Inzichten en aanbevelingen - Smart Store Analytics

Op de pagina Inzichten en aanbevelingen van Smart Store Analytics wordt datawetenschap toegepast om diepere inzichten te verkrijgen in winkelprestaties, klanten en producten. U kunt inzichten krijgen in een bepaalde winkel of de hele winkelketen.

Notitie

De winkelgegevens worden altijd verwerkt en weergegeven in overeenstemming met de lokale tijdzone van de specifieke winkel. Bijgevolg kan de tijdzone voor rapporten niet in realtime worden gewijzigd via PowerApps of door de instellingen op een Mac of pc aan te passen.

Vaak samen gekocht

De functie Vaak samen gekocht stelt de winkel of de merchandisingmanager in staat om gegevensgestuurde beslissingen te nemen over de plaatsing en promoties van producten, op basis van inzichten in nauw verwante producten. De functie identificeert combinaties van producten die sterk met elkaar verbonden zijn, zodat detailhandelaren cross-sellingactiviteiten effectief kunnen stimuleren.

Deze resultaten zijn verrijkt met gegevens van winkeltrajecten en acties van klanten om relevante context te bieden. Op deze manier onthult u gegevens voor sterk verwante productparen die u dichter bij elkaar kunt plaatsen om de gezamenlijke verkoop van de twee producten te stimuleren. Als alternatief kunnen producten met een lage conversieratio in de winkel profiteren van cross-selling met meer populaire gerelateerde producten.

Er zijn twee weergaven voor Vaak samen gekochte product-koppelingen:

Weergave Producten die vaak samen worden gekocht

De weergave Vaak samen gekochte producten toont de top van meest verwante productassociaties van de afgelopen 7, 30 of 90 dagen.

Notitie

Wanneer u een winkel kiest uit het vervolgkeuzemenu, toont de tabel de beste productcombinaties op basis van transacties in de winkel van uw keuze. Wanneer u de detailhandelaarweergave in het menu selecteert, toont de tabel de beste productcombinaties op basis van transacties in de hele winkelketen.

De tabel bevat de volgende gegevens:

• Productnamen: namen van de bijbehorende producten

• Product-SKU's: product-id's van de bijbehorende producten

• Kracht van associatie : de kracht van associatie is gebaseerd op een statistische berekening die laat zien hoe waarschijnlijk het is dat klanten deze producten samen kopen vanwege hun verwantschap en niet op basis van willekeur. Op deze manier kunt u interessantere en zinvollere productcombinaties vinden die sterk specifiek met elkaar verbonden zijn, in plaats van dat het gewoon algemene aankopen zijn, samen of afzonderlijk.

  De categorieën worden toegewezen op basis van een statistische maatstaf die de sterkte van de associatie meet. Op basis van de winkel- of detailhandelaartransacties sorteert de statistiek de geassocieerde productparen. Vervolgens worden de paren verdeeld in drie categorieën van gelijke grootte, waarbij Uitstekend de bovenste is, Goed de tweede is en Redelijk de onderste is. Soms kan naast de geïdentificeerde sterkte van associatie de indicatie 'Gebaseerd op beperkte gegevens' verschijnen wanneer de kenmerken van de winkeltransacties geen betrouwbare statistische gevolgtrekking mogelijk maken. De reden kan zijn dat het aantal transacties per periode klein is, de gemiddelde grootte van het winkelmandje klein is of er lage variabiliteit in gekochte producten is.

• Aantal keren samen gekocht: aantal keren dat klanten de twee producten samen hebben gekocht in de gekozen periode.

• Vertraging bij het ophalen van producten: is de gemiddelde tijd die is verstreken tussen het ophalen van twee geassocieerde producten door klanten. Er wordt ook aangegeven of de vertraging meer of minder is dan de gemiddelde tijd dat klanten twee willekeurige producten in de winkel ophalen. Als de tijdsvertraging bij het ophalen van de twee bijbehorende producten bovengemiddeld is, kunt u overwegen ze dichter bij elkaar te plaatsen.

  • Er kan Onvoldoende gegevens in deze kolom worden weergegeven als er niet genoeg gegevens zijn om de gemiddelde ophaalvertraging betrouwbaar te berekenen.

  • Er verschijnt een bericht Niet van toepassing in de kolom voor productcombinaties bij transacties in winkelketens, vanwege de variabiliteit in verschillende winkelindelingen.

Productspecifieke inzoomweergave

De productspecifieke inzoomweergave toont de top vijf van meest verwante productassociaties van de afgelopen 7, 30 of 90 dagen.

In het vervolgkeuzemenu kunt u zoeken naar een product dat u interesseert. De tabel toont de top vijf producten die het sterkst geassocieerd zijn met het gekozen product gedurende de gekozen periode, zoals de afgelopen 7, 30 of 90 dagen. De gegevens over geassocieerde producten zijn vergelijkbaar met de vorige overzichtstabel voor veel samen gekochte producten.

Het menu bevat alleen producten die ten minste één sterk geassocieerde combinatie identificeren. Bovendien geeft het menu de prestaties van het geselecteerde product weer.

De conversieratio vertegenwoordigt de verhouding tussen het aantal keren dat het product interactie heeft gehad met de winkel en het aantal keren dat een klant het heeft gekocht. Wanneer een product een lage conversieratio heeft, kunt u cross-selling overwegen met sterk geassocieerde producten die verschijnen in de weergavetabel 'Vaak samen gekochte producten' om hun verkoop te verbeteren.

Productvervangingen

De functie voor aanbevelingen voor productvervangingen biedt inzicht in producten die klanten zien als alternatieven voor andere producten in de winkel of de winkelketen. Dankzij deze inzichten kan de merchandisingmanager van de winkelketen of het winkelmanagementteam datagestuurde beslissingen nemen om een vervanging te kiezen voor een product dat niet op voorraad is. De manager kan ook de prestaties van de alternatieve producten analyseren, aangezien het potentieel concurrerende producten zijn.

Een AI-model analyseert gedetailleerde gegevens van klantreizen en interacties met producten in de winkel en produceert productaanbevelingen. Het AI-model identificeert producten die vaak in dezelfde context worden gekocht als mogelijke alternatieven. De context van de producten wordt bepaald door andere producten die klanten tijdens dezelfde sessie kiezen en de volgorde waarin ze worden gekozen. Hoe meer de context overeenkomt, hoe groter de kans dat twee producten als alternatieven worden geïdentificeerd. Op basis van de analyse zouden de aanbevolen vervangende producten op een vergelijkbare wijze als het oorspronkelijke product voorzien in de klantbehoeften.

Let op

Het AI-model is zonder toezicht (wordt niet getraind op basis van een vooraf gedefinieerde dataset van productalternatieven) en leidt de substitueerbaarheid van producten dus af ​​op basis van klantactiviteit in de winkel en de context van de andere producten die in dezelfde sessie worden gekozen. Aangezien een vergelijkbare context niet altijd garandeert dat de producten vervangende producten zijn, kan het model af en toe een product aanbevelen dat niet als een geschikt vervangend product wordt beschouwd.

Scherm met productvervangingen

In het scherm Productvervangingen worden de aanbevolen vervangingen voor elk product in een winkel of in de winkelketen weergegeven. U kunt een winkel selecteren om het best beschikbare alternatief in die winkel te vinden of overschakelen naar de detailhandelaarsweergave voor een potentieel bredere selectie op detailhandelaarsniveau. Het is ook mogelijk om te focussen op alternatieven voor de best of slechtst verkopende producten in de winkel of de winkelketen. Wanneer u een van de opties selecteert (alle producten, goed verkopend of slecht verkopend) werken de AI-inzichten de inhoud van het drill-downmenu bij om de relevante producten op te nemen volgens het gekozen filter.

Notitie

Het drill-downmenu voor productkeuze bevat alleen producten uit de catalogus van de winkel/retailer waarvoor er potentiële vervangers waren, op basis van het karakter en de frequentie van de klantinteractie. Producten uit de catalogus van de retailer die niet voorkomen in het drill-downmenu (voor alle producten of de best of slechtst verkochte producten) waarvoor geen aanbevelingen beschikbaar zijn.

Tabel Productvervangingen

De productaanbevelingen worden zoals afgebeeld, weergegeven in een tabel. De aanbevelingen zijn gebaseerd op de analyse van gegevens die de afgelopen 90 dagen zijn verzameld en worden elke 24 uur bijgewerkt.

De tabel toont maximaal drie aanbevolen productvervangingen voor het product dat is geselecteerd in het drill-downmenu en enkele extra details die voor de klant van belang kunnen zijn om een ​​van de vervangende producten boven het andere te verkiezen of om de prestaties van het originele product en de verschillende voorgestelde alternatieven te vergelijken. Voor elk van de voorgestelde vervangingen worden de volgende details weergegeven:

• Productnamen : de namen van de alternatieve producten
• Product-SKU's : de product-id's van de alternatieve producten
• Plaatsing ten opzichte van het geselecteerde product: hier wordt aangegeven of het geselecteerde product en de voorgestelde vervanging in hetzelfde schap, hetzelfde rek (met verschillende schappen erin) of op verschillende locaties in de winkel worden geplaatst.

Notitie

Deze kolom is alleen relevant voor de aanbevelingen voor alternatieve producten op winkelniveau (en blijft leeg voor detailhandelaren) vanwege de variaties in productplaatsing tussen verschillende winkels in de winkelketen. Als hetzelfde product op verschillende locaties in een winkel wordt geplaatst, staat de kolom voor de dichtstbijzijnde locatie.

• Gemiddelde dagelijkse verkochte eenheden: het dagelijkse gemiddelde van verkochte eenheden van de geselecteerde en de alternatieve producten gedurende de laatste 90 dagen.
• Gemiddeld conversiepercentage: het gemiddelde dagelijkse conversiepercentage van de geselecteerde en alternatieve producten. Het conversiepercentage is het aantal keren dat klanten het product in de winkel hebben bekeken, gedeeld door het aantal keren dat klanten het product hebben gekocht.
• Relatief conversiepercentage: de relatie tussen het productconversiepercentage en het gemiddelde conversiepercentage in de winkel of de winkelketen voor alle producten, zodat verschillende producten gemakkelijker kunnen worden vergeleken. Het gemiddelde conversiepercentage van de winkel(keten) wordt weergegeven onder het winkelfilter.

Prestaties van alternatieve producten

In de grafiek met de prestaties van alternatieve producten kunt u de prestaties van de geselecteerde en alternatieve producten in de loop van de tijd analyseren.

In deze grafiek wordt de dagelijkse verkoop per eenheid van de geselecteerde en alternatieve producten in de loop van de tijd weergegeven. In de grafiek wordt de dagelijkse verkoop per eenheid van de producten weergegeven gedurende de gekozen periode in de datumfiltervelden.

Prognoses voor voetverkeer

De verkoop- en winkelorganisatie van retailers hangt sterk af van het aantal klanten dat hun winkels overdag bezoekt. Voorspellend voetverkeer is een AI/ML-model dat voetverkeer in het verleden analyseert, met externe factoren (bijvoorbeeld seizoen, feestdagen), en dat inzichten produceert waarmee retailers kunnen anticiperen op de klantvraag en hun activiteiten hierop kunnen aanpassen. Het AI-model Prognoses voor voetverkeer in Smart Store Analytics maakt een prognose voor voetverkeer voor elk uur van de komende zeven dagen. Deze gegevens bieden winkelmanagers en het marketingteam een voorspelling op uurbasis van hoeveel klanten de komende zeven dagen een winkel kunnen bezoeken.

Met prognoses voor voetverkeer kunnen retailers het volgende doen:

• Geoptimaliseerde schema's ontwikkelen die aansluiten bij piekperioden zodat voldoende personeel beschikbaar is.
• Personeel toewijzen voor elke winkel en tussen winkels, met gedetailleerdheid per uur.
• Taken plannen, zoals het opnieuw vullen van de schappen en het aanvullen van de voorraad vóór piekuren, zodat winkelmedewerkers zich kunnen concentreren op het helpen van klanten tijdens perioden met veel vraag.
• Bevoorradingsschema's optimaliseren en verzendingen prioriteren op basis van vraagfluctuaties.

De prognose voor het voetverkeer gedurende een dag wordt gemaakt door de waarden per uur van voetverkeer voor die dag bij elkaar op te tellen. Om een prognose te maken, gebruikt het AI-model actuele historische waarden van voetverkeer in een winkel en een lijst met feestdagen in de regio waar de winkel zich bevindt. Er wordt geen rekening gehouden met factoren zoals het weer, winkelschema's, onverwachte winkelsluitingen of andere omstandigheden die de nauwkeurigheid van de voorspelling kunnen beïnvloeden.

Dashboard Prognoses voor voetverkeer

Met het dashboard Prognoses voor voetverkeer kunnen winkelmanagers en marketingteams voorspellingen over voetverkeer voor een geselecteerde slimme winkel op een specifieke datum volgen.

Belangrijk

Om een prognose weer te geven, moet het model toegang hebben tot ten minste 14 dagen actuele historische gegevens voor een bepaalde winkel. De prognose wordt na verloop van tijd nauwkeuriger naarmate het model leert van grotere historische gegevenssets. Winkels met extreem weinig en intermitterend voetverkeer per uur hebben mogelijk een minder nauwkeurige prognose.

Het dashboard Prognoses voor voetverkeer heeft vier hoofdgebieden:

• Filters: de vervolgkeuzelijst Verkoper en winkels toont alle winkels in de winkelketen waarvoor u gegevens hebt. Met de Dag kunt u een van de zeven dagen kiezen waarvoor het AI/ML-model een voorspelling heeft gedaan. De beschikbare filters voor 'Verkoper en winkels' en 'Dag' zijn van toepassing op alle gegevens op de pagina.

Notitie

De optie "Laatst bijgewerkt op mm/dd/jjjj hh:mm UTC" geeft de timestamp weer wanneer het dashboard wordt vernieuwd en de zeven dagen van prognose van voetverkeer gaan op deze datum in. Het is belangrijk op te merken dat uren worden weergegeven in Universal Time Coordinated (UTC), oftewel de Britse Greenwich-tijdzone (lengtegraad nul).

• KPI's: KPI's op het hoogste niveau helpen bij het evalueren van voorspellend voetverkeer versus afgelopen week:

  • Prognose van voetverkeer voor de dag: voorspelling van het aantal klanten dat de geselecteerde winkel binnengaat, inclusief herhaalde bezoeken, voor de geselecteerde dag. Shoppers in een groep worden als één geteld. Zo wordt een gezin van vijf geteld als een enkele unieke shopper.

    De variatie in percentage (%) van dezelfde dag van de vorige week wordt eveneens weergegeven in deze widget. Er is een pijl die de trend aangeeft en de tekst is groen gekleurd om groei of rood om afname van het voetverkeer aan te geven.

    Het AI-model maakt een prognose voor voetverkeer voor elk uur van de komende zeven dagen. De prognose voor het voetverkeer gedurende een dag wordt gemaakt door de waarden per uur van voetverkeer voor die dag bij elkaar op te tellen.

  • Werkelijke voetverkeer op dezelfde dag van de vorige week: het werkelijke (of historische) voetverkeer op dezelfde dag van de vorige week worden weergegeven. De berekende datum voor dezelfde dag in de vorige week wordt eveneens weergegeven. Deze weergave maakt een waardevolle vergelijking mogelijk tussen twee opeenvolgende maandagen of elke dag van de week.

  • Prognose van voetverkeer in de komende 7 dagen: de som van het voorspelde aantal klanten dat de geselecteerde winkel binnenkomt, voor de komende zeven dagen, zoals aangegeven door het datumbereik: mm/dd/jjjj – mm/dd/jjjj. Deze widget wordt beïnvloed door de selectie van een winkel, maar niet door de selectie van een dag in het filter.

    De variatie in percentage (%) van de afgelopen zeven dagen wordt eveneens getoond in deze widget. Er is een pijl die de trend aangeeft en de tekst is groen gekleurd om groei of rood om afname van het voetverkeer aan te geven.

  • Werkelijke voetverkeer van de afgelopen 7 dagen: het werkelijke (of historische) voetverkeer van de afgelopen zeven dagen, zoals aangegeven door het datumbereik: mm/dd/jjjj – mm/dd/jjjj. Deze widget wordt beïnvloed door de selectie van een winkel, maar niet door de selectie van een dag in het filter.

• Tijdreeksgrafieken: de tijdreeksgrafieken tonen het voorspelde voetverkeer in de loop van de tijd, in drie varianten:

  • Prognose van voetverkeer per uur van de dag toont het aantal klanten per uur van de geselecteerde dag

  • Prognose van voetverkeer per dag in de komende 7 dagen: toont het voorspelde aantal klanten dat de geselecteerde winkel binnenkomt, voor elk van de komende 7 dagen, zoals aangegeven door het datumbereik: mm/dd/jjjj – mm/dd/jjjj. De lijn in levendige kleuren toont het werkelijke (of historische) voetverkeer van de afgelopen zeven dagen. Deze widget wordt beïnvloed door de selectie van een winkel, maar niet door de selectie van een dag in het filter.

  • Prognose van voetverkeer per dag en uur van de dag gedurende de komende 7 dagen toont elke dag weergegeven door een rij en de uren als kolommen. De kleur van elk vierkant vertegenwoordigt het aantal klanten op een bepaald uur, van een bepaalde dag, zoals gedefinieerd in de legenda. Volgens afspraak geldt dat hoe donkerder het vierkant, hoe groter het aantal klanten. De uren lopen van 0 tot 23 en de dagen beslaan zeven dagen vooruit, zoals aangegeven door het datumbereik: mm/dd/jjjj – mm/dd/jjjj.

• Hoe wordt de prognose voor voetverkeer berekend? - Deze sectie biedt basisinformatie over het voorspellende prognosemodel, invoergegevens, dat wil zeggen het belang van de historische gegevensset, en de factoren waarmee momenteel geen rekening wordt gehouden in het model.