پیاده‌سازی برنامه‌های باشگاه مشتریان مراکز خرید با داده‌کاوی
برخلاف خرید آن‌لاین، جمع‌آوری داده‌های مربوط به خریدهای حضوری مشتریان در طول فرایند خرید و انجام داده‌کاوی عمیق، کاری دشوار است. روش‌های موجود برای حل این مشکل تنها نحوه جمع‌آوری و تجزیه و تحلیل داده‌ها را در نظر گرفته، اما به قادیر محاسباتی بالا، مقدار انبوه داده‌ها و تاخیر طولانی‌مدت توجه نکرده‌اند؛ مواردی که نمی‌توانند داده‌های کاربران را به‌موقع و به طور موثر بازخورد دهند.
یکی از روش‌هایی که مراکز خرید از آن برای داده‌کاوی استفاده می‌کنند، قدرت سیگنال دریافت‌شده از برچسب‌های شناسایی فرکانس رادیویی غیرفعال (RFID) است که می‌تواند برای انجام داده‌کاوی در مراکز خرید مورد استفاده قرار گیرد.
ترندهای جدید داده‌کاوی با تگ‌های RFID می‌تواند اطلاعات مختلفی برای ایجاد برنامه‌های وفاداری در باشگاه مشتریان فراهم کند. این روش می‌تواند به برندها نشان دهد که کدام محصول آن‌ها محبوب‌تر است، مشتریان به کدام کالاها علاقه‌مندتر هستند، کدام یک از موارد معمولا با هم خریداری می‌شوند، در چه نقاطی از مرکز خرید مشتری بیشتری وجود دارد و ترتیب خرید اقلام از سوی مشتریان به چه صورت است. سپس آن‌ها از اطلاعات شاخص سیگنال دریافت‌شده RSSI، یادگیری ماشینی و خوشه‌‌بندی سلسله مراتبی برای انجام تجزیه و تحلیل عمیق داده‌ها استفاده می‌کنند.
داده‌کاوی با استفاده از برچسب‌های RFID
با پیشرفت علم و فناوری، اکثر مردم خرید آن‌لاین را به خرید از فروشگاه ترجیح می‌دهند. یکی از دلایل این امر این است که خرید آن‌لاین می‌تواند محصولات مرتبط را بر اساس ترجیحات مشتری پیشنهاد کند و تمایل خریدار را برای خرید بهبود بخشد. هم‌چنین فروشگاه فیزیکی نمی‌تواند تجزیه و تحلیل عمقی داده‌های خرید را انجام دهد. این یکی از دلایلی است که باعث می‌شود خرید آن‌لاین نسبت به مراکز خرید فیزیکی محبوبیت بالاتری داشته باشد. بنابراین بدون شک، تجزیه و تحلیل دقیق خرید از فروشگاه‌های فیزیکی می‌تواند فوایدی بی‌پایان را برای خرده‌فروشان و تامین‌کنندگان محصول به همراه داشته باشد و در عین حال راحتی خریداران را فراهم کند. در حقیقت، تجزیه و تحلیل داده‌های خرید مشتریان موجود در کل فرایند خرید صرفا از تاریخچه فروش استفاده می‌کند، که فقط اقلام پرفروش و محصولات مرتبط را نشان می‌دهد. آن‌ها نمی‌توانند چنین حقایقی را تجزیه و تحلیل کنند؛ چه نوع محصولاتی اغلب پس از مدتی از سوی مشتریان انتخاب می‌شوند، انتخاب مشتریان بر اساس سفارش کالاهای انتخابی‌شان، چه نوع کالاهایی همیشه با هم جور درمی‌آیند، یا امتحان می‌شوند و کدام نقاط مرکز خرید بیشترین میزان تردد را دارد.
این اطلاعات می‌تواند خرده‌فروشان را برای استنباط عادات خرید مشتری، یافتن جریان بزرگ‌تری از افراد و قرار دادن کالاهای تبلیغاتی در آن منطقه، بهینه‌سازی طرح فروشگاه، ایجاد استراتژی‌های بازاریابی دقیق‌تر، مانند اتخاذ استراتژی‌های فروش بسته نرم‌افزاری برای افزایش سود و برنامه‌های وفاداری و باشگاه مشتریان یاری کند.
در سال‌های گذشته بارکدها ترند محبوبی در داده‌کاوی کالاهای محبوب بودند، اما جمع‌آوری و تجزیه و تحلیل داده‌های تاریخی با کمک آن‌ها دشوار است، زیرا اولا تعداد کالاها زیاد است و جمع‌آوری تاریخ به طور منظم می‌تواند هزینه‌بر و غیرممکن باشد. اخیرا سیستم‌های شناسایی فرکانس رادیویی (RFID) به‌سرعت در حال تکامل به سمت «اینترنت اشیا» هستند و برای انواع برنامه‌ها مانند مدیریت انبار، کنترل موجودی و ردیابی اشیا و برنامه‌های وفاداری به کار گرفته می‌شوند. برچسب‌های غیرفعال RFID مجهز به باتری نیستند. از برچسب‌های غیرفعال RFID برای نظارت بر روند خرید مشتریان و تجزیه و تحلیل داده‌های استخراج‌شده استفاده می‌کنند.
جمع‌آوری رفتار خرید مشتری
فناوری شناسایی فرکانس رادیویی (RFID) به‌تدریج در مراکز خرید بزرگ برای جمع‌آوری رفتار خرید مشتری استفاده شد. این فناوری معمولا رفتار مشتری را با اثر داپلر، اندازه‌گیری فاز و قدرت سیگنال دریافت‌شده (RSS) همه کالاهای دارای برچسب آر.اف.آی.دی محاسبه می‌کند. آزمایش‌های آن‌ها نشان می‌دهد که می‌توان از این شاخص‌ها برای القای رفتار کاربر به طور موثر استفاده کرد، ضمن این‌که ارقام محاسباتی زیاد و تاخیر طولانی‌مدت را هم در نظر می‌گیرد. باید توجه داشته باشیم که در یک مرکز خرید بزرگ ، تعداد اقلام بسیار زیاد است، به این معنی که داده‌های عظیمی وجود دارد که باید محاسبه شوند. برای حل این مشکل می‌توان از نشان‌گر قدرت سیگنال دریافت‌شده (RSSI) برای محاسبه سرعت استفاده کرد.
حرکت برندها در داده‌کاوی
مشتریان امروزی معمولا پیش از خرید یک محصول از مراکز خرید، به صورت آن‌لاین در خصوص آن تحقیق می‌کنند. بنابراین خرده‌فروشان نیاز به کانال‌های دیجیتال دارند برای سنجش ذائقه مخاطب به برندها و محصولات جدید، قبل از این‌که به قفسه‌های فروشگاه برسند. آن‌ها امروز این کار را با فناوری‌های جدیدی مانند آن‌چه شرحش در بالا رفت، انجام می‌دهند. بسیاری از شرکت‌ها مانند Sears، Nordstrom، والمارت و تارگت سرمایه‌گذاری زیادی در آزمایشگاه‌های نوآوری کرده‌اند تا داده‌کاوی‌های پیشرفته در خصوص رفتار مشتری و در جهت برنامه‌های مشتری‌مداری خود انجام دهند. مصرف‌کنندگان در آینده تصمیمات خرید خود را سریع‌تر می‌گیرند و خرده‌فروشان باید روش‌های جدید و موثرتری برای متقاعد کردن سریع خریداران بالقوه با برنامه‌های وفاداری را پیدا کنند.
داده‌کاوی برند Nordstrom
نوردستروم فروشگاه زنجیره‌ای پوشاک و شرکت خرده‌فروشی آمریکایی است، که مالک شبکه‌ای از ۲۶۰ مرکز خرید در ایالات متحده است و در زمینه فروش انواع لباس، کفش، کالاهای لوکس، لوازم آرایشی و جواهرات فعالیت می‌کند. این شرکت در سال ۲۰۱۲ به عنوان پنجمین فروشگاه زنجیره‌ای آمریکا شناخته شد. هم‌چنین در سال ۲۰۱۳ در رتبه ۳۴ از بزرگ‌ترین شرکت‌های خرده‌فروشی این کشور قرار گرفت.
طی چند سال گذشته نوردستروم، یکی از مشهورترین خرده‌فروشان مد آمریکا، در زمینه نوآوری و تجارت مشتری شخصی و مبتنی بر داده و به صورت آن‌لاین سرمایه‌گذاری زیادی کرده است. به عنوان مثال، تیم بازاریابی این مجموعه، پینترست را برای شناسایی محصولات پرطرفدار ردیابی می‌کند و سپس از آن داده‌ها برای تبلیغ محصولات محبوب برای مشتریان وفادار خود و ترغیب آن‌ها به خرید استفاده می‌کند. این شرکت بیش از ۳۰ درصد بودجه سرمایه خود را صرف فناوری کرده و آزمایشگاه نوآوری این مرکز خرید در سیاتل به تولید و آزمایش داده‌ها مشغول است.
نوردستروم تجارب خرید آن‌لاین و فیزیکی را از طریق صفحه نمایش لمسی تعاملی در اتاق‌های پرو بهبود بخشیده است. این خرده‌فروش درصدد است مفهوم خرید مشترک را در میان مشتریان و کارمندان فروش خود جا بیندازد. نوردستروم از داده‌های کلان برای افزایش تجارب مشتری استفاده می‌کند و به طور مداوم ابتکارات داده‌محور را تست می‌کند. برای مثال، برخی فروشگاه‌ها به مشتریان امکان می‌دهند که تصاویر مرتبط با بررسی محصولات خاصی را که دوست دارند، در صفحه نمایش بزرگ مشاهده کنند. هم‌چنین این شرکت با استفاده از فناوری‌های جدید مانند حس‌گر و سیگنال‌های وای‌فای، افرادی را که به مرکز خرید و داخل فروشگاه می‌آیند، تحت نظر قرار می‌دهد تا هم مدت زمان حضور و هم سایر رفتارهای مشتریان داخل فروشگاهی را ردیابی کند.
سایر اقدامات مهم شامل ادغام موجودی آن‌لاین و فروشگاهی است تا مشتریان بدانند دقیقا از کجا و چه زمانی می‌توانند اقلام مورد نیاز خود را پیدا کرده و نحوه خرید را در کنار پروموشن‌های ارائه‌شده انتخاب کنند. این شرکت هم‌چنین داده‌های عمقی ایجادشده از سوی سه‌میلیون فالوئر فیس‌بوک و ۴.۴ میلیون فالوئر پینترست و ۵۸۴ هزار دنبال‌کننده در توییتر را جمع‌آوری و تحلیل می‌کند. آن‌ها با تشویق مشتریان به استفاده از کارت‌های اعتباری نوردستروم و ثبت‌نام در برنامه وفاداری Fashion Rewards قادر به جمع‌آوری اطلاعات گسترده‌ای در مورد خرید و ترجیحات مشتری هستند که به آن‌ها در بهبود برنامه‌های بازاریابی و طراحی محصول و بهینه‌سازی هزینه تبلیغات کمک می‌کند.
