Industri retail saat ini menghadapi berbagai tantangan yang kian
bermunculan sehingga membuat pelaku usaha retail harus bekerja keras demi
keberlanjutan usaha mereka. Bukan berarti industri retail sudah tidak diminati
lagi. Namun, perkembangan dunia digital dan segala kemudahan yang diberikan
secara perlahan-lahan menekan keberadaan toko-toko mereka. Tantangan ini
terlihat sangat berat bagi karena telah ada beberapa
perusahaan retail terkenal yang memutuskan untuk menutup
toko-tokonya. Salah satu factor kegagalan dari retail adalah tidak menerapkan
teknologi yang tepat untuk usaha mereka. perkembangan teknologi, perubahan
minat belanja konsumen, dan persaingan yang ketat membuat retail harus
memikirkan solusi yang tepat. Untuk menghadapi tantangan ini pengusaha retail
bisa menggunakan big data dalam membantu proses usaha mereka.
Big
Data analitik kini diaplikasikan pada setiap tahapan dari proses retail – mulai
dari memprediksi tren produk yang populer, meramalkan di mana permintaan yang
tinggi untuk produk-produk tersebut, mengoptimalisasi harga yang kompetitif,
mengidentifikasi apakah konsumen akan tertarik pada produk tersebut serta
mencari cara terbaik untuk menjualnya kepada mereka, dan pada akhirnya
menentukan produk apa yang selanjutnya dapat dijual pada mereka. Berikut adalah
contoh masalah dan solusi yang bisa di gunakan dalam usaha retail :
1. Kesulitan
untuk Memprediksi Tren
Saat ini, pelaku usaha
retail memiliki banyak alternatif tool yang bisa digunakan untuk dapat
menentukan apa yang akan menjadi barang yang berlabel ‘must have’ di
setiap musim, apakah itu mainan anak-anak atau gaun buatan desainer. Algoritma
peramalan tren menyisir postingan media sosial dan kebiasaan browsing internet
untuk mengetahui apa yang menyebabkan suatu buzz, dan data iklan
berbayar juga dianalisa untuk melihat apa yang akan diajukan oleh departemen
marketing. Brand dan marketer terlibat dalam ‘analisis sentimen’, menggunakan
algoritma yang berbasis machine learning canggih untuk menentukan konteks saat
sebuah produk didiskusikan, dan data ini dapat digunakan untuk memprediksi
secara akurat produk apa dan kategori barang apa yang penjualannya akan laris
di masa depan.
2. Meramalkan
Permintaan
Dimana ada pemahaman akan
jenis produk apa yang orang-orang akan beli, maka pelaku retail harus
memikirkan di mana akan adanya permintaan. Hal ini melibatkan pengumpulan data
demografik dan indicator ekonomi untuk mendapatkan gambaran kebiasaan belanja
di pasar sasaran. Sebagai contoh, pelaku retail di Russia mengetahui bahwa
permintaan akan buku meningkat tajam seiring dengan cuaca yang semakin dingin.
Jadi, para pengecer di sana, khususnya penjual berbasis website, meningkatkan
jumlah rekomendasi buku yang akan muncul di layar konsumen ketika suhu turun di
daerah mereka.
3. Mengoptimalkan
Harga
Pelaku retail besar
seperti Walmart, menghabiskan jutaan pada sistem merchandising real-time mereka
– faktanya, saat ini Walmart sedang dalam proses untuk membangun “cloud private
terbear di dunia” untuk melacak jutaan transaksi setiap harinya secara
real-time. Algoritma melacak permintaan, tingkat persediaan, dan aktivitas
competitor kemudian otomatis memberikan respon pada perubahan pasar secara
real-time, memungkinkan tindakan untuk dapat diambil berdasarkan insight yang
didapat dalam hitungan menit.
Big Data juga memiliki
peran dalam membantu menentukan kapan harga harus diturunkan. Sebelum era
analitik, mayoritas retailer hanya akan mengurangi harga pada akhir masa
pembelian suatu produk tertentu ketika permintaan nyaris hilang. Namun,
analitik telah menunjukkan bahwa penurunan harga yang bertahap, mulai dari saat
permintaan melorot, umumnya menyebabkan peningkatan pendapatan. Menurut
eksperimen yang dilakukan dan didukung oleh pendekatan prediktif untuk
menentukan kebangkitan dan kejatuhan dari permintaan sebuah produk, pendekatan
ini diketahui mampu mengalahkan sistem pendekatan “end of season sale” sebanyak
9:1.
4. Mengidentifikasi
Konsumen
Menentukan konsumen mana
yang menginginkan suatu produk tertentu, dan mengetahui cara terbaik untuk
meletakkannya di hadapan mereka merupakan kunci di sini. Sampai saat ini,
pengguna retail sangat bergantung pada teknologi recommendation
engine online, serta data yang dikumpulkan melalui catatan transaksi baik
offline maupun online. Permintaan diperkirakan untuk masing-masing wilayah
geografis berdasarkan demografi tentang konsumen mereka yang dimiliki pada area
tersebut. Ini berarti saat retailer mendapat pesanan, mereka bisa memenuhinya
dengan lebih cepat dan efisien. Data bagaimana setiap konsumen berinteraksi dan
berkomunikasi dengan retailer digunakan untuk menentukan cara terbaik untuk
menarik perhatian konsumen dengan menggunakan promosi atau suatu produk
tertentu – baik melalui email, SMS, atau notifikasi yang ada di ponsel.
5. Menarik
Uang
Analitik telah
menunjukkan bahwa banyak konsumen yang mengunjungi toko online tidak jadi
membeli pada saat-saat terakhir ketika konsumen memasukkan barang ke dalam
keranjang belanja digitalnya namun tidak mengonfirmasi pembayaran. Pelaku
retail dengan bantuan analitik berteori bahwa fenomena ini terjadi karena
konsumen tidak dapat menemukan kartu kredit maupun debit untuk mengonfirmasi
detail pembayaran. Beberapa perusahaan retail akhirnya mengubah cara
pembayarannya menjadi model invoice, di mana konsumen bisa membayar setelah
produk diantarkan. Model ini didukung dengan pencegahan kecurangan yang canggih
untuk memastikan sistem tidak dapat dimanipulasi oleh pihak-pihak yang berniat
jahat.
6. Mengukur
sentimen merek.
Studi merek menggunakan
grup fokus dan teknik jajak pendapat pelanggan bisa mahal dan sering kali tidak
akurat. Dengan menggunakan analitik data besar. Anda dapat melakukan analisis
sentimen merek pelanggan berdasarkan tren perilaku menggunakan sumber seperti
Pinterest, Twitter, dan Facebook, misalnya. Hasilnya kurang bias dan dapat
digunakan untuk memandu pengembangan produk, iklan, dan program pemasaran.
7. Membuat
promosi khusus
Analisis data besar dapat
digunakan untuk membuat penawaran khusus berdasarkan riwayat penelusuran dan
sumber data lainnya.
8. Memperbaiki
tata letak took
Big data dapat digunakan
untuk menganalisis arus lalu lintas pelanggan di dalam toko. Data sensor seperti
RFID atau kode QR dapat digunakan untuk melacak lalu lintas di toko dan
kebiasaan berbelanja
9. Mengoptimalkan
e-commerce
Data clickstream dan
pemantauan perilaku online dapat membantu mengoptimalkan situs e-commerce.
Tanpa bantuan data besar, volume data clickstream yang belaka akan sulit untuk
dianalisis. Dan pengecer dapat menggabungkan metrik lain seperti saham media
sosial, riwayat pembelian, dan lainnya untuk meningkatkan kinerja situs web
e-commerce.
10. Manajemen
pesanan
Big data dapat sangat berharga untuk
manajemen inventaris dan pelacakan. Misalnya, data besar dapat
menginventarisasi kebutuhan untuk memfasilitasi pengiriman real-time.
Kesimpulan
Industri retail memang sedang
mengalami sedikit stagnasi, namun perusahaan-perusahaan retail mengakalinya
dengan merangkul ide tentang migrasi produknya ke dalam bentuk digital.
Revolusi digital besar-besaran yang sedang terjadi selama satu decade terakhir
memang menarik untuk diikuti, terutama di industry retail. Di Indonesia
sendiri, banyak pelaku retail yang sudah mulai mengikuti revolusi digital ini,
sayangnya hanya sedikit yang menggunakan kekuatan big data analitik untuk
membuat penjualan menjadi laku.
Pengguna retail – besar maupun kecil
– telah menuai keuntungan dari menganalisa data terstruktur selama
bertahun-tahun, namun mereka baru saja memahami analisa data yang tidak
terstruktur. Padahal tidak diragukan lagi bahwa terdapat banyak potensi yang
belum terjamah dalam media sosial, feedback konsumen, potongan video, rekaman
percakapan telepon, dan data-data GPS. Keuntungan besar akan datang pada
perusahaan yang selalu mencari solusi terbaik untuk meningkatkan performanya,
dan menjadi inovatif serta menggunakan analitik merupakan beberapa solusi
terbaik yang dapat dilakukan dibanding hanya dengan mengumpulkan tumpukan data
berjumlah besar dan hanya melihat data tersebut tanpa melakukan apapun.
SUMBER
0 comments:
Post a Comment