gmo クラウド株式会社 - gmosaas.com · ví dụ về phân tích l ... ① nắm bắt...
TRANSCRIPT
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