Аналіз корзин: Як зрозуміти поведінку клієнтів?

Клієнтська поведінка - важлива інформація для кожного ритейлера. Оскільки правильне її розуміння та передбачення дозволяє:

• збільшити лояльність та число клієнтів до↑ 15%;
• підвищити маржинальність бізнесу в↑ 1,5 раза завдяки оптимізації асортименту, що відповідає очікуваному попиту покупців;
• мінімізувати "неліквіди" на полицях магазинів;
• розробляти високоефективні маркетингові заходи та створювати вигідні для мережі "продуктові набори".

Як аналізувати купівельні корзини покупців?

Дієвою технікою для виявлення моделі поведінки клієнтів мережі є аналіз купівельних кошиків.

Аналіз купівельних кошиків (Market Basket Analysis)- це набір аналітичних підходів, направлених на вивчення поведінки клієнтів, вибору товарів, встановлення асоціацій і зв'язків між товарами у кожному чеку та оцінку ймовірності купівлі товарів разом.

!Головним джерелом даних для такого аналізу є чеки торгової мережі, в яких зафіксовано:

• дата купівлі;
• час покупки;
• список товарів, що були придбані разом;
• ціни на товари;
• загальна вартість чека.

Така інформація дозволяє категорійним менеджерам відповісти на чимало питань, наприклад:

• Які "типові" кошики у покупців мережі в суботній вечір?
• Які товари входять до кошиків від 1000 грн?
• З чим купують молочні вироби?
• Які бренди потрапляють до чеків з Coca-Cola?

Існує великий вибір алгоритмів для аналізу кошиків (Apriori, Eclat, FP-Growth і т.д.). Всі вони виявляють в чеках асоціативні правила (association rules) - це зв'язки між товарами, які повторюються в кошиках покупців.

Вихідні дані для асоціативного правила:

• X - ключовий товар - причина здійснення покупки;
• Y - супроводжувальний товар - слідство придбання ключового товару.

Приймемо та розглянемо правило: "Якщо купують Крупу та Хліб (Х), то куплять і Масло (Y)".

Для виявлення імовірності такої покупки необхідно провести трьох етапні розрахунки:

• Підтримка (Support) - показник, який обчислюється для одного товару/пари. Він показує співвідношення кількості чеків із вибраним товаром/парою до загальної кількості чеків.

Чим вище значення показника, тим частіше правило спрацьовує для загального масиву даних.

• Достовірність (Confidence) - показує співвідношення чеків Х з Y до чеків, у яких купують тільки ключовий товар Х.

Тобто, яка ймовірність того, що покупець одночасно купить три товари: Крупу, Хліб та Масло.

У нашому прикладі ймовірність такої покупки 50%, оскільки з двох чеків із Крупою та Хлібом, один містить ще й Масло.

• Коефіцієнт кореляції - визначає, наскільки схожа динаміка продажів двох товарів. Можливі 3 варіанти кореляції продажу товарів:

• коефіцієнт кореляції＞0 - позитивна кореляція, при якій графіки продажу товарів схожі чи ідентичні;
• коефіцієнт кореляції = 0, при якій графіки продажу товарів значно різняться;
• коефіцієнт кореляції＜0 - негативна кореляція, при якій графіки продажу товарів протилежні (продажі одного товару зростають, а другого товару - падають).

Аналіз купівельних кошиків інформує про комбінації товарів у типових кошиках. Але часто ця інформація очевидна або вже відома ритейлеру, опираючись на його досвід або популярності товарів. Більш цінним є аналіз кошиків для визначення неявних зв'язків між товарами.

Можливі напрямки аналізу корзин

Для проведення детального та всебічного аналізу кошиків у звітах аналітичної платформи BES.Datawiz передбачено фільтрацію кошиків:

• за періодами, днями тижня та часовими проміжками. Наприклад, визначати типові кошики для буднів і вихідних днів, різних сезонів, періодів перед святами - цілеспрямовано структурувати чеки за потрібними параметрами.

• за вартістю чеків- дозволяє для визначення типових кошиків різної цінової категорії. Наприклад, визначати, які товари потрапляють до чеків від 100 до 200 грн., від 500 до 1000 грн.

• за рівнями категоризації(різними товарними групами). Наприклад, "Молоко та молочні продукти" - категорія верхнього рівня, вона ділиться на підкатегорії - молочні та кисломолочні продукти. Кисломолочні продукти поділяються на йогурти, кефіри, ряжанки різних брендів та марок. Нижній рівень категоризації – це конкретне найменування товару.
• за брендами - визначає, які бренди входять у типові кошики. Наприклад, найчастіше покупці купують "Coca-cola" із чипсами "Lays", а пиво "Carlsberg" з "Pringles". Корисно та інформативно проводити аналіз із поєднанням певних товарів з брендами або з категоріями. 

Як використати результати аналізу корзин?

Поєднання кількох видів фільтрації при проведенні аналізу купівельних кошиків дає можливість структурувати потрібну ритейлеру інформацію про покупки в мережі, правильно розробляти промо стратегії, і як наслідок збільшити прибуток.

Результати такого аналізу є підґрунтям для прийняття управлінських рішень, які сфокусовані за збільшення продажів та середнього чека. При цьому варто враховувати ті фактори, що можуть вплинути на входження товарів у кошик:

• купівельні звички клієнтів; 
• реклама та акції;
• громадська думка та сформовані традиції;
• розташування товарів у торговому залі;
• наявність товарів на полицях тощо.

За допомогою аналізу корзин ритейл може:

• Оптимізовувати викладку товарів. Наприклад, парні товари доречно розміщувати поруч для збільшення ймовірності їх купівлі. Або ж навпаки, товари з високою ймовірністю купівлі, доречно розташовувати зі значним відривом один від одного, а між ними викладати третій товар - потрібний для мережі.
• Створювати промо акції. Приклад хорошої ідеї промоактивності - надавати знижку перед святами на дорогі цукерки при купівлі вермуту.
• Розробляти таргетну рекламу. Формування спецпропозицій для різних груп клієнтів за ключовими та супутніми товарами.
• Розуміти потреби покупців у різні проміжки часу. Це дозволяє сформувати найкращий асортимент, який буде задовольняти бажання та очікування клієнтів.

За допомогою звітів аналітичної платформи BES.Datawiz ви зможете отримати максимум корисної інформації зі своїх даних та масштабувати свій бізнес.