Борьба за покупателя: как перенести cookies в офлайн и повысить продажи

В 2020 году, в период пандемии, в преимуществе оказался онлайн-бизнес. Перед офлайном встали новые задачи: теперь ему важно конкурировать не только между собой, но и с вездесущим онлайном, который знает о посетителях всё, начиная от предпочтений в еде и путешествиях и заканчивая наличием кошки или собаки дома у потенциального клиента. Как только посетитель заходит на сайт, ему сразу же предлагают конкретный предмет или услугу.

Чтобы офлайновый ритейл и сфера обслуживания выжили в цифровом мире, нужны соответствующие инструменты. Классические методы уже не работают эффективно, поэтому многие магазины и торговые центры переходят к digital-решениям для анализа покупателей. Мы в facemetric придумали такие решения, и я расскажу, как нам уже сегодня удаётся «перенести» cookies в офлайн.

Ответ довольно прост: чем лучше мы знаем своего клиента, тем более адресное и интересное предложение можем ему сделать. Сразу выше вероятность, что покупатель вернется, купит больше или вообще купит хоть что-то.

В 2014 году я занимался продвижением сети и познакомился с метриками онлайна. Мы можем считать трафик, анализировать поведение пользователей, узнавать их предпочтения, а, значит, улучшать продукты и повышать продажи благодаря обратной связи. А что есть в офлайне? Разнообразные счетчики не всегда давали точный результат, да и та информация была слишком ограничена. Так родилась идея сделать условную «Метрику для офлайна», где будут собираться большие массивы данных о посетителях для анализа, но при этом информация будет обезличена.

Технически распознавание происходит так: сначала на видео детектируется лицо — оно вырезается из видео и передается в нейросети. Последняя переводит его в «вектор» — цифровой слепок лица (кстати, обратно дешифровать из слепка параметры лица невозможно, и у каждой нейросети он будет свой, уникальный). Нейросеть распознает пол, возраст и настроение (или эмоцию) человека. Если клиент заходил ранее, она «узнает» человека, сравнив его слепок с теми, что она делала ранее.

Можно обучить нейросеть даже определять цвет волос — мы можем, да. Но только если если эта информация увеличит продажи.

Крупная обувная сеть открыла новый магазин, но он не показывал ожидаемой выручки. Конечно, компания знала свою целевую аудиторию и ожидала увидеть в магазине её представителей — совсем молодых людей, вчерашних студентов. После внедрения системы видеоаналитики маркетологи поняли, что аудитория магазина оказалась немного старше, чем ожидалось, и при этом женщин оказалось заметно больше. То есть у сети была общая картинка по покупателю, но в конкретной торговой точке она немного сместилась. Поняв особенности аудитории конкретной торговой точки, менеджеры откорректировали ассортимент и выкладку, адаптировали торговые предложения — продажи выросли на 8%.

Еще один кейс с крупным московским рынком показал, что можно делать хорошие таргетированные промоакции и анализировать результаты.

Гастромаркет решил привлечь посетителей, которые ходят к ним на ланч по будням и в выходные с семьей и детьми. Были организованы мастер-классы для детей, подключены различные каналы по привлечению посетителей. Все получилось — семьи с детьми пришли! Но важно было понять, какие каналы сработали — листовки по будням для постоянных клиентов или реклама в соцсетях, ориентированная на новых посетителей.

В какой канал в будущем стоит больше вложиться? С помощью аналитики гастромаркет получил ответ: сколько среди посетителей оказалось новых клиентов, а сколько — бывали ранее. Позже в гастромаркете появилась детская площадка, аниматоры и другие активности для детей. Большое количество последующих экспериментов с точными замерами результатов привели к тому, что рынок стал одним из лучших фуд-пространств в столице.

В целом, аналитика нужна офлайн-бизнесу, чтобы маркетологи не ориентировались на субъективные оценки. Наш опыт показывает, что оценки аудитории «по ощущениями» могут быть сильно искажены текущим фокусом субъекта. В сетевых магазинах маркетолог из управляющей компании не может постоянно находиться во всех магазинах сети, а, значит, даже «по ощущениям» не может понять посетителя. Аналитика же полностью исключает человеческий фактор и показывает, как все обстоит на самом деле.

Как итог — в среднем, маркетинг, построенный на данных видеоаналитики, помогает увеличить выручку от 3% до 12%.

Конечно, видеоаналитика не дает таких больших данных, как Cookies — ей недоступны знания всех интересов и привычеек посетителей. Хотя, если бы системы видеоаналитики были установлены везде и обменивались данными, то получилась бы технология анализа, похожая на ту, что используют сайты.

Несмотря на это, у обоих способов аналитики много общего. Например, Cookies, как и система видеоаналитики, может аутентифицировать пользователя, распознавать его пол, возраст, а также узнавать — повторный это клиент или новичок. Кроме того, обе технологии запоминают передвижения клиентов (cookies — куда человек «ходит», какие сайты посещает в онлайне, а камеры — его передвижение по торговому центру или залу). Системы также могут посчитать общее количество людей (на сайте, в помещении), отследить предпочтения пользователей (какие сайты они чаще всего посещают в онлайне и в какие магазины ходят в офлайне) и дату, время посещения ими сайта или торгового центра.

Так что, возможно, полностью перенести Cookies в офлайн и не удастся (и речь не о технических ограничениях), но информация, получаемая системами видеоаналитики, уже достаточна, чтобы строить более эффективный маркетинг, повышать качество сервиса и управлять ассортиментом в торговых точках.