Datarevolutie in retailing

Nienke de Jong
01 jun 2015

De Vrije Universiteit Amsterdam (VU) en VODW bundelen hun krachten in het Center for Marketing Leadership (C4ML). Met deze samenwerking brengen we de academische wereld en het bedrijfsleven bij elkaar. Samen voeren we fundamenteel en relevant wetenschappelijk onderzoek uit, wat we doorvertalen naar de praktijk.

Daarnaast organiseren we regelmatig sessies waarin kennis vanuit de universiteit met onze adviespraktijk wordt gedeeld of andersom. Dit keer vertelde Arjen van Lin, assistent professor Marketing aan de VU, ons over de datarevolutie in retailing.

Data ‘waves’ vergroten inzicht in consumentengedrag

Het belang van data binnen retailing is altijd al groot geweest. Analysemethodes ontwikkelden zich na de introductie van de ponskaart en de barcode, die de eerste data ‘wave’ in retailing veroorzaakte. Het doel van de analyse was te ontdekken hoe bepaalde categorieën en merken scoorden om zo de voorraad en het assortiment in de winkel te optimaliseren. Basisanalyses die nu nog steeds veel worden toegepast. In de jaren ’80 kregen analisten steeds meer inzicht in retentie, loyaliteit en lifetime value en aankoophistorie. Customer Relationship Management vormde in deze tweede ‘wave’ het achterliggende doel.

‘Path data’ zorgt voor personalisatie instore shopping experience

Inmiddels bevinden we ons middenin de derde data ‘wave’ binnen retailing. Door wifi tracking, iBeacons en eyetracking wordt het daadwerkelijke gedrag van mensen in de winkel geanalyseerd. Ook is boodschappen doen al lang geen offline activiteit meer. Pick-up points schieten uit de grond, net zoals thuisbezorgdiensten van supermarkten en partijen die complete maaltijden thuisbezorgen. Door de snelle en persoonlijke service van deze partijen is de behoefte aan een betere ‘instore shopping experience’ sterk toegenomen. De ‘smart shopping cart’ is een manier om op deze behoefte in te spelen.

De eerste stap naar een slimme winkelwagen werd in 1966 al gezet toen onderzoekers voor het eerst ‘path data’ verzamelden. Klanten werden geschaduwd om hun looproute in kaart te brengen; een tijdrovend en weinig objectieve methode. Tegenwoordig is het verzamelen van path data een stuk makkelijker geworden door technologieën als GPS, RFID en wifi. Een mooi voorbeeld waarbij data real-time in de winkel wordt verzameld en ingezet, is de samenwerking tussen retailer Walgreens, aisle411 en Google Project Tango. Door wifi tracking kunnen zij tot op de centimeter nauwkeurig bepalen waar klanten zich in de winkel bevinden. Met behulp van een tablet op de winkelwagen krijgen klanten onder andere loyaliteitspunten wanneer ze een bepaalde route lopen en ontvangen ze gepersonaliseerde aanbiedingen.

Whole Foods gaat nog een stap verder. De supermarktketen biedt als eerste een prototype van een slimme winkelwagen aan die met behulp van een ingebouwde camera jouw looproute volgt, je boodschappenlijst bijwerkt wanneer je producten in de wagen doet en je betalingsgegevens opslaat voor een snelle check-out. Daarnaast word je gewaarschuwd wanneer je een product in je wagen doet die niet bij je aangegeven dieet past. Kortom, de slimme winkelwagen maakt je instore shopping experience makkelijker en persoonlijker.

Analyse online data basis voor specifieke targeting

Naast instore gedragsanalyse, krijgen we ook steeds meer diepgaand inzicht in online zoek- en aankoopgedrag. Bronnenberg, Kim and Mela (2015) onderzochten het (online) zoekgedrag van een consument die een digitale camera wil kopen. Ze analyseerden het gedrag van 2 miljoen huishoudens wereldwijd op websites van retailers, vergelijkingssites, review sites en websites van fabrikanten.

Het vergelijken van de zoektocht naar functionaliteiten en merken leverden interessante inzichten voor retailers op. Zo bleek dat SLR een functionaliteit is waar veel consumenten in geïnteresseerd zijn. De kans dat mensen later in hun zoekproces weer specifiek SLR camera’s zochten is namelijk groter dan dat zij dit doen voor functionaliteiten zoals beeldstabilisatie, gezichtherkenning of de filmmogelijkheid. Die laatste blijkt het minst doorslaggevend voor de uiteindelijke aankoop.
Voor retailers is het dus interessant aspecten als SLR meer te benadrukken in hun communicatie dan de filmfunctionaliteit.

Afbeelding 1: onderzoek laat zien dat de filmfunctionaliteit van camera’s minder doorslaggevend is in het aankoopproces dan SLR.

Daarnaast vergeleken de wetenschappers bezoeken aan Walmart.com en Amazon.com. Uit hun resultaten bleek dat de kans groot is dat mensen die Walmart.com bezochten in hun eerste zoeksessie, later weer bij Walmart.com terugkomen. Die kans is bij Amazon.com veel kleiner, wat betekent dat zij bijvoorbeeld eerder display advertising moeten inzetten om klanten weer naar hun website te trekken.

Afbeelding 2: De kans dat mensen die Walmart.com eerder bezochten, daar later in hun aankoopproces terugkwamen, is groter dan de kans dat dit bij Amazon.com gebeurt.

Conclusie

We weten steeds meer van consumentengedrag doordat onze data-analyses steeds geavanceerder worden. Bij iedere ‘wave’ dachten analisten dat zij het goud in handen hadden. Toch denken we dat er nog veel data te ‘winnen’ valt. Zullen slimmere voorspelmodellen in de toekomst voor beter afgestemde porties in supermarkten zorgen, waarmee we uiteindelijk voedselverspilling kunnen terugdringen? Wat voor impact hebben nieuwe voedselconcepten zoals ‘HelloFresh’ en ‘Bites we love’ op het aankoopgedrag bij supermarkten? Allemaal openstaande vragen die aantonen dat we nog niet alwetend zijn op het gebied van data. Een mooie uitdaging voor de toekomst.

Onze blogs direct in je mailbox?

Interessant? Laat een reactie achter