«Яндекс» запустил аналитику на основе данных о покупках с касс магазинов

Ритейлеры и бренды узнают, как продажи каждого товара зависят от погоды и пробок
Проект основан на данных о покупках с касс магазинов/ М. Стулов/ Ведомости

«Яндекс» запустил пилотный проект для производителей и продавцов товаров повседневного спроса, рассказал «Ведомостям» руководитель сервиса «Яндекс.ОФД» Леонид Шныр. Проект основан на данных о покупках с касс магазинов: с 1 июля 2017 г. такие сведения отправляются в ФНС в режиме онлайн через операторов фискальных данных. Так, один из них – «Яндекс.ОФД» на основе опыта «Яндекса» может анализировать обобщенные обезличенные данные для создания новых аналитических инструментов, пояснил Шныр.

Пилотный проект продлится 12 месяцев, в нем участвуют PepsiCo, Procter & Gamble (P&G), Unilever, а также ритейлеры «Мой магазин» и «Макси», магазины бытовой химии и косметики «Улыбка радуги», отметил Шныр. Представители PepsiCo, P&G, «Макси», «Улыбки радуги» подтвердили участие в проекте «Яндекс.ОФД». В Unilever и «Моем магазине» на запрос не ответили. Ведутся переговоры и с другими производителями и розничными сетями, добавил руководитель «Яндекс.ОФД». При этом, по его словам, сотрудничать с «Яндексом» могут как его партнеры по передаче данных в налоговую, так и те, кто работает с другим оператором фискальных данных.

Аналитика данных с касс позволит знать и прогнозировать, когда товар заканчивается на полке, работать с товарным запасом, точно оценивать результаты экспериментов в магазине, подбирать ассортимент, проводить промоакции, основываясь на прогнозах о всплесках продаж и проч., перечисляет Шныр. Кроме фискальных данных, по его словам, в аналитике в зависимости от задачи могут использоваться другие данные сервисов «Яндекса» «Погода», «Карты», «Пробки», «Поисковые запросы» и т. д. Погода может влиять на продажи определенных видов товаров, а пробки и дорожная ситуация влияют на трафик торговых точек.

Крупные бренды тратят на исследования рынка и покупателей десятки миллионов рублей в год, отмечает бренд-менеджер крупного иностранного производителя питания. Аналитика на основе больших массивов данных нужна компаниям особенно в периоды снижения потребительского спроса, активных промокампаний, во время вывода на рынок новинок, перечисляет он.

Аналитика на основе фискальных данных более подробна, чем традиционные исследования, добавляет участник пилотного проекта «Яндекс.ОФД»: можно видеть, в какое время дня, где, вместе с какими товарами покупается тот или иной продукт. Использование других сервисов «Яндекса» позволит подстраивать ассортимент под спрос потребителя в зависимости, например, от погоды и сделать ему адекватное предложение, рассуждает он.

Традиционная аналитика и опросы потребительских настроений проигрывают как по объему анализируемых данных, так и по скорости, добавляет участник проекта. В последнее время скорость смены привычек покупателей выросла, отмечает он, потребители научились быстро переключаться с экономии на активный шопинг – такие модели не поддаются традиционному анализу.

Другие операторы фискальных данных тоже предлагают партнерам аналитические продукты. Как рассказал директор OFD.RU Антон Румянцев, его компания сотрудничает по некоторым из них с разработчиком систем искусственного интеллекта oneFactor. В пример он приводит «виртуального аналитика»: при помощи аналитики текстов можно сопоставлять товары с различными вариантами названий, включая ошибки и сокращения, и автоматически относить их в единую товарную номенклатуру в базе данных. «Это автоматизирует ручной труд как при офлайн-продажах, так и в электронной коммерции», – отмечает Румянцев. OFD.RU разрабатывает продукт и для аналитики покупательского поведения, добавил он.