تحلیل داده در استارباکس
تحلیل داده و استفاده خلاقانه استارباکس از داده خرید و رفتاری صدها هزار مشتری، یک انتخاب هوشمندانه برای رسیدن به مزیت رقابتی در دنیایی است که فناوری در آن حرف اول را میزند.
استارباکس تنها یک کافی شاپ برای فروش قهوه های سرد و گرم نیست، بلکه یک منبع جذب و ذخیره داده از بیش از ۱۰۰ میلیون تراکنش مالی در هفته است. احتمالا بپرسید این حجم از داده در یک کافه چرا باید جمع شود؟ سوال منطقی است و در این مقاله قصد پاسخ به آن را داریم.
استارباکس یک شرکت پیشرو
استارباکس امروزی، یک کسب و کار نوآور و موفق در ایجاد سیستم های سیستم های وفاداری، کارتهای پرداخت و اپلیکیشن های موبایلی است، البته این تنها ظاهر ماجراست.
واقعیت اینجاست که استارباکس با قدمت و جایگاهی که در میان مشتریان جهانی اش دارد، یک مگنت قدرتمند برای جذب داده و تحلیل رفتار مشتریان بر اساس متریک های مختلف است.
اگر بحث داده ها برای شما جذاب است پیشنهاد میکنم ابتدا مقاله سامانه های پیشنهادگر ما را مطالعه کنید تا دیدگاهی اولیه به یک نقش ساده ولی پر اهمیت از داده ها شکل دهید.
سامانه پیشنهاد دهنده در سیستم کسب و کار چیست؟
هدف از این مقاله که به اقتباس از مقاله ای مشابه نوشته شده است، بررسی چند مثال از کاربرد استفاده AI یا هوش مصنوعی، اینترنت اشیا یا IoT و فرایند های داده محور استارباکس در مدیریت کسب و کارش است.
در نهایت، هدف این است:
ما به عنوان یک شرکت نرم افزاری طراحی سامانه های هوشمند از کسب و کار ها میپرسیم که هدف شما در پشت تاسیس یک کسب و کار چیست؟ نقطه تمایزی که میخواهید در بازار خود پیدا کنید به چه داده ای وابسته است و پاسخ ما، ارائه راهکاری برای استفاده از داده ها برای ایجاد آن مزیت رقابتی است.
ارتباط میان داده فناوری و کسب و کار چطور در استارباکس ایجاد میشود؟
با داشتن بیش از سی هزار شعبه جهانی و حدود ۱۰۰ میلیون تراکنش مالی در هفته، داده در سیستم استارباکس عنصر کمیابی به حساب نمی آید. این دادهها، به استارباکس چشم انداز واضحی از آنچه مشتریان میخواهند و آنچه مشتریان از آن لذت میبرند، میدهد.
جالب اینجاست که استفاده از این داده ها محدود به دهه گذشته ( دههای که تمرکز بر داده در تمامی کسب و کارها بیشتر شد) نمی شود. با بحران مالی سال ۲۰۰۸ و ورشکستگی بسیاری از شعب، مدیرعامل آن زمان استارباکس، هوارد شولتز به این نتیجه رسید که استفاده از داده ها باید مبنای تحلیلی به خود بگیرند و به طور خاص روی انتخاب لوکیشن های پربازده تمرکز کنند.
پیش از این تصمیم، انتخاب شعب جدید در استارباکس مانند بسیار کسب و کارهای دیگر محدود به تجربه، وابسته به دانش انسانی و قضاوت بر مبنای مشاهدات کلی بود. مشخصا داده های موجود نقش مهمی را ایفا میکردند ولی استفاده از داده ها سیستماتیک نشده بود.
امروز، داده نه فقط در املاک و انتخاب لوکیشن جدید بلکه در بازاریابی، مدیریت زنجیره تامین و فعالیت های مربوط به توسعه کالاهای جدید نیز استفاده میشود. نقطه کلیدی ورود داده به تصمیمات اساسی استارباکس، در برنامههای وفاداری او که از سال ۲۰۰۸ شروع شد نیز میباشد.
داده به تنهایی مطرح نیست، معرفی تکنولوژیهای های داده محور و رویکردهایی که نوآوری را در کسب و کار نشان میدهند نیز مهم است و استارباکس این نوآوری را با استفاده از IoT در فعالیت های روزمره درون فروشگاهی مانند coffeemachine ها و تجهیزات پخت مانند گاز و فرهای آشپزخانه نشان داد.
۵ نمونه از استفاده های داده در استارباکس در این مقاله معرفی خواهند شد:
- هدفگیری مشتریان با پیشنهادات شخصی سازی شده و پروموشن های هدفمند
- توسعه محصول مبتنی بر رویکرد بینش محوری
- مدیریت املاک هوشمند
- طراحی و مدیریت منوهای پویا
- نگهداری بهینه از ابزار
- هدفگیری مشتریان با پیشنهادات شخصی سازی شده و پروموشن های هدفمند
۱- هدفگیری مشتریان با پیشنهادات شخصی سازی شده و پروموشن های هدفمند
ویژگی بارز فرآیند های هوشمند عصر جدید، امکان شخصی سازی اطلاعات و ایجاد تجربه اختصاصی برای کاربران است تا مصرف کننده از سردرگمی خرید نجات پیدا کند
کلاسیک ترین مدل استفاده از داده های مشتری در کسب و کار، سفارشی کردن پیشنهادات بر اساس سلایق شخصی او است. به این معنا که اگر یک مشتری هرروز صبح ساعت ۷:۳۰ به کافه مراجعه کرده و یک امریکانو سفارش میدهد. بعد از مدتی صبح ها به او پیشنهاد یک کروسان هم بدهیم. چرا که به احتمال بالایی این مشتری یک کارمند است و صبحها صبحانه میل نمیکند.
مثال دیگری از پیشنهادات اختصاصی به مشتریان، فرایندی است که در دیجیکالا می بینید.
سناریو: شما یک جوراب خریده اید. عمده مشتریانی که جوراب خریده اند، هدبند ورزشی، مت یوگا، کفش ورزشی، تی شرت و پاشنه کش هم خریداری کرده اند. شما جوراب میخواستید تا ورزش کنید، پس احتمالا از میان پیشنهادات مت یوگا یا هدبند ورزشی را نیز انتخاب خواهید کرد.
اتفاقی که میافتد، تشابه در الگوی خرید میان مصرف کنندگان است. در حالتی مشابه، مادری که جوراب از دیجیکالا خریداری کرده، احتمالا به دنبال ارگانایزر جوراب هم بوده است، پس در صورت افزایش این تعداد الگو، در میان هدبند و مت یوگا، ارگانایزر نیز مشاهده خواهد شد.
در استارباکس چه اتفاقی افتاد؟
از سال ۲۰۱۷، استارباکس با به کارگرفتن اصولی نوآوری استراتژیک دیجیتالی، پلن digital flyweel را لانچ کرد. اپلیکیشن استارباکس به کاربران امکان پیش سفارش، پرداخت و جمع کردن ستاره را میدهد.
از سویی این برنامه وفاداری منجر به افزایش نرخ بازگشت مشتریان به استارباکس شد و از سویی دیگر دیتابیس ارزشمندی از سفارشات مشتریان و سلایق شخصی آنها را ایجاد کرد.
پیشنهادات سفارشی شدهای که برای این مشتریان ارسال میشود علاوه بر افزایش نرخ علاقه مندی مصرف کننده به خرید مجدد از استارباکس، انگیزهی افزایش تعداد ستارهها با خرید بیشتر برای گرفتن نوشیدنی و غذای رایگان را نیز ایجاد کرد.
در کل این پلن علاوه بر افزایش نرخ خرید و سوار شدن بر موج استفاده از تکنولوژی در کسب و کار، یک کمپین بسیار بزرگ و موفق مارکتینگ نیز بود که تا به امروز ادامه دارد.
به زودی پست دیگری برای بررسی بیشتر ابعاد Starbucks digital flyweel منتشر میکنیم.
۲- توسعه محصول مبتنی بر رویکرد بینش-محوری
اهمیت ارائه پیشنهادات شخصی به یک طرف، تولید و توسعه محصولات جدید بر مبنای داده مشتریان به یک طرف دیگر.
دادهی تحلیل شده مشتریان در گسترش و توسعه محصولات استارباکس اهمیت بسیار زیادی داشته است. اهمیتی که خود را در جذب مشتریان جدید در نقاط جغرافیایی مختلف و همچنین کمپین های بازاریابی موفق نشان داد.
یکی از نمونه های موفق این رویکرد، معرفی آزمایشی نوشیدنی های کدوحلوایی بود. استارباکس این ایده را ۱۵ سال پیش در هالووین پیاده سازی کرد و تعداد بالای سفارش و همینطور فیدبک مشتریان باعث شد کتگوری محصولات ساخته شده با کدوحلوایی گسترش پیدا کنند و به یکی از پرفروشها در فصل پاییز تبدیل شوند.
نمونه ای دیگر، معرفی نوشیدنیهای سفارشی مختص شعب بینالمللی میباشد. یکی از آخرین کمپینهای مشتری محور مبتنی بر داده در استارباکس ژاپن پیاده سازی شد.
در این کمپین به مناسبت سالگرد ۲۵ سالگی استارباکس ژاپن، ۴۷ فراپاچینوی جدید که یک استان از ژاپن را معرفی میکرد در منو قرار گرفت. این برنامه پروموشن که 47 Jimoto Frappuccino ( jimoto به معنای محلی) نام داشت، از طعم ها و مواد اولیهای که مختص هر زیربخش ژاپن بود استفاده کرد.
این فراپاچینوها تنها در شعب محلی استانهای خاص خود فروحته میشدند و به دلیل توجه به سلایق مردم آن منطقه، رسپی های محلی و همچنین بازی با مفاهیم، منجر به افزایش قابل توجه مشتریان در این مناطق شدند.
۳- مدیریت املاک هوشمند
باز کردن شعبه جدید و انتخاب لوکیشن استراتژیک یکی از مهمترین تصمیمات استارباکس است.
برای این انتخاب استارباکس از تکنولوژی A.I. استفاده میکند. پشتیبانی هوش مصنوعی استارباکس برای برنامهریزی لوکیشن، فاکتورای اقتصادی در آن منطقه را مدل میکند.
این فاکتورها شامل جمعیت، سطح درآمدی، ترافیک، وجود رقبا و بسیاری موارد دیگر میشود. در نهایت با استفاده از این مدل سازی، درآمد، سود و عملکرد اقتصادی را برای آن شعبه پیشبینی میکند.
این سیستم لوکیشن فعلی سایر شعبه ها را در نظر میگیرد و با استفاده از مدل سازی سعی در پیش بینی تاثیر لوکیشن جدید بر درآمد لوکیشن های فعلی نیز دارد، به خصوص شعبی که نزدیک لوکیشن جدید خواند بود. تکنولوژی هوش مصنوعی که در قلب این برنامه استفاده میشود یک سامانه تحلیل لوکیشن-محور یا GIS میباشد
۴- طراحی و مدیریت منوهای پویا
مثالها تا به اینجا نشان دادند که استارباکس در هرزمانی قابلیت ایجاد بهبود و تغییر در پیشنهاداتش را بر اساس رویدادها و شرایط دارد.
مدل به کاررفته برای استفاده از داده، به استارباکس امکان اجرای بازنگری و تغییرات را بر اساس مشتری، لوکیشن و زمان میدهد. و این بازنگری و تغییرات شامل منو، محصول، قیمت گذاری، لوکیشن و پروموشن ها می شود.
حال فرض کنید تنها حالت موجود منو، نسخه چاپ شده آن بر روی بردهای بزرگ بالای سر کانتر باشد، در این حالت منطقا تغییر و بهبود لحظهای در منو ممکن نخواهد بود. به همین دلیل است که استفاده از راهکارهای Lo-Fi مانند تخته سیاه در صنعت خرده فروشی محبوبیت بسیاری دارند.
استارباکس این مشکل را با استفاده از نمایشگرهای دیجیتالی حل کرده است.
با استفاده از این رویکرد جدید استارباکس در زمان هایی به صورت آنی پیشنهاداتی جدید را در تابلوهای درون شعبه ها نمایش میدهد : مثلا پیشنهادات قهوه در باران های ناگهانی یا غذاهای جدید بر اساس ایونتهای روز.
۵- نگهداری بهینه از ابزار
مورد آخر به نگهداری از دستگاه های قهوه ساز و سایر دستگاه های درون شعب میپردازد.
به طور معمول، تراکنش های استارباکس مدت زمان تحویل پایین و همچنین قیمت پایینی دارد. به همین دلیل حجم ورودی مشتری بالا از سویی کلید موفقیت استارباکس و از سویی دیگر عاملی مخرب برای کسب و کار است.
در استارباکس مهندسین ابزار در خود شعب جضور ندارند و تنها در صورتی به شعب فرستاده میشوند که گزارش خرابی به مرکز ارسال شده باشد. به همین دلیل ایجاد سیستمی برای سرعت بخشیدن به فرایند ارسال مهندس به شعبه و تعمیر دستگاه اهمیتی بالا دارد.
یک راه ساده برای این مسئله، جمع آوری داده در خصوص خرابیها، میزان استفاده از دستگاه و کلیت تعمیرات لازم است. که در این حالت تحلیل داده میتواند با پیدا کردن ترند ها و الگوهای هر دستگاه پیش بینی بهتری از عملکرد آندستگاه و همچنین زمانبندی تعمیرات دورهای را به کسب و کار ارائه دهد.
ولی استارباکس تنها به این راه حل اکتفا نکرد و دستگاه اختصاصی خود به نام Clover X را تولید کرد.
این دستگاه که در برخی از شعب نصب شده است علاوه بر داشتن به روز ترین فناوری موجود در بازار به ابر نیز متصل است که همزمان با فعالیت های عادی یک دستگاه قهوه ساز، در لحظه قابلیت جمع آوری و ثبت داده را دارد که منجر به عیب یابی از راه دور و همچنین تعمیر از راه دور می شود.
این رویکرد در حال اجرا بر روی سایر دستگاههای موجود در شعب نیز هست. به عنوان مثال گازها و فرها شعبه ها نیز همگی کامپیوتری شده اند تا آماده سازی سفارشهای گرم را اتومات و سیستماتیک کنند.
نوآوری در بکارگیری هوش مصنوعی برای ایجاد تجربه کاربری بهتر برای کارمندان و مشتریان
استارباکس یک نمونه موفق در استفاده استراتژیک از داده برای بهبود مسیر فعالیت و اجرای برنامههای سیستماتیک است.
این نوآوری تنها وابسته به ورود هوش مصنوعی به فعالیت های کسب و کار نیست. بلکه بیشتر وابسته به چگونگی استفاده از هوش مصنوعی به عنوان یک ابزار در کنار تکنولوژی ابری و IoT میباشد.
درس مشهود برای کسب و کارها اینجاست
استارباکس به دنبال استفاده از هوش مصنوعی نبود…یعنی نیاز نیست شما یک هدف بگذارید که به فرض هوش مصنوعی را به عنوان ارزش افزوده خود معرفی کنید…استارباکس در مسیر یادگیری داده، استفاده از داده و مدیریت آن به فکر استفاده از AI افتاد.
شاید برای خیلی از کسب و کارها پیدا کردن نقاط تشابه با استارباکس دشوار باشد. ولی اگر دیدگاه خود را به نحوه استفاده استارباکس از داده محدود کنید، نقاط تشابه بسیاری در نحوه برنامه ریزی و معرفی این نوآوری در کسب و کار پیدا میکنید.
خیلی از کسب و کارها به طور خاص یک کسب و کار هوش مصنوعی یا مبتنی بر داده نیستند. ولی گزینه استفاده از داده یا هوش مصنوعی در قلب فرایندها برای هر کسب و کاری ممکن است.
تنها نیاز به پرسیدن این سوال ساده دارید:
ما چه کاری میکنیم؟ در بهترین حالت کسب و کارمان چه کاری را بهتر از سایرین انجام میدهیم؟
زمانی که به دنبال پاسخ این سوال هستید…به داده و استفاده هوشمند از آن فکر کنید. نقش یک شرکت نرم افزاری مانند نوژن بعد از این مرحله در پیدا کردن بهترین راهکارها برای پیادهسازی زیرساخت مناسب و همچنین راهنمایی شما در پیدا کردن بهترین مسیر استفاده از داده است.
