В отличие от онлайн-маркетологов, офлайн-маркетологи не привыкли работать с цифрами и с аналитикой поведения покупателей в торговом зале. Удобных цифровых инструментов для работы у коллег по цеху практически нет. Со скидками в целом всё понятно: разместил объявление — увидел изменения в финансовом отчёте. Всё. Однако этого недостаточно для эффективной работы с конверсией, средним чеком, частотой покупок, возвратом покупателей в магазины.
Находить новые способы оцифровки офлайн-посетителей маркетологу сегодня просто необходимо, чтобы окончательно не зарыться в бесконечных акциях и слепых изменениях выкладки товара на полках. Если с клиентом не работать, не изучать мотивы его поведения, то эффективно выстраивать маркетинговую политику магазина проблематично. В текущих условиях, когда всё большую долю рынка отхватывает e-com, упущенную выгоду можно приравнять к убытку.
Как оцифровать посетителя без анкет
Главный инструмент для оцифровки покупателей офлайн — видеоаналитика. Многие читали и слышали про распознавание лиц, 3D-счётчики посетителей, тепловые карты и т.д. Маркетологи справедливо скажут: «Слышали, знаем. Но где связь между увеличением среднего чека и распознаванием лиц или счётчиками посетителей?»
Распознавание лиц или другой модуль видеоаналитики даёт ИНФОРМАЦИЮ о покупателях, которую маркетолог не получит другими способами.
Аналитика видеоряда позволяет в автоматическом режиме формировать готовые отчёты со статистикой о количестве посетителей, демографии, пиковых часах, тепловые карты с указанием пола, возраста посетителей, которые подходят к витрине или рекламному стенду. Ещё один сложно измеряемый обычно показатель — эмоции, которые испытывают люди при взгляде на витрину магазина, манекены с одеждой, кассовую зону, персонал, рекламный стенд.
Чтобы заказать демонстрацию всех возможностей системы Ivideon Analytics для маркетологов, пожалуйста, заполните форму ниже:
Что делать с этой информацией?
Если коротко, то проверять гипотезы и смотреть, как они работают. Рассмотрим кейс магазина одежды.
В точку продаж поступила новая сезонная коллекция. В течение недели после этого показатель среднего чека сократился на 20%. Видимых причин для таких изменений не было — поток посетителей остался на прежнем уровне.
Маркетинговый отдел провёл анализ аудитории с помощью системы распознавания лиц Ivideon. Выяснилось, что после завоза новой коллекции одежды доля посетителей из числа женщин по сравнению с предыдущим периодом снизилась на 30%. При этом цены на женскую одежду в магазине традиционно выше, чем на мужскую.
Что могло повлиять на такое изменение? При размещении новой коллекции одежды на витрине магазина продавцы всех манекенов одели полностью в мужские вещи или модели унисекс. Поэтому при беглом взгляде на витрину складывалось впечатление, что в магазине продается одежда для мужчин. Манекенов на витрине быстро переодели, что позволило вернуть показатель среднего чека и нарастить долю женской аудитории магазина.