La scienza dei dati influenza il processo decisionale di Kohl

Molto prima dell’avvento delle piattaforme di dati dei clienti (CDP), il modello di business di Kohl era incentrato sulla raccolta e sullo sfruttamento dei dati dei clienti. “Da decenni disponiamo di un ambiente interno per i dati dei clienti”, afferma Paul Gaffney, chief technology e supply chain officer per la catena di supermercati da 19,4 miliardi di dollari. “E siamo completamente soddisfatti della nostra app personalizzata.”

Il rivenditore con sede a Milwaukee, nel Wisconsin, ha costruito il proprio CDP interno su Netezza, creando profili clienti solidi basati sull’enorme portafoglio di carte di credito della catena, un “approccio storico alla fedeltà” e un coinvolgimento dei clienti altamente personalizzato”, oltre a But in negli ultimi anni, Kohl’s ha fatto un grande salto nel cloud come parte di un “aggiornamento tecnologico” che secondo Gaffney sta sfruttando al meglio l’apprendimento automatico, la personalizzazione, il miglioramento dei set di dati demografici e la conoscenza dell'”iperlocalizzazione” per portare i prodotti più rilevanti a livello locale I negozi.

Sforzi concentrati su BigQuery

Nell’ambito di questa trasformazione, il rivenditore esegue carichi di lavoro su Google Cloud Platform e server Google Cloud privati ​​on-premise che eseguono VMware, nonché alcuni carichi di lavoro su Amazon Web Services, spiega il CTO. Mentre il cloud on-premise esistente dell’azienda utilizza una suite completa di strumenti, tra cui Qlik per analisi avanzate e visualizzazione dei dati, il piano dati a lungo termine di Kohl si baserà interamente su BigQuery di Google, ha affermato Gaffney. “Quattro anni fa, abbiamo iniziato a concentrarci su BigQuery come nostro ambiente di dati primario”, una decisione che Paul Gaffney afferma di aver ereditato.

Da allora, Kohl’s ha costruito una complessa pratica di scienza dei dati attorno alla piattaforma Google e la maggior parte dei dati critici per un rivenditore, comprese le recensioni dei clienti, le prestazioni dei prodotti e delle vendite, si trovano ora in questo ambiente di dati. Ma Paul Gaffney è tutt’altro che finito. “Ci restano circa due anni per arrivare a un punto in cui posso descriverci come un’organizzazione interamente basata sui dati, che utilizza processi decisionali automatizzati anziché utilizzare dati che migliorano solo i processi decisionali umani”, spiega. La chiave di questo sviluppo è una strategia per sfruttare ML e dati di terze parti per supportare la personalizzazione dei clienti e le decisioni di marketing “iper-locali”, afferma Gaffney.

Il potere dei dati di terzi

Kohl’s, che impiega 1.000 persone nel suo reparto IT, inclusi 50 data scientist, ha iniziato ad automatizzare i propri dati 18 mesi fa. Attualmente, l’ampio set di dati dei clienti della catena, nonché i set di dati di terze parti concessi in licenza, vengono trasferiti a BigQuery per applicare modelli avanzati di apprendimento automatico e una tecnologia di personalizzazione migliorata al supporto alle vendite, signor Gaffney. Come molti rivenditori, anche Kohl’s utilizza modelli di machine learning disponibili pubblicamente sulla piattaforma Google e ha utilizzato la piattaforma Vertex AI. Il rivenditore ha anche concesso in licenza un set di dati chiamato Demand Brain di Deloitte, che si concentra sulla domanda, la comprensione e le aspettative dei consumatori, afferma Gaffney, spiegando che tutte le principali consulenze hanno prodotti in abbonamento ai dati e motori di apprendimento automatico disponibili su licenza.

Eric Brethenox, analista di Gartner, afferma che l’uso dei dati dei consulenti e dei modelli di apprendimento automatico è in aumento, soprattutto tra i rivenditori. “Molte aziende utilizzano terze parti per costruire i propri modelli”, afferma Brethenoux, osservando che le società di consulenza utilizzano anche set di dati di terze parti per pre-costruire modelli da integrare nei sistemi dei clienti o, in rari casi, utilizzano sia la propria tecnologia che la propria dati per creare moduli per rivenditori e altri clienti. Kohls, ad esempio, ha concesso in licenza una piattaforma chiamata InSightIQ di Deloitte e sta lavorando con un altro partner, Axiom, per arricchire i suoi dati in tempo reale con altri set di dati. “Una delle cose più interessanti del panorama tecnologico odierno è la proliferazione di set di dati aggregati di terze parti”, afferma.

Una combinazione di algoritmi disponibili

Ad esempio, Kohl utilizza una serie di algoritmi di spesa dei clienti per prevedere il prossimo miglior affare di un cliente in base ai suoi acquisti recenti. Molti di questi algoritmi si basano sui dati direttamente dai clienti di un’azienda, sia online che nei negozi. Ma ora, per saperne di più sui suoi clienti fedeli, l’azienda può utilizzare set di dati concessi in licenza di terze parti per ottenere informazioni preziose sulle attività commerciali o ricreative di un cliente, ad esempio.

“Stiamo iniziando ad aumentare i dati proprietari con dati di terze parti per determinare che tipo di lavoro svolgono quando non fanno acquisti e ciò influisce sulle scarpe che dovremmo dare loro e qual è solo un esempio su dozzine”, afferma Paul Gaffney, aggiungendo che la comunità degli investitori utilizza i dati di gruppi di terze parti per molti anni, mentre la comunità imprenditoriale in generale è ancora agli inizi. I primi giorni del suo utilizzo.

ML al servizio della personalizzazione

“Negli ultimi sei mesi, abbiamo iniziato ad aggiungere, insieme a questi algoritmi deterministici di non apprendimento, nuovi modelli ML per aiutarci a essere più specifici sui tipi di accordi che dovremmo concludere. [aux acheteurs]a chi dovremmo farlo e quando dovremmo farlo”, spiega.

Paul Gaffney vede opportunità solo nel campo della personalizzazione. “Siamo stati molto abili nell’utilizzare la scienza dei dati per indirizzare meglio le nostre campagne di marketing storiche”, ha affermato il CTO. “Penso che non ci siano rimasti più di sei mesi per passare da un approccio basato sulla campagna a un approccio veramente personalizzato e altri tre o cinque anni di miglioramento continuo”.

Decisioni migliori con i dati

Con un’implementazione CDP aggiornata e una strategia di personalizzazione completa, Kohl’s potrebbe essere pronto a compiere altri passi aziendali più grandi. Ad esempio, l’azienda ha sfruttato i dati dei clienti per formare una partnership di marketing con il gigante dei cosmetici Sephora, con l’obiettivo di creare un business di bellezza da 2 miliardi di dollari. Entro il 2023, Kohl’s avrà negozi Sephora in 850 di oltre 1.100 negozi, secondo i suoi funzionari. Per il signor Gaffney, l’iperlocalizzazione è tra le applicazioni più “eccitanti” di dati di terze parti. Spiega che un obiettivo è applicare l’apprendimento automatico a una combinazione di dati in tempo reale e terziari per prendere decisioni promozionali altamente mirate e dove aprire negozi in base a una serie di migliaia di punti dati.

Questo potrebbe rivelarsi prezioso come parte dei piani dell’azienda di aggiungere 100 nuovi minimarket alla sua vasta base di negozi nei prossimi quattro anni. Negli ultimi decenni, utilizzando solo i dati dei propri clienti, Kohl’s ha offerto una selezione identica di prodotti in ogni negozio in base a dati demografici di base come reddito, informazioni sugli ordini, concorrenza locale e razza di base di clienti. Solo due anni fa, applicando set di dati di terze parti oltre ai propri dati in tempo reale, Kohl’s è stata in grado di creare, ad esempio, circa 35 diversi assortimenti di scarpe per diversi negozi, sulla base di dati aggiuntivi sulla popolazione, meteo e altri dati, dice Gaffney.

E quel numero è esploso con l’aumento del volume di modelli di apprendimento automatico e set di dati di terze parti. “Ora abbiamo un array con circa 1.500 celle invece di sole 35”, spiega il direttore tecnico. “Questo è ciò che faremo ora: costruire su questo modello di base per trovare dati migliori e utilizzare una migliore scienza dei dati per rendere i dati più accurati e quindi prendere decisioni più efficaci”.