“幾十年來，我們一直擁有著一個自主開發(fā)的客戶數(shù)據(jù)環(huán)境。”這家價值194億美元的美國連鎖百貨公司的首席技術官兼供應鏈主管Paul Gaffney表示。“我們對我們的自定義實現(xiàn)非常滿意。”
這家總部位于威斯康星州密爾沃基的零售商最初在Netezza上建立了自己的本地CDP，并根據(jù)該連鎖店的龐大信用卡產(chǎn)品組合和一種非常個性化的歷史方法來培養(yǎng)客戶忠誠度和依戀， Gaffney說。
在過去的幾年里，作為“技術現(xiàn)代化”的一部分，Kohl's大力推動了云計算，Gaffney表示，該技術充分利用了機器學習、個性化、增強的人口數(shù)據(jù)集和“超本地化”的洞察力，將最相關的商品交付給了當?shù)厣痰辍?/div>
這一轉(zhuǎn)型將使這家目前正在待售的零售商在谷歌云平臺和運行VMware的私有內(nèi)部谷歌云服務器上運行工作負載，以及在AWS上運行一些公用事業(yè)工作負載，其首席技術官表示。雖然Kohl's目前的本地云服務使用著一整套工具，包括用于高級分析和數(shù)據(jù)可視化的Qlik，但Kohl's對數(shù)據(jù)的長期計劃是Google BigQuery，Gaffney表示。
“四年前，我們開始專注于將BigQuery作為我們的主要數(shù)據(jù)環(huán)境。”Gaffney說他也繼承了這個決定。從那以后，Kohl's圍繞谷歌平臺建立了一個復雜的數(shù)據(jù)科學實踐，零售商的大多數(shù)關鍵數(shù)據(jù)，包括客戶、產(chǎn)品和業(yè)務性能視圖，現(xiàn)在都駐留在了這個現(xiàn)代化的數(shù)據(jù)環(huán)境當中。
但是Gaffney的工作還遠遠沒有完成。
“我們還有大約兩年的時間來實現(xiàn)一個目標，我將把我們描述為一個完全基于數(shù)據(jù)的企業(yè)，使用自動化決策流程，而不是僅僅使用數(shù)據(jù)來增強人的決策流程。”Gaffney說。
這一策略的關鍵在于充分利用機器學習和第三方的數(shù)據(jù)來服務于客戶個性化和商品決策的“超本地化”，Gaffney表示。
第三方數(shù)據(jù)的力量
Kohl's在其IT組織中擁有1000名員工，其中包括了50名數(shù)據(jù)科學家，該公司是于18個月前開始其數(shù)據(jù)自動化計劃的。目前，該連鎖店大量收集的第一方客戶數(shù)據(jù)以及授權的第三方數(shù)據(jù)集正在遷移到BigQuery，以應用先進的機器學習模型和增強的個性化技術來促進銷售，Gaffney表示。
與許多零售商一樣，Kohl's也在谷歌平臺上使用了公開可用的機器學習模型，并使用了谷歌的Vertex AI平臺。Gaffney說，這家零售商還從德勤獲得了一套名為Demand Brain的數(shù)據(jù)集的授權，該數(shù)據(jù)集專注于消費者的需求、理解和預測。他解釋說，所有大型咨詢公司都有數(shù)據(jù)訂閱產(chǎn)品和ML引擎可供授權使用。
Gartner分析師Erick Brethenoux表示，使用顧問數(shù)據(jù)和ML模型的動力正在變得越來越大，尤其是在零售商中。
“許多企業(yè)會聘請第三方來為其構建模型。”Brethenoux說，并指出咨詢公司也會使用第三方數(shù)據(jù)集來預構建模型以嵌入到客戶系統(tǒng)當中，或者在極少數(shù)情況下，使用自己的技術和數(shù)據(jù)來為零售商和其他客戶構建模型。
例如，Kohls從德勤那里獲得了一個名為InSightIQ的平臺的授權，并正在與另一個合作伙伴Axiom合作，用其他數(shù)據(jù)集來增強其第一方數(shù)據(jù)。要區(qū)分哪些數(shù)據(jù)信號是有用的，哪些是噪聲，與合作伙伴的合作是至關重要的，Gaffney說。
“目前科技領域最有趣的事情之一就是這些聯(lián)合第三方數(shù)據(jù)集的激增。”他表示。
例如，Kohl's會利用客戶消費算法的組合，根據(jù)客戶最近的購買情況，預測下一個最佳報價。其中的很大一部分都是基于Kohl's在線上和實體店顧客的第一方數(shù)據(jù)。但是現(xiàn)在，為了更多地了解他們的忠實客戶，Kohl's可以使用授權的第三方數(shù)據(jù)集來獲取客戶的就業(yè)或娛樂活動等有價值的信息。
“我們已經(jīng)開始用第三方數(shù)據(jù)來擴充第一方數(shù)據(jù)，以確定他們不購物時是做什么樣的工作的，這對我們應該為他們提供什么樣的鞋子會產(chǎn)生影響，這只是幾十個例子中的一個。”Gaffney說，并補充說，投資界多年來一直在利用第三方數(shù)據(jù)集，而一般的企業(yè)界則正處于使用它們的早期階段。
“在過去的6個月里，除了這些確定性的非學習算法之外，我們還添加了新的機器學習模型，以幫助我們更精確地了解我們應該(向購物者)提供何種商品，我們應該向誰提供商品，以及何時提供商品。”他說。
Gaffney在個性化領域看到了機會。“我們已經(jīng)能夠非常有效地利用數(shù)據(jù)科學來更好地定位我們的歷史營銷活動了。”其首席技術官說。“我認為，再過不了六個月，我們就會從以活動為基礎的方式轉(zhuǎn)變?yōu)檎嬲膫€性化方式，然后再經(jīng)過三年到五年的持續(xù)改進。”
利用數(shù)據(jù)做出更好的決策
隨著其現(xiàn)代化的CDP和個性化戰(zhàn)略的全面實施，Kohl's可能會采取其他更大的業(yè)務舉措。例如，Kohl's利用其客戶數(shù)據(jù)與化妝品巨頭Sephora建立了營銷合作關系，目標是建立一個20億美元的美容業(yè)務。Kohl's的官方表示，到2023年，在其1100多家門店中，Sephora的門店數(shù)量將達到850家。
對于Gaffney來說，超本地化是第三方數(shù)據(jù)最“令人興奮”的應用之一。他解釋說，其中的一個目標是將機器學習應用于第一方數(shù)據(jù)和第三方數(shù)據(jù)的混合，以做出高針對性的商品銷售決策，并根據(jù)由數(shù)千個數(shù)據(jù)點組成的矩陣來決定在哪里開店。
該公司計劃在未來四年向旗下百貨公司增加100家新的小型商店可能會證明這一點的價值。在過去的幾十年里，Kohl's一直只使用自己的客戶數(shù)據(jù)，并會根據(jù)收入、需求信息、當?shù)馗偁幒蜕鐓^(qū)種族等核心人口數(shù)據(jù)，在每家商店提供相同的產(chǎn)品分類。就在兩年前，除了第一方數(shù)據(jù)外，Kohl's還應用了第三方數(shù)據(jù)集，例如，根據(jù)額外的人口、天氣和其他第三方數(shù)據(jù)，Kohl's能夠為各個商店生成大約35種不同的鞋類，Gaffney說。
隨著機器學習模型和第三方數(shù)據(jù)集數(shù)量的增加，這個數(shù)字出現(xiàn)了爆炸式的增長。“現(xiàn)在我們有了一個大約1500個細胞的矩陣，而不是只有35個。”CTO說。“這也是接下來要做的：……在這一潛在范式的基礎上尋找更好的數(shù)據(jù)，并使用更好的數(shù)據(jù)科學，使數(shù)據(jù)更具細粒度，進而做出更有效的決策。”
版權聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責任的權利。
京公網(wǎng)安備 11010502049343號