(English below)

b. Phân tích vùng lân cận (Câu trả lời "Bán gì" và "Bán cho ai?)

Các công ty CPG đang hướng tới mô hình kinh doanh lấy người tiêu dùng làm trung tâm hơn sử dụng dữ liệu vị trí để hiểu môi trường địa phương xung quanh nhân khẩu học, kinh tế xã hội, hồ sơ thu nhập của người mua POP, mức độ gần với POI hoặc các POP cạnh tranh khác, v.v. Hiểu các đặc tính của người mua sắm và khu vực lân cận là điều quan trọng để hiểu các yếu tố xung quanh ảnh hưởng đến tiềm năng POP. Các nhóm phân tích có thể sử dụng phân tích vùng lân cận để giúp các đại diện bán hàng trong:

• Đảm bảo người mua hàng có thể tiếp cận đúng sản phẩm vào đúng thời điểm và đúng địa điểm
• Tìm hiểu các điểm nóng về nhu cầu cho các danh mục khác nhau và các yếu tố thúc đẩy giá trị POP
• Hiểu các chiến thuật hiển thị và quảng cáo cần chạy bằng cách phân tích hành vi của người mua sắm

Theo truyền thống, nó đã được thực hiện bằng cách sử dụng sự hiểu biết thị trường của các nhóm bán hàng tại hiện trường và do đó có thể khiến các công ty CPG khó đưa ra quyết định và đầu tư vào đúng thời điểm, đúng số lượng và đúng nguồn lực để tăng doanh số bán hàng. của các danh mục sản phẩm.

COVID-19 đã mang lại sự thay đổi trong cách các công ty CPG đang nhìn vào thị trường hiện nay. Cần phải hiểu rõ hành vi trong thế giới thực của người mua sắm dao động như thế nào với các biện pháp ngăn cách xã hội, hạn chế cấm cửa, lệnh giới nghiêm, thay đổi đi làm, thay đổi nơi làm việc, v.v. một cú nhấp chuột cho nhóm bán hàng. Giải pháp phân tích của Fractal bao gồm việc xác định các nguồn dữ liệu phù hợp và đưa chúng đến một nơi phổ biến như kho dữ liệu hoặc Store 360. Việc trích xuất và lập mô hình tính năng sau đó giúp cung cấp thông tin chi tiết có liên quan cho nhóm bán hàng.

Sau đó, trích xuất và lập mô hình tính năng sẽ giúp đưa ra những thông tin chi tiết có liên quan cho nhóm bán hàng. Ví dụ về các loại dữ liệu có thể bao gồm: Khả năng di chuyển của con người để hiểu lượng lưu lượng truy cập qua bán kính dặm vuông trong ngày hoặc thời gian mà người mua sắm đang chi tiêu ở địa điểm nào, sử dụng tầm nhìn máy tính trên hình ảnh mặt tiền cửa hàng để định lượng tác động của hàng hóa đối với doanh số bán hàng, bao phủ hộ gia đình hồ sơ thu nhập và mô hình tiêu dùng, mật độ dân số, mật độ POI và khoảng cách đến những nơi có lưu lượng truy cập cao như bệnh viện, nhà hàng, v.v. từ các nguồn dữ liệu có liên quan như Google Địa điểm, Nielsen, Kantar, Gfk, v.v.

-----

Location Intelligence: Analytical use cases for sales organization - P2

b. Neighborhood Analytics (Answers ‘What to sell’ and ‘Whom to sell?)

CPG companies are moving towards a more consumer-centric business model that uses location data to understand the local environment around the POP- shopper demographics, socio-economic, income profiles, proximity to POIs or other competing POPs, etc. Understanding the properties of the shoppers and neighborhood is important to understand the surrounding factors that affect the POP potential. Analytics teams can use neighborhood analytics to help the sales representatives in:

• Ensuring the shoppers have access to the right products at the right time and right location
• Understanding demand hotspots for different categories and factors driving the POP value
• Understanding what display and promotion tactics to run by analyzing shopper behavior

Traditionally, it has been done using the market understanding of the on-field sales teams and can thus make it harder for the CPG firms to make decisions and invest at the right time, in the right amount, and on the right resources increasing the sales of the product categories.

COVID-19 has brought a shift in the way how CPG firms are looking at the market now. There is a strong need to understand how the shoppers’ real-world behavior fluctuates with social distancing measures, lockdown restrictions, curfews, commuting changes, workplace shifts, etc. The geographical visualization through location intelligence provides relevant insights by overlaying different data sources at a single click for the sales team. Fractal’s analytical solution consists of identifying the right data sources and bringing them to a commonplace such as a data warehouse or a Store 360. Feature extraction and modeling then help in bringing out the relevant insights to the sales team.

Feature extraction and modeling then help in bringing out the relevant insights to the sales team. Examples of data types could include: Human mobility to understand how much traffic is flowing through a square mile radius through the day or time the shoppers are spending at which location, using computer vision on storefront images to quantify the merchandising impact on sales, overlaying household income profiles and consumption pattern, population density, POI density and distance to places of high traffic such as hospitals, restaurants, etc. from relevant data sources such as Google Places, Nielsen, Kantar, Gfk etc.

Geolink tổng hợp từ Storysellercomics.quora