Insikter och rekommendationer – Smart Store Analytics

Sidan Insikter och rekommendationer i Smart Store Analytics använder datavetenskap för att samla in djupare insikter om butiksprestanda, kunder och produkter. Du kan få insikter om en viss butik eller hela butikskedjan.

Kommentar

Butiksdatan bearbetas alltid och visas i enlighet med den lokala tidszonen för den specifika butiken. Av detta skäl kan tidszonen för rapporter inte ändras i realtid genom PowerApps eller genom att inställningarna justeras på en Mac eller PC.

Köps ofta tillsammans

Funktionen Köps ofta tillsammans ger butiken eller marknadsföringschefen möjlighet att fatta datadrivna beslut om produkters placering och kampanjer, baserat på insikter om nära relaterade produkter. Den identifierar kombinationer av produkter som är starkt associerade med varandra så att återförsäljarna effektivt kan marknadsföra korsförsäljningsaktiviteter.

Resultaten berikas med data från kundbutiksresor och åtgärder för att ge relevant kontext. På så sätt visar du data för starkt associerade produktpar och kan placeras närmare varandra för att öka försäljningen av de två produkterna. Alternativt kan produkter med låga omvandlingsfrekvenser i butiken ha nytta av korsförsäljning med mer populära relaterade produkter.

Det finns två vyer för Köps ofta tillsammans produktassocieringar:

Produktvy som ofta köps tillsammans

Produktvyn Köps ofta tillsammans visar de mest relaterade produktassocieringar de senaste 7, 30 eller 90 dagarna.

Kommentar

När du väljer en butik i listrutan visas de bästa produktkombinationerna i tabellen, baserat på transaktioner i den butik du väljer. När du väljer återförsäljaresvyn i menyn visas de bästa produktkombinationerna utifrån transaktioner över hela detaljistförsäljningen.

Tabellen omfattar följande data:

• Produktnamn: Namn på associerade produkter

• Produkt-SKU: Produkt-ID för de associerade produkterna

• Organisationens styrka : Organisationens styrka baseras på en statistisk beräkning som visar hur sannolikt kunderna köper dessa produkter tillsammans på grund av deras relation, inte på grund av slumpmässiga tillfälligheter. På så sätt kan du hitta mer intressanta och meningsfulla produktkombinationer som starkt associerat specifikt med varandra snarare än att bara vara vanliga köp överlag, antingen tillsammans eller separat.

  Kategorierna tilldelas utifrån ett statistiskt mått som mäter styrkan i associeringen. Baserat på butiks- eller återförsäljartransaktioner sorterar måttet de associerade produktparen. Sedan delas paren in i tre lika stora kategorier med Utmärkt som den tredje bästa, Bra i den mellersta tredjedelen, och Måttligt är den nedre tredje. Ibland kan en indikering om Baserat på begränsad data framträda bredvid den identifierade styrkan i associeringen när egenskaperna för butikstransaktioner inte tillåter tillförlitlig statistisk inferens. Orsaken kan vara det lilla antalet transaktioner per period, litet genomsnittsstorlek eller låg variationer i inköpta produkter.

• Antal gånger köpta tillsammans: Antal gånger kunder köpt de två produkterna tillsammans under den valda perioden.

• Försening vid hämtning av produkter : Försening vid hämtning av produkter är den genomsnittliga tid som har gått mellan kundernas hämtning av två associerade produkter. Den angav också om förseningen är mer eller mindre än den genomsnittliga tiden när kunder hämtar två produkter i butiken. Om tidsfördröjningen för att plocka de två associerade produkterna ligger över genomsnittet kan du överväga att placera dem närmare varandra.

  • För lite information visas i den här kolumnen om det inte finns tillräckligt med data för att beräkna den genomsnittliga förseningen vid hämtning.

  • Ett meddelande om Ej tillämpligt visas i kolumnen för produktkombinationer över transaktioner i detaljhandelskedjor, på grund av variationen i olika butikslayouter.

Produktspecifik detaljvy

Produktspecifik detaljvy visar de fem mest relaterade produktassocieringar de senaste 7, 30 eller 90 dagarna.

I listrutan kan du söka efter en produkt av intresse. I tabellen visas de fem produkter som har associerats mest med den valda produkten under den valda perioden, till exempel de senaste 7, 30 eller 90 dagarna. Data om associerade produkter liknar de som tidigare ofta används tillsammans i en tabell över produkter som visas.

Menyn innehåller endast produkter som identifierar minst en starkt associerad kombination. Dessutom visas den valda produktens prestanda på menyn.

Konverteringsgraden representerar förhållandet mellan antalet gånger produkten har interagerat med butiken och antalet gånger en kund köpt den. När en produkt har en låg konverteringsfrekvens kan du överväga att korsförsälja den med starkt associerade produkter som visas i vytabellen för Köps ofta tillsammans produkter för att förbättra deras försäljning.

Produktersättningar

Funktionen för rekommendationer om ersättningsprodukter ger insikter i produkter som kunderna ser som alternativ till andra produkter i butiken eller detaljhandelskedjan. Dessa insikter gör det möjligt för detaljhandelskedjans försäljningschef eller butikens ledningsteam att fatta datadrivna beslut när de väljer en ersättning för en produkt som är slut i lager. Den ansvarige kan också jämföra resultaten för alternativa produkter till varandra eftersom dessa potentiellt konkurrerar med varandra.

En AI-modell analyserar på detaljerade data från kundresor och interaktioner med produkter i butiken och tar fram produktrekommendationer. AI-modellen identifierar produkter som ofta köps i samma sammanhang som potentiella alternativ. Sammanhanget för produkterna definieras av andra produkter som kunderna hämtar under samma session samt i vilken ordning dessa hämtas. Ju mer liknande sammanhanget är, desto större chans att två produkter identifieras som alternativ. De rekommenderade ersättningsprodukterna skulle uppfylla kundbehov liknande den ursprungliga produkten utifrån analysen.

Varning

AI-modellen kan vara oövervakad (den har inte programmerats med någon fördefinierad datauppsättning med produktalternativ), varför man kan dra slutsatser om produktens utbytbarhet utifrån kundaktiviteten i butiken och sammanhanget för de andra produkter som upphämtats under samma session. Eftersom produkter med liknande sammanhang inte alltid garanterar att dessa är ersättningar kan det ibland hända att modellen rekommenderar en produkt som inte betraktas som en lämplig ersättning.

Skärmen Ersättningsprodukter

På skärmen för Ersättningsprodukter visas de rekommenderade ersättningsprodukterna för alla produkter i en butik eller över hela detaljhandelskedjan. Du kan välja en butik för att hitta det bästa tillgängliga alternativet i den butiken, eller växla till återförsäljarvyn för att få ett potentiellt större urval på återförsäljarnivå. Det går också att fokusera på alternativ till de bäst säljande eller sämst säljande produkterna i butiken eller detaljhandelskedjan. När du väljer ett av alternativen – alla produkter, kraftigt säljande eller svagt säljande – uppdaterar AI Insights innehållet i detaljmenyn så att relevanta produkter inkluderas enligt det valda filtret.

Kommentar

Den ökade detaljnivån för produktvalet omfattar produkter från den butiks-/återförsäljarkatalog som det fanns potentiella ersättningar för, detta baserat på kundinteraktionens typ och frekvens. Produkter från återförsäljarkatalogen som inte visas i den ökade detaljnivån (antingen för alla produkter eller för menyer för kraftigt säljande eller svagt säljande produkter) som inte har några tillgängliga rekommendationer.

Tabellen Produktersättningar

Produktrekommendationerna presenteras i en tabell enligt bild. Rekommendationerna baseras på en analys av data som har samlats in under de senaste 90 dagarna och som uppdateras var 24:e timme.

I tabellen visas upp till tre rekommenderade ersättningsprodukter för den produkt som valts i detaljmenyn, plus viss extra information som är viktig för kunden när denne ska välja någon av ersättningsprodukterna framför någon annan eller jämför prestandan för den ursprungliga produkten och de olika föreslagna alternativen. Detaljerna för respektive föreslagen ersättningsprodukt är som följer:

• Produktnamn: visar namnen på de alternativa produkterna
• Produkt-SKU: visar produkt-ID för de alternativa produkterna
• Placering i förhållande till vald produkt: anger om den valda produkten och den föreslagna ersättningsprodukten placeras på samma hylla, samma exponeringsenhet (olika hyllor i denna) eller på olika platser i butiken.

Kommentar

Denna kolumn är endast relevant för rekommendationer för alternativa produkter på butiksnivå (och förblir tom för återförsäljarnivån), detta på grund av variationer av produktplacering i olika butiker i detaljhandelskedjan. Om samma produkt finns på flera platser i en och samma butik anger kolumnen den närmaste plats där dessa finns.

• Sålda enheter per dag i genomsnitt: visar antalet sålda enheter per dag i genomsnitt för de valda produkterna och de alternativa produkterna under de senaste 90 dagarna.
• Genomsnittlig konverteringsnivån: visar den genomsnittliga konverteringsnivån för valda och alternativa produkter. Konverteringsnivån är det antal gånger som kunderna visade produkten i butiken delat med antalet gånger som kunder köpt produkten.
• Relativ konverteringsnivå: visar relationen mellan produktkonverteringsnivå och genomsnittlig konverteringsnivå i butiken eller detaljhandelskedjan för alla produkter, detta för att underlätta jämförelsen mellan olika produkter. Den genomsnittliga konverteringsnivån som visas för detaljhandelskedja/butik visas under butiksfiltret.

Prestanda för alternativa produkter

Med hjälp av diagrammet över alternativa produkters prestanda kan du analysera prestandan för de valda och alternativa produkterna över tid.

I det här diagrammet visas den dagliga enhetsförsäljningen för de valda och alternativa produkterna över tid. I diagrammet visas den dagliga enhetsförsäljningen av produkterna under den valda tiden i datumfilterfälten.

Prognos för gångtrafik

Återförsäljarnas försäljning och butiksorganisation är mycket beroende av hur många kunder som besöker deras butiker under dagen. Prediktiv gångtrafik är en AI/ML-modell som analyserar tidigare gångtrafik, med externa faktorer (t.ex. säsong, helgdagar) och producerar insikter som gör det möjligt för återförsäljare att förutse kundernas efterfrågan och anpassa sina aktiviteter därefter. AI-modell prognos för gångtrafik i Smart Store Analytics gör en prognos för gångtrafik för varje timme under de kommande sju dagarna. Dessa data ger butikschefer och marknadsföringsteamet en prognos per timme på hur många kunder som kan besöka en butik under de kommande sju dagarna.

Med prognos gångtrafik kan återförsäljare:

• Utveckla optimerade scheman som överensstämmer med topperioder och säkerställa lämplig personalnivå.
• Fördela arbetsstyrka för varje butik och mellan butiker med timgranularitet.
• Schemalägg uppgifter som påfyllning av hyllor före tider med hög belastning så att butiksmedarbetarna kan fokusera på att hjälpa kunder under perioder med hög belastning.
• Optimera scheman för påfyllning och prioritera transporter baserat på variationer i efterfrågan.

Prognos för gångtrafik för en dag görs genom att aggregera timvärdena för gångtrafik för den dagen. För att göra en prognos använder AI-modellen faktiska historiska värden för gångtrafik i en butik och en lista över helgdagar i regionen där butiken ligger. Den tar inte hänsyn till faktorer såsom väder, butiksscheman, oväntade butiksstängningar eller andra förhållanden som kan påverka prognosens noggrannhet.

Instrumentpanel för prognos för gångtrafik

Med instrumentpanel för prognos för gångtrafik kan butikschefer och marknadsföringsteam övervaka prediktioner av gångtrafiken för en utvald smart butik ett visst datum.

Viktigt!

För att modellen ska kunna visa en prognos måste den ha tillgång till minst 14 dagar med faktiska tidigare data för en viss butik. Prognosen blir mer exakt med tiden allt eftersom modellen lär sig från större tidigare datauppsättningar. Butiker som har extremt låg och tillfällig gångtrafik per timme kan ha en mindre exakt prognos.

Instrumentpanel för prognos för gångtrafik har fyra viktiga områden:

• Filter: I listrutan Återförsäljare och butiker visas alla butiker i återförsäljarens kedja som du har data för. Dagen låter dig välja en av de sju dagar som AI/ML-modellen producerade en prediktion för. De filter som är tillgängliga för "Återförsäljare och butiker" och "Dag" gäller alla data på sidan.

Kommentar

"Senast uppdaterad mm/dd/åååå hh:mm UTC" innehåller tidsstämpeln när instrumentpanelen uppdateras och de sju dagarnas förutsägelse av gångtrafik börjar från detta datum. Det är viktigt att notera att timmar räknas i Universal Time Coordinated UTC, dvs. noll Longitud: Greenwich, Storbritanniens tidszon.

• KPI:er: Kpi:er på den högsta nivån hjälper till att utvärdera den prediktiva gångtrafiken jämfört med förra veckan:

  • Prognos för dagens gångtrafik: Prognos för antalet alternativ som kommer in i den valda butiken, inklusive upprepade poster, för den valda dagen. Köpare i en grupp räknas som en. Således räknas en familj på fem som en enda unik shoppare.

    Variationen i procent (%) från samma dag föregående vecka visas också i denna widget. Det finns en pil som anger tendensen och texten är färgad i grönt för tillväxt eller i rött för att indikera minskad gångtrafik.

    AI-modellen gör en prognos för gångtrafik för varje timme under de kommande sju dagarna. Prognos för gångtrafik för en dag görs genom att aggregera timvärdena för gångtrafik för den dagen.

  • Faktisk gångtrafik för samma dag i föregående vecka: Den faktiska (eller historiska) gångtrafiken samma dag i föregående vecka visas. Det beräknade datumet för samma dag som föregående vecka visas också. Vyn gör det möjligt att göra en värdefull jämförelse mellan två på varandra följande måndagar eller alla dagar i veckan.

  • Prognos för gångtrafik under de kommande 7 dagarna: Summan av det förväntade antalet köpare som kommer in i den valda butiken, för de sju dagar framåt som indikeras av datumintervall: mm/dd/åååå – mm/dd/åååå. Den här widgeten påverkas av valet av butik, men inte av valet av en dag i filtret.

    Variationen i procent (%) från de senaste sju dagarna visas också i denna widget. Det finns en pil som anger tendensen och texten är färgad i grönt för tillväxt eller i rött för att indikera minskad gångtrafik.

  • Faktisk gångtrafik under de senaste 7 dagarna: Den faktiska (eller historiska) gångtrafiken under de senaste sju dagarna, enligt datumintervallet: mm/dd/åååå – mm/dd/åååå. Den här widgeten påverkas av valet av butik, men inte av valet av en dag i filtret.

• Tidsseriediagram: Tidsseriediagrammen visar begränsad gångtrafik över tid, i tre varianter:

  • Prognos för gångtrafik efter timme på dagen visar antal köpare per timme den valda dagen

  • Prognos för gångtrafik efter dag de kommande 7 dagarna visar det förväntade antalet köpare som kommer in i den valda butiken, för var och en av de 7 dagarna framåt som indikeras av datumintervall: mm/dd/åååå – mm/dd/åååå. Raden i livlig färg visar den faktiska (eller historiska) gångtrafiken de senaste sju dagarna. Den här widgeten påverkas av valet av butik, men inte av valet av en dag i filtret.

  • Prognos för gångtrafik per dag och timme under de kommande 7 dagarna visar varje dag som representeras av en rad och timmarna som kolumner. Färgerna på varje fyrkant motsvarar antalet köpare en viss timme, en viss dag, enligt förklaringens definition. Enligt konventionen gäller att ju mörkare fyrkanten är, desto fler köpare. Timmarna sträcker sig från 0 till 23 och dagarna omfattar sju dagar framåt, vilket indikeras av datumintervallet: mm/dd/åååå – mm/dd/åååå.

• Hur beräknas prognosen för gångtrafiken? - Det här avsnittet innehåller grundläggande information om prognosmodellen, indata, det vill säga hur viktig den tidigare datauppsättning är och vilka faktorer som för närvarande inte beaktas i modellen.