Sinds enkele jaren is de retail sector in transitie. De steeds grotere populariteit van e-commerce ontwricht de positie van gevestigde fysische verkooppunten. Retailers voelen zich hulploos doordat ze over minder tools beschikken om te reageren.

Dankzij marketingtechnieken voor e-commerce tracking is het mogelijk om alle of bijna alle soort informatie over u te krijgen op basis van uw browsegeschiedenis of van uw klikken. Uw verlangens worden gekend op basis van wat u op het internet heeft gezocht of van door u bekeken artikelen. Maar het traject van de klant binnen de winkel voordat hij/zij iets aankoopt, blijft steeds ongekend.

In-store analytics solutions

Betere business beslissingen kunnen worden genomen dankzij oplossingen die concrete data gebruiken. Eigenlijk zijn ze meestal maar deeloplossingen.

retail analytics

Waarom?

Laten we de Wi-Fi analyse als voorbeeld nemen waarvoor er het vaakst gekozen wordt. Het voordeel van dit soort oplossing is dat de kosten van de technische voorziening relatief laag zijn. In feite maakt die analyse het mogelijk om mensen met een smartphone waarop Wi-Fi is aangezet te detecteren. Zo wordt het aantal aanwezige mensen bepaald, maar de betrouwbaarheid van die cijfers is zeer laag. De actieradius is soms zo groot dat het onmogelijk wordt om een duidelijk onderscheid te maken tussen mensen die zich daadwerkelijk binnen de winkel vinden en degenen die gewoon in de nabijheid zijn. Bovendien wordt de verbinding soms onderbroken en dan wordt de accurate visualisatie van het traject van de klant verstoord. Ook al is de Wi-Fi analyse goedkoop in vergelijking met andere manieren van in-store data verwerving, de implementatie van zo’n voorziening blijft betwistbaar vanwege haar onbetrouwbaarheid. Het is onvoorstelbaar dat iemand zijn/haar business beslissingen laat afhangen van deze methode, want de aard en de nauwkeurigheid van de gegevens worden gewijzigd. De retailers moeten een juiste en tegelijkertijd grondige kennis van de klant hebben. Inmiddels moet het mogelijk zijn om op basis van de beschikbare data concrete acties te ondernemen en een ROI op te leveren voor sales en merchandising afdelingen en voor operationele teams.

Live video analytics

De analyse van video’s gegevensstroom uit verkooppunten dient als een veel grondiger en betrouwbaarder manier om klantendata te verzamelen. Dankzij binnen winkels geplaatste camera’s wordt de analyse in real time uitgevoerd zonder dat beelden bewaard worden wat wegens de algemene verordening gegevensbescherming (GDPR) uiteraard niet mag.

retail analytics

Kunstmatige intelligentietechnieken, en meer bepaald computer vision technieken, maken het mogelijk om beelden te analyseren met een groot niveau van nauwkeurigheid. Op die manier worden er gegevens over profielen van bezoekers en vooral over hun gedrag verzameld. Vergeet niet dat de Wi-Fi analyse het niet mogelijk maakt. Dankzij camera’s geplaatst boven de ingang van winkel is het mogelijk om het exacte aantal binnenlopende bezoekers te kennen. Daarnaast levert de beeldanalyse interessante informatie op over het profiel van bezoekers (leeftijdsgroep, geslacht of herhaling van hun bezoeken, bijvoorbeeld). Als die camera’s op strategische plekken worden geïnstalleerd, is het mogelijk om data over het gedrag van klanten te verzamelen. Dus, het traject van klant, zijn gehechtheid aan een producten categorie of een artikel in het bijzonder, het niveau van tevredenheid, de wachttijd vormen alleen maar voorbeelden van data die video analyse kan opleveren. Die informatie wordt automatisch verzameld en samengesteld in vorm van dashboards of rapporten.

Tot slot kunnen we zeggen dat in-store analytics verzameld dankzij de analyse van video gegevensstroom met behulp van computer vision technieken concurreren met web analytics. Ze bieden zelfs de mogelijkheid om verder te gaan. Zo is het mogelijk om een nauwkeuriger profiel van klanten te maken terwijl online verzamelde data gewijzigd kan worden door een computer die een gehele familie gebruikt. Bovendien kan die data zelfs als onbestaand beschouwd worden omdat sommigen incognito surfen waardoor de gegevens van niet-aangemelde gebruikers niet opgeslagen kunnen worden.