Как Nike использует прогнозную аналитику

Как Nike использует прогнозную аналитику

Данные с судьбой.

Заголовки сделали недавнее приобретение Nike компании Celect, занимающейся прогнозной аналитикой. В более широком контексте это приобретение имеет большой смысл. 87% доходов Nike поступает от оптовых покупателей, но гигант спортивной одежды хочет вернуть себе право на обслуживание клиентов.

Все это связано с членством в NikePlus, и легко понять, почему; участники тратят на Nike.com в три раза больше, чем гости.

Членство также означает гораздо больше данных от покупок и приложений Nike для здоровья. Тогда задача состоит в том, чтобы собрать, обработать и использовать эти данные для принятия надежных и новаторских решений.

Итак, эта история охватывает:

• Что такое предиктивная аналитика?
• «Прямое преступление потребителей».
• Новаторское использование Nike данных о клиентах и прогнозной аналитики.

ПРОГНОЗНАЯ АНАЛИТИКА

Мы любим хорошие предсказания. Мы всегда будем.

Это даже не должно быть правдой; заявлений о видении будущего достаточно, чтобы привлечь внимание и, в крайнем случае, верующих.

От оракула в Дельфах до «LEGO Movie» культура изобилует пророчествами, «избранными» и предзнаменованиями.

Мы очарованы гаданием, и эта аура оккультизма окружает даже научные методы предсказания.

Действительно, предсказание - это основа человеческого разума.

Наша способность, какой бы ущербной она ни была, подготовиться к будущим сценариям является неотъемлемой частью повседневного существования. Однако мы также эмоциональные существа, и наши предубеждения затуманивают наши взгляды как на прошлое, так и на будущее, не говоря уже о настоящем.

Недавнее исследование показало, что если генеральный директор использует очень позитивный язык в заявлении о прибылях и убытках, это хороший предиктор того, что производительность компании скоро ухудшится. У руководителей может возникнуть соблазн поверить в то, что благоприятные условия сохранятся и в будущем; короче, увлекаются.

Прогнозирование - это залог успешного принятия решений. Нам сложно делать точные прогнозы, и в прошлом мы изо всех сил пытались создать масштабируемое автоматизированное решение. Если машины могут покрыть наши слабые стороны, мы можем сосредоточиться на наших сильных сторонах.

Прогнозная аналитика предлагает потенциальный ответ на очень прибыльный вопрос.

Фактически, большую часть современного искусственного интеллекта (ИИ) можно определить как технологию прогнозирования.

В книге «Машины предсказания» авторы определяют предсказание как:

«Процесс заполнения недостающей информации. Прогнозирование использует имеющуюся у вас информацию, которую часто называют «данными», и использует ее для получения информации, которой у вас нет ».

Вместо того, чтобы кодировать каждый сценарий в логическом формате «если-то», машинное обучение может использовать исторические примеры для определения основных взаимосвязей между переменными. В свою очередь, прогнозы могут содержать намного больше «если» и гораздо больше «тогда».

У машинного обучения есть свои ограничения (о них мы поговорим позже), но недавние достижения в области доступности данных, вычислительной мощности и аналитических технологий сделали надежные прогнозы для самых разных предприятий.

Вместо того, чтобы искать особенности, глубокое обучение может использовать имеющиеся в его распоряжении данные для прогнозирования того, что представляют собой единицы и нули.

Google Search - это машина для предсказаний; на основе того, что он знает о нас, он предсказывает, что означают наши запросы и, следовательно, что мы хотим видеть.

Если бы Google точно знал, чего мы хотим, ему не пришлось бы предлагать нам варианты. Это вероятностная игра.

Эти прогностические модели разрабатываются в лабораториях и переносятся на предприятия, где они используются для выявления аномальных закономерностей.

Такие технологии больше не являются резервом трейдеров с Уолл-стрит.

Google Analytics предлагает прогнозы, например, в форме расчета общей ценности клиента. Это делает технологию прогнозирования доступной для миллионов владельцев веб-сайтов, но мы должны знать, как интерпретировать и применять результаты.

«Одно дело, когда ваша цель - рассказать в общих чертах о том, кто мы вместе, как коллектив.

Проблема возникает, когда вы пытаетесь пойти другим путем - узнать что-то о нас как личностях, исходя из того, как мы ведем себя как коллектив.

И, конечно же, часто именно эти ответы нужны нам больше всего ».

- Д-р Ханна Фрай

Если мы посмотрим на современный ИИ через призму прогнозов, мы обнаружим, что многие бизнес-проблемы разрешимы.

Какая информация у нас есть, что можно использовать для прогнозирования информации, которой у нас нет?

Я собрал это небольшое изображение сценариев использования прогнозной аналитики, чтобы избавить вас от лишних писем и немного разбить вещи:

Итак, сегодня у нас есть математическое представление мира в цифровой форме.

Один только Facebook ежедневно генерирует и собирает 4 петабайта данных. К 2025 году мы будем ежедневно производить 463 эксабайта данных по всему миру.

Машинное обучение, которое, по сути, является инструментом прогнозирования, может определять значимые закономерности в миллионах точек данных и помогать нам понять, что может случиться в будущем.

Прогнозная аналитика превращает это в доступный продукт, который можно использовать для решения очень широкого круга бизнес-задач.

При наличии нужных людей, данных, технологий и бизнес-стратегии прогнозная аналитика открывает новое конкурентное преимущество.

Некоторые недавние приобретения и разработки Nike:

• Платформа аналитики данных Zodiac в марте 2018 года.
• Компания прогнозной аналитики Celect в августе 2019 года.
• Израильская компания компьютерного зрения Invertex Ltd (теперь это Nike Fit) в апреле 2018 года.
• В Nike 242 открытых вакансии, содержащих слово «данные».

Итак, как Nike решила применить эту новую способность прогнозирования?

ДАННЫЕ NIKE WITH DESTINY

«Много говорят о том, сколько нам нужно данных, но на самом деле нам нужны правильные данные, и мы используем серьезную аналитику, чтобы превратить их в создание ценности».

- Ханна Джонс, Nike

Сегодня Nike заявляет, что является технологической компанией, но, опять же, все так же.

Ради бога, TGI Fridays считает себя технологической компанией, продающей ребрышки. После того, как я недавно столкнулся с обедом в ресторане TGI Fridays в аэропорту Санкт-Петербурга, я бы посоветовал им сосредоточиться на технологиях. Еда - дело безнадежное.

Но Nike.

Существует множество вариантов использования прогнозной аналитики в любой розничной компании.

Это всего лишь несколько областей, в которых Nike могла бы использовать этот подход, вне моей головы:

• Планирование сценария
• Устойчивое развитие продукта
• Сегментация клиентов
• Выбор нового магазина
• Выбор продукта
• Управление запасами
• Качество обслуживания клиентов в магазине
• Динамическое содержание веб-сайта
• Рекламное объявление

Способность моделировать будущее на основе прошлого может напрямую влиять на настоящее.

Если мы знаем, что произойдет, с приемлемой степенью точности, мы можем либо работать для достижения этой цели, либо внести изменения, которые приведут к другому будущему.

Однако у Adidas и Under Armour одни и те же знания, и, как мы видели, предсказание - не совсем секретное оружие.

Если у всех одни и те же инструменты и одни и те же модели, как бизнес может воспользоваться конкурентным преимуществом?

У нас может возникнуть соблазн ответить: «Это данные, глупо», но «данные» на самом деле ничего не значат.

На практике преобразование данных о клиентах для улучшения клиентского опыта означает изменение бизнес-модели Nike.

Прямое оскорбление потребителей

Nike находится в процессе значительной трансформации, в результате которой гораздо большая часть ее доходов будет поступать от прямых продаж потребителям, как онлайн, так и офлайн.

Это не просто размышления одного автора информационных бюллетеней. Nike объявила об этих планах в сообщении, озаглавленном NIKE, Inc. объявляет о новом прямом нарушении прав потребителей: более быстрый конвейер для личного обслуживания потребителей в больших масштабах.

Трудно найти более ясную картину.

Розничные продавцы, работающие напрямую с потребителем (DTC), такие как Everlane, Glossier и Casper, устраняют посредничество в традиционной цепочке поставок, продавая свои продукты покупателю, как правило, через Интернет, а не через посредников.

Это дает им контроль над отношениями с клиентами и всеми сопутствующими точками данных.

Модель DTC также оставляет за розничным продавцом ответственность за привлечение клиентов.

Это было преимуществом, в частности, благодаря платформам социальных сетей, которые предоставили инструменты таргетинга и творческие возможности, чтобы помочь розничным торговцам использовать свои данные для привлечения нужной аудитории.

Относительно низкая стоимость привлечения клиентов через цифровые каналы является ключом к этому успеху, например, по сравнению с телевизионными кампаниями.

Ситуация меняется, и это слишком хорошо известно многим в отрасли. Фактически, некоторые розничные продавцы DTC работают вместе, чтобы распространить растущую стоимость привлечения клиентов через Интернет, в то время как другие открыли традиционные магазины, работающие по принципу кирпич и строительный раствор, чтобы попытаться укрепить свои отношения с клиентами.

Мы снова и снова проходим через эти циклы созидательного разрушения.

Традиционные гиганты, такие как Nike, не защищены от угрозы «цифрового разрушения», но они также могут направить дух времени в своих интересах.

Если стоимость привлечения клиентов через онлайн-СМИ возрастает, это больше отразится на более мелких игроках. Nike также обладает такой степенью узнаваемости бренда, с которой могут сравниться немногие компании в мире.

При необходимости у него даже есть ресурсы для разработки и продажи новых продуктов с более низкой маржой, чтобы защитить свою долю на рынке.

Однако стоимость привлечения клиентов - это лишь один из аспектов успешного бизнеса DTC.

Nike разработала стратегию «трипл-дабл» (это вещь в баскетболе), чтобы решить другие области, которые необходимо преобразовать:

2x инновации, 2x скорость, 2x прямое соединение с потребителями.

Это фраза, которая звучит убедительно и убедительно, если только вы ее не набираете слишком много.

По крайней мере, мы видим, что гигант спортивной одежды знает, что ему не уступают в маневренности и изобретательности стартапов, если он хочет идти в ногу со временем.

Переход от сторонних продаж к модели DTC постепенный, и Nike осознает, что первая по-прежнему дает свои преимущества.

В краткосрочной перспективе они хотят быть более избирательными в отношении своих партнеров и более осмотрительными в отношении характера сотрудничества.

Вместо того, чтобы заключать одинаковые оптовые соглашения с каждым крупным розничным продавцом, Nike будет работать с разными уровнями розничных продавцов по-новому.

Это особенно очевидно в продолжающихся отношениях Nike с Foot Locker, которые Nike назвал в недавнем отчете о прибылях и убытках ключевыми для будущего роста в Северной Америке.

Новое сотрудничество позволяет покупателям Nike настраивать свои действия в магазине Foot Locker, если они являются участниками Nike Plus.

Nike’s Data Play

Для успешной настройки прогнозной аналитики требуются полные наборы данных. Для такой компании, как Nike, трудно справиться с этой проблемой. Многие люди носят их товары, но они не подключены к базам данных Nike.

Членство в Nike Plus является центральным компонентом их стратегии по привлечению и удержанию клиентов при одновременном генерировании необходимых данных для моделей прогнозной аналитики. Результатом этого могут быть рекомендации по продукту, индивидуальные предложения или персонализированный контент.

Участники получают доступ к популярным приложениям Nike Run Club, Training Club и SNEAKRS.

«Чем больше вы используете Nike.com и приложения Nike, тем лучше Nike узнает вас и предложит вам рекламные акции, соответствующие вашим интересам и целям».

- Пресс-релиз Nike

Однако это заставляет компанию собирать больше, чем просто данные электронной коммерции.

Наряду с информацией о взаимодействии с клиентами, он также имеет данные о состоянии здоровья об их режимах тренировок.

В то время как компании объединяют вместе больше услуг (например, Amazon Prime или Apple News +), Nike может использовать эту информацию, чтобы предлагать свои собственные пакеты медицинских услуг. Он может точно определить спрос с помощью данных, которые его конкуренты не видят; ключ тогда состоит в том, чтобы создать правильные силы снабжения.

Конечно, это означает создание спортивной одежды для определенных сегментов покупателей. Подписка на одежду кажется неизбежной, особенно после объявления о подписке на детскую обувь в прошлом месяце.

Nike, вероятно, будет использовать упреждающую доставку в будущем, когда они отправляют товары до того, как их заказывает клиент, потому что они могут предсказать покупательское поведение с такой точностью.

Затем покупатель возвращал вещи, которые ему не нужны, и для Nike это было бы более выгодно, чем ждать поступления заказов. Это один на другой день, но я вижу, что это произойдет в течение нескольких лет.

Мы также могли видеть, как Nike переходит на диетическое питание. Они уже установили партнерские отношения с музыкальными и телекомпаниями, поэтому мы должны ожидать, что компания расширит свой охват в зависимости от направления данных.

Еще одна идея, которую Nike почерпнула из этих данных, заключается в том, что клиентов следует сегментировать по их интересам и образу жизни, а не по их традиционной демографии.

У бегунов может быть больше общего с бегунами из другой страны, чем, например, с фанатами гольфа на своей улице.

Онлайн-платформы позволяют этим пользователям подключаться на основе их интересов и текущей статистики, что создает сетевые эффекты, повышающие популярность платформы.

Все это учитывается при разработке продукта. Nike также позволяет пользователям настраивать продукты, добавляя дополнительный уровень данных, которые можно использовать для формирования будущих линий.

Впечатления от магазина также имеют первостепенное значение.

Ad Week написала о недавнем посещении магазина Nike: «Когда участники приложения Nike входят в магазин, приложение переключается в режим приложения Nike в розничной торговле, который позволяет пользователям сканировать товары в магазине для получения сведений об инвентаре, запрашивать определенные товары. чтобы они могли попробовать их в магазине, а также зарезервировать продукты из приложения. Пользователи приложения Nike также скоро смогут мгновенно оформить заказ в магазине ».

Сами магазины могут зависеть от местных вкусов, и компания Nike реализовала несколько интересных проектов в этой области.

В их заявлении о бизнес-модели DTC говорится о новом акценте на «12 городах, включая Нью-Йорк, Лондон, Шанхай, Пекин, Лос-Анджелес, Токио, Париж, Берлин, Мехико, Барселону, Сеул и Милан. Nike прогнозирует, что на эти города и страны, в которых они находятся, будет приходиться более 80 процентов ее роста до 2020 года ».

В недавней презентации руководитель аналитического отдела Nike по Северной Америке продемонстрировал, как это работает на практике.

Алгоритмы машинного обучения могут оценивать ряд переменных-предикторов, включая данные социальных сетей и модели покупок, для выявления связей между различными типами поведения клиентов.

Этот анализ может быть сосредоточен на очень конкретных географических регионах, что помогает Nike решить, где строить магазины и что поставить на полки.

В магазине Nike by Melrose в Лос-Анджелесе товары обновляются каждые 2 недели. Естественно, что некоторые основные продукты бренда присутствуют всегда, но Nike меняет значительную часть инвентаря, чтобы удовлетворить меняющиеся вкусы. Прогнозная аналитика делает это возможным.

Ad Week сообщает: «Например, в магазине будет продаваться обувь Nike Classic Cortez, потому что данные компании показали, что 1 из каждых 50 покупок кроссовок была сделана в близлежащем районе Голливуда».

«Мы заимствуем у цифровых технологий, чтобы делать физические».

- Майкл Мартин

Вице-президент по цифровым продуктам, Nike

Подведение итогов

Для Nike прогнозная аналитика - это не только управление запасами или рекомендации по продуктам электронной коммерции. Это важные задачи, но они - всего лишь основа успешной стратегии искусственного интеллекта для ритейлера сегодня.

Nike знает, что цифровые данные дают математическое представление о поведении клиентов. Однако эти идеи не очевидны; Только сбор правильных данных и их правильная обработка могут иметь ценность.

Даже в этом случае это просто цифры, а не стратегия.

Как мы видели в предыдущем разделе, прогнозная аналитика может помочь в принятии решения, но не может принять это решение.

Такая компания, как Nike, будет жить или умереть по мнению тех, кто ее контролирует.

Однако это суждение может быть значительно усилено уровнем направления, которое предлагают «умные данные».

Nike собирается привлечь миллионы точек данных с помощью привлекательного предложения DTC и пакета подписки. Я не ясновидящий, но я бы не стал возражать против того, чтобы они использовали эти данные с пользой с помощью прогнозной аналитики.

Подпишитесь на привет, техн. информационный бюллетень здесь.