關聯(lián)性促銷

　　自隸屬于Tesco的Dunnhumby于1994年起幫助該超市設立會員忠誠卡項目以來，美國的消費者已經(jīng)對零售商收集他們的消費數(shù)據(jù)習以為常。

　　超市除了利用消費者行為產(chǎn)生的大數(shù)據(jù)之外，現(xiàn)在還在其數(shù)據(jù)庫中加入了歷史季節(jié)性銷售額、氣候等數(shù)據(jù)，為其要在門店準備多少的“烤肉”、“啤酒”、或者“雨傘”作為參考值。

　　除了來自于用戶實際在門店中產(chǎn)生的交易數(shù)據(jù)之外，超市還捕捉來自于社交媒體上的有用信息，包括用戶定位顯示的所在位置、發(fā)布的內容等等。

　　而有能力實時分析這些數(shù)據(jù)給了零售商一個前所未有的發(fā)展機會，無論何時何地，線上線下都可以為他們的消費者度身定制服務。

　　數(shù)據(jù)的分析及掌控對于門店的銷售有舉足輕重的影響力，除了顧客消費實力之外，天氣因素也不可小視，舉個例子，郊游季的周末氣象預測會下雨，零售商可以在店鋪首要位置將啤酒和雨具臨近擺放做關聯(lián)性促銷。

　　“假如你知道你的顧客想要購買什么，而你的門店倉庫有什么相關的庫存，這樣就能專門為他們做最適合的推薦，當然這要求商家‘及時’”來自于SAP大數(shù)據(jù)分析的Klaus Boeckle說道，“目前已經(jīng)這么做的公司包括百安居和亞馬遜。”

　　更深入的為顧客定制

　　門店的店員可以在便攜式設備上查詢這樣的消費者大數(shù)據(jù)，他們可以輕松的檢索消費者個人檔案，并從其最近的社交媒體信息中了解該顧客的近況，例如，他是準備好好過個假期還是為尋找一件適合她的晚禮服而煩惱著。

　　然后，店員就能相應的推薦該顧客購買他們需要的產(chǎn)品，因為作為零售商的我們已經(jīng)了解了他的需求，以及他購買商品的記錄。

　　蘋果對應的iBeacon技術——店內藍牙位置跟蹤被設計成可以與智能手機互動的應用，當消費者踏入百貨店的那一刻起，零售商和應用程序開發(fā)方就能立馬確認其身份。 然后那些相關的特別推薦的產(chǎn)品將被推送到該顧客的智能手機里，至于推送哪些商品還取決于該顧客所處百貨店內的具體樓層及位置。

　　基于實時銷售情況，Lush店的店員可以隨時改變其賣場的布局

　　作出以上各種“個性化”定制的前提，首先要征得消費者的許可，同意商家、應用開發(fā)者獲取他們的隱私數(shù)據(jù)。其實商家也只想將這些數(shù)據(jù)轉化為更好的服務。

　　化妝品零售商Lush擁有大數(shù)據(jù)分析設備，供店員在門店內及倉庫里使用，這樣他們就能實時掌控銷售情況。

　　這種做法可以刺激門店員工在銷售業(yè)績層面的互相競爭，從而達到最佳的工作狀態(tài)，還能為消費者帶來不一樣的購物體驗。

　　比如，當?shù)陠T發(fā)現(xiàn)門店內的沐浴球和另外一款洗發(fā)露被消費者聯(lián)同購買的次數(shù)比較多時，他們就可以自主改變這兩樣產(chǎn)品的陳列位置，將其就近擺放。

　　數(shù)據(jù)越多越好，越細越好

　　這種根據(jù)數(shù)據(jù)向消費者有正對性的推薦產(chǎn)品方式在網(wǎng)絡零售商那里應用的相當普遍，且發(fā)展勢頭還在不斷增長。

　　亞馬遜全球的用戶已經(jīng)達到約2.4憶，年收入近750億美元，他們已經(jīng)實現(xiàn)了跟蹤捕捉用戶的信息，根據(jù)不同的數(shù)據(jù)分析結果調整其服務。事實上早在2004年時期的亞馬遜數(shù)據(jù)收集、分析能力就超過了當前大多數(shù)零售商了。

　　當前，多數(shù)網(wǎng)絡零售商都可以根據(jù)用戶的搜索、瀏覽記錄推送相應的產(chǎn)品至其預留的email中。

　　亞馬遜的首席技術官Werner Vogels,告訴BBC稱：“數(shù)據(jù)永遠不嫌多，而且越細越好，只有獲得一定量的數(shù)據(jù)才能對分析結果進行細致的劃分。”

　　隨著云計算和實時數(shù)據(jù)處理的崛起，讓零售商們能更精準的鎖定目標顧客，給他們推薦更適合他們需求的商品。

　　亞馬遜網(wǎng)站內的“推薦購買”就是根據(jù)顧客之前的購買行為、評級作為依據(jù)，因為機器運算，總不能做到完美，但其運算的結果隨著技術的升級也不斷革新。

　　例如，消費者可能想購買一個水壺，亞馬遜會根據(jù)其之前在網(wǎng)站購買過的廚具信息，推薦其一款最符合其心意的水壺。

　　傳統(tǒng)零售商的反擊戰(zhàn)

　　傳統(tǒng)零售商們高舉大數(shù)據(jù)“武器”準備對亞馬遜開展猛烈的反擊。

　　瑪莎百貨，Boots, John Lewis, Argos, Dixons 及 Ann Summers都是RichRelevance的客戶，RichRelevance利用從零售商那里收集來的大量數(shù)據(jù)為實體零售店提供個性化購物體驗。

　　當零售商知道自己的顧客更青睞哪些品牌時，他就會向自己的顧客推送不同的商品和促銷內容。Apache Hadoop根據(jù)顧客以往和當前的購物習慣，運用125種不同的運算，預測顧客在什么時間會購買哪些產(chǎn)品，且運算的時間僅僅只需20毫秒。

　　通過幫助消費者找到與他們最相關的產(chǎn)品的方法，零售商的銷售額平均提高3%—10%。

　　最終的結果是，不管消費者喜不喜歡，個性化零售已經(jīng)成為不可阻擋的發(fā)展趨勢了。