ lệ sử dụng của Google Analytics không?

4

Tỷ lệ sử dụng Google Analytics

Trong số 3.558 trang web của các công ty niêm yết trong nước,

Trên 83% sử dụng

Nguồn trích dẫn：DataSign

https://datasign.jp/blog/datasign-report-201708/

5

Ý tưởng Bạn có thể phân tích các cửa hàng thực như trang EC!

+ Kinh nghiệm và thành tựu cho đến nay

Cloud・Thành tựu của kinh doanh Hosting & Trải nghiệm PoC tại quầy giao dịch IoT

Công nghệ bảo mật của GlobalSign

Tại một cửa hàng bán lẻ (hiệu sách)

Thành tựu tăng gấp 20 lần doanh số!

ダイバーシティーインサイト

6

Công cụ phân tích trang web

được thực hiện tại cửa hàng thực

BƯỚC 1: Thu thập dữ liệu khuôn mặt / quần áo / hành động

8

BƯỚC 2: Phân tích hành vi và thuộc tính với AI

Hiển thị biểu đồ chuỗi thời gian trong thời gian kinh doanh

Đến lần đầu tiên？

Đến lần đầu tiên?

Lặp lại?

Khu vực · Cửa hàng

Chỉ định phạm vi

theo ngày

Khách hàng đến từ đâu?

Thuộc tính thời trang

9

BƯỚC 3: Thực hiện các chính sách đối với cửa hàng

Thực hiện cải tiến cửa hàng hướng đến mục tiêu khách hàng "muốn trở lại"

10

Bách hóa・Cửa hàng Cửa hàng ăn uống Cơ sở du lịch

Xây dựng cửa hàng từ việc xem xét các thuộc

tính và hành vi của khách hàng

Phân phối Coupon theo thời tiết và thời gian

Các biện pháp trong nước đối

với khách hàng đến thăm Nhật

Bản

11

Số khách đến cửa hàng Thời gian lưu lại

New New

Phân tích mạng cộng động

Phân tích khách đã đến thăm

Kết hợp với thời tiết Kết hợp với Coupon

Thuộc tính của khách hàng

New

Phân tích các thuộc tính thời

trang

Số lượng mua sắm tại quầy bán hàng

12

3 Ưu điểm

Phân loại và phân tích

phong phú

Màn hình quản

lý dễ dàng

Khả năng mở

rộng cao

13

Hình dung liên quan

Thấu hiểu về thị trường người trưởng thành

Mở rộng đội hình các tầng

lớp nghề nghiệp, các bà mẹ

và phụ nữ ở độ tuổi 40 Thấu hiểu cho đến hiện tại

Mua số lượng lớn là hàng xóm

Lúa mì biểu thị tương quan ở cấp độ gia đình

Các phương pháp nghiên cứu cho thấy những người

Quà tặng có nhiều loại tùy thuộc vào nghề nghiệp đàn ông thường có phong cách giản dị ở tuổi 30

Rượu Nhật khiến cho các bà mẹ bị bị lúng

túng

* Mạng cộng đồng là mạng phân tích các yếu tố đặc trưng và hiển thị mối quan hệ đồng xảy ra giữa các yếu tố tính năng dưới dạng sơ đồ mạng

14

Ví dụ về phân tích lối sống 特許出願中

【Xu hướng tiêu dùng】

【Xu hướng tiêu

dùng】 Ứng dụng / sản phẩm tài

chính・ Du lịch · giải trí ·

Thời trang thịnh hành・ Giáo dục cháu

Mỹ phẩm 15

Phân tích lối sống

Trưởng phòng Quản lý

Nhân viên văn phòng

Nhân viên văn phòng

Năng động

16

Lifestyle Segment Roadmap

Hiện trạng 2019 2020

Nam nữ trong nước ở phân khúc 30 Nam nữ trong nước ở phân khúc 100

Khách du lịch có liên quan trong nước

bao gồm cả nam và nữ ở phân khúc 100

Phân tích thuộc tính lối sống Phân tích thuộc tính thời trang Phân tích thuộc tính lối sống quốc tế

17

Weather marketing Roadmap

Hiện trạng Sau năm 2019

Kết hợp thu thập dữ liệu theo tỉnh / đơn vị: hàng ngày Từ dữ liệu hợp tác đến phân tích thành phần chính 3D tương thích

Kết hợp thời tiết với khu vực

Kết hợp phân tích mạng cộng đồng

18

Bán lẻ quần áo

ご利用シーン 1 Before

・Không thể nắm bắt được sở thích và lối sống của khách hàng

・Rất khó thu hút du khách ghé thăm vào những ngày mưa hoặc lạnh

After

① Hoạt động mua sản phẩm phù hợp với tầng lớp của khách hàng

② Biểu hiện tương ứng với lối sống

③ Sử dụng dữ liệu dự báo thời tiết để tăng tỷ lệ lợi nhuận

④ Số hóa tâm lý tại thời điểm khách hàng ghé thăm, các biện pháp để cải thiện sự hài lòng

19

Bán lẻ · Trung tâm mua sắm

ご利用シーン 2 Before

・Muốn nắm bắt hành vi của những khách hàng còn đang phân vân khi mua sắm

・Thích hợp nhưng vẫn muốn biết về những sản phẩm được yêu thích

After

① Phân biệt các tầng lớp theo lối sống đang bị phân vân về việc mua, biểu hiện

mua / hiển thị sản phẩm (phân chia theo kệ / VMD)

② Xác định các mục thích hợp được yêu thích

(Liên kết với dữ liệu SNS bên ngoài và dữ liệu lối sống)

20

Siêu thị

ご利用シーン 3 Before

・Muốn thực hiện hiệu quả thời gian bán theo múi giờ

・Muốn bán sản phẩm có tính liên tục cao và hiệu quả hơn

After

① Theo múi giờ × Phân tích lối sống để điều chỉnh thời gian bắt đầu chiết khấu · Cải

thiện tỷ lệ lợi nhuận

② Cải thiện LTV với mức tiêu thụ cao liên tục của đồ uống có cồn

③ Cải thiện LTV bằng việc tiếp tục tiêu thụ thực phẩm cao cấp với các món ăn phụ / PB

21

Trường luyện thi

ご利用シーン 4 Before

・Không thể nắm bắt được sự khác biệt cho từng cơ sở do không ghi được dữ liệu

・Muốn biết thêm về mối tương quan LTV giữa quản lý trực tiếp và FC

・Muốn nắm bắt chị tiết hơn sự tương thích giữa các giảng viên và sinh viên

After

① Xác định theo múi giờ x thuộc tính giảng viên x phân tích hành vi để nắm bắt sự

khác biệt ở mỗi trang web và dẫn đến KPI tốt hơn

② Nắm bắt mối tương quan của thông tin phân tích từ Camera với tỷ lệ

lên lớp / tỷ lệ nghỉ học, v.v. và xây dựng các biện pháp để cải thiện LTV

22

Cửa hàng ăn uống

ご利用シーン 5 Before

・Không thể sử dụng hiệu quả thời gian đông đúc / không có thời gian

・Không thể kết hợp với thông tin thời tiết địa phương

・Muốn thực hiện một chương trình khuyến mãi mới bằng cách sử dụng ứng dụng điện

thoại thông minh

After

① Các biện pháp để lấp đầy khoảng thời gian không đông khách

（Tỷ lệ hoạt động・Cải thiện tỷ lệ luân chuyển）

② Dự báo nhu cầu nhờ liên kết với thông tin thời tiết

③ Cung cấp trạng thái ghế trống thông qua API của ứng dụng cửa hàng

23

Nhà sản xuất thực phẩm và đồ uống

ご利用シーン 6 Before

・Khó khăn khi thiết lập cho từng khách hàng cá nhân

・Không thể theo kịp lối sống

・Muốn biết thêm về những điều kiện để khách hàng được ăn uống tốt hơn

After

① Nắm bắt được các thiết lập cá nhân của khách hàng để đưa vào máy tính và sử dụng nó để

lập kế hoạch sản phẩm

② Nắm bắt thông tin chi tiết của khách hàng tốt hơn nhờ kết hợp với thông tin thời tiết

③ Chú trọng liên kết với các cửa hàng

24

Nhận dạng hình ảnh của camera trong cửa hàng

【Sử dụng hình ảnh】

Nắm bắt các thuộc tính / hành vi, v.v ảnh hưởng đến KPI và phát triển các biện pháp cải thiện LTV, v.v.

25

Liên kết API

Phân tích khuôn mặt Phân tích thời trang Phân tích lối sống Phân tích khách hàng

Phân tích tuổi, khách truy cập, vv từ

hình ảnh khuôn mặt

Phân tích mục tiêu từ quần áo và đồ

đạc

Phân tích xu hướng tiêu dùng theo lối

sống cá nhân

Các phân tích khác, xin vui lòng

liên hệ với chúng tôi

Bạn không cần chuyên môn về AI (Deep Learning).

Có thể sử dụng các mô hình học tập khác nhau.

26

Ví dụ điển hình ①

Được sử dụng trong công việc phân tích

Tại thư viện & không gian tự học

GMO Library

※ Sử dụng tại HRTECH để cải thiện tỷ lệ sử dụng

27

Gói dịch vụ

28

Các gói dịch vụ với ưu điểm là tính năng phong phú và dễ sử dụng. Quý khách vui lòng liên hệ với chúng tôi để có được các tùy chỉnh phù hợp với mong muốn của mình.

Khởi tạo ban đầu

Hàng tháng Vui lòng liên hệ với chúng tôi

Vui lòng liên hệ với chúng tôi

Plan với các mục phân tích cá nhân cơ bản được thiết lập.

Plan có sẵn các mục phân tích toàn bộ hành vi / con người

Chuẩn bị các mục phân tích cần thiết kết hợp với nhu cầu của khách hàng.

Gói ASK

29

Tư vấn miễn phí, xin vui lòng liên hệ với chúng tôi.

Chúng tôi có thể kết hợp các dịch vụ khác nhau theo yêu cầu của khách hàng. Trước tiên, vui lòng liên hệ với chúng tôi.

Ví dụ

Hiển thị khi không có người tiếp khách Tối ưu hóa nội dung được hiển thị theo kết quả phân tích cho từng khách hàng ghé thăm cửa hàng.

APP O2O ・Liên kết DMP

Phối hợp với các ứng dụng cửa hàng và các ứng dụng điện thoại thông minh đã được cung cấp để phân phối thông tin và phiếu giảm giá chỉ cho những người ở các khu vực cụ thể.

コ ト を I T で 変 え て い く