Customer Shopping Behaviour Analytics: An Integrated Data Pipeline and Decision-Support System
تقدم هذه الورقة إطار عمل لتحليل البيانات متكامل وشامل ومدفوع بالذكاء الاصطناعي، يدمج عمليات استخراج وتحويل وتحميل البيانات (ETL) باستخدام لغة بايثون، ونمذجة قواعد بيانات MySQL، ولوحات تحكم تفاعلية لتحليل معاملات التجزئة، مما يكشف أنه على الرغم من وجود تفاوت في حجم العمليات، إلا أن هناك تكافؤاً في الإنفاق بين الجنسين، وأن الخصومات الترويجية ونماذج الاشتراكات الحالية تفشل في دفع حجم السلة أو متوسط الإنفاق لكل زيارة بشكل ملحوظ، مما يسلط الض الضوء على فجوات حرجة في استراتيجيات الاستحواذ والتحقيق المالي.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم التجزئة الحديث الصاخب، تترك كل عملية بيع أثراً رقمياً. فعندما يشتري عميل سترة، أو يدفع ببطاقة ائتمان، أو يترك تقييماً بالنجوم، فإنه يولد قطعة من البيانات. ولعقود من الزمن، حاول مديرو المتاجر ومخططوا الشركات فهم هذه الملايين من الملاحظات المتناثرة لمعرفة ما يدفع الناس للشراء، وما الذي يجعلهم يعودون مجدداً، وكيفية تسعير السلع لتحقيق أقصى قدر من الربح. كان التحدي دائماً يكمن في الحجم والوضوح؛ فالبيانات موجودة، لكنها غالباً ما تكون مدفونة في جداول بيانات فوضوية، ومليئة بالأرقام المفقودة، ومحبوسة في تنسيقات تتطلب مهارات متخصصة لفك رموزها. إن الهدف من هذا البحث هو تحويل تلك الكومة الفوضوية من الإيصالات والمراجعات إلى صورة واضحة وحية لسلوك العملاء، مما يسمح لقادة الأعمال برؤية ما يحدث بالضبط في متاجرهم دون الحاجة لأن يكونوا خبراء في الكمبيوتر.
ولتحقيق ذلك، بنى الباحثون نوعاً جديداً من الأنظمة يعمل كمترجم آلي بين سجلات المبيعات الخام واتخاذ القرار البشري. لقد بدأوا بمجموعة ضخمة تضم 3,900 معاملة حقيقية من بيئة تجزئة، تغطي كل شيء من الملابس والأحذية إلى الإكسسوارات. وفي شكلها الأصلي، كانت هذه السجلات غير مكتملة؛ حيث كانت بعض درجات رضا العملاء مفقودة، وكانت البيانات مشتتة عبر أعمدة مختلفة لا تتوافق دائماً مع بعضها البعض. قام الفريق أولاً بتنظيف هذه البيانات باستخدام برنامج كمبيوتر قام تلقائياً بملء درجات الرضا المفقودة من خلال البحث عن متوسط التقييم لهذا النوع المحدد من المنتجات، مما ضمن عدم التخلص من أي معلومات مبيعات قيمة. ثم قاموا بتنظيم البيانات المنظفة في قاعدة بيانات مهيكلة، وهي نظام أرشفة رقمي يسمح بالبحث والفرز الفوري. وأخيراً، بنوا موقعاً إلكترونياً بسيطاً وتفاعلياً حيث يمكن لمدير المتجر النقر على بضعة أزرار لطرح أسئلة مثل "كم ينفق الرجال مقارنة بالنساء؟" أو "هل الخصومات تجعل الناس يشترون أكثر بالفعل؟" والحصول على إجابة فورية.
كشفت نتائج هذا الاستقصاء عن حقائق مفاجلة تتحدى الافتراضات الشائعة حول كيفية سلوك المتسوقين. ويتعلق أحد الاكتشافات الأكثر لفتاً للنظر بجنس المشتري. فبينما شكل الرجال ثلثي جميع المشتريات في مجموعة البيانات، كان المبلغ الذي أنفقوه في كل زيارة متطابقاً تقريباً مع النساء. فقد أنفق الرجال في المتوسط 59.57 دولاراً لكل طلب، بينما أنفقت النساء 59.52 دولاراً. هذا الفرق الضئيل البالغ خمسة سنتات يثبت أن انخفاض إجمالي الإيرادات من المتسوقات ليس بسبب إنفاقهن الأقل عندما يتسوقن، بل ببساً لأن عدداً أقل منهن يطرق الأبواب. الفجوة تكمن تماماً في كيفية الوصول إلى عدد أكبر من العملاء، وليس في مقدار ما هن مستعدات لدفعه.
وتشكك نتيجة أخرى في فعالية تكتيكات المبيعات القياسية. فقد راقب الباحثون عن كثب ما حدث عندما استخدم العملاء قسائم الخصم. ووجدوا أنه بينما استخدم ما يقرب من 42% من جميع الطلبات خصماً، فإن متوسط حجم سلة التسوق لم ينمُ إلا قليلاً. فقد أنفق العملاء الذين استخدموا قسيمة خصم أكثر بمقدار 0.74 دولاراً فقط في المتوسط مقارنة بأولئك الذين دفعوا السعر الكامل. وهذا يشير إلى أنه بالنسبة للعديد من المتسوقين، فإن الخصم لا يشجعهم على شراء المزيد من السلع أو إنفاق المزيد من المال؛ بل إنه ببساطة يخفض سعر السلع التي كانوا يخططون لشرائها بالفعل. وبناءً على ذلك، تخسر المتجر جزءاً كبيراً من أرباحها المحتملة في تلك المبيعات دون الحصول على أي زيادة في حجم المبيعات لتعويض ذلك.
كما كشفت الدراسة عن مفارقة تتعلق ببرامج الولاء والاشتراكات. تفترض العديد من الشركات أن العملاء الذين يدفعون مقابل عضوية أو اشتراك هم أكثر قيمة وينفقون أكثر في كل زيارة. ومع ذلك، أظهرت البيانات أن المشتركين النشطين أنفقوا في المتوسط 59.47 دولاراً لكل زيارة، بينما أنفق غير المشتركين 59.59 دولاراً. هذا الفرق ضئيل للغاية، مما يشير إلى أن هذه العضويات تعمل حالياً كوسيلة مريحة للدفع أو كميزة للمتسوقين الدائمين بدلاً من كونها أداة تدفعهم لإنفاق المزيد. وقد وُجد أن المحركات الحقيقية للإنفاق المرتفع هي أنواع منتجات معينة وتكرار الزيارات. على سبيل المثال، أنفق العملاء الذين اشتروا الأحذية أكبر مبلغ لكل طلب بواقع 60.75 دولاراً، وكان العملاء الأكثر ولاءً، وهم أولئك الذين قاموا بأكثر من عشر عمليات شراء في الماضي، يمثلون ما يقرب من نصف جميع المعاملات.
من خلال الجمع بين خطوات تنظيف البيانات الآلية هذه والموقع الإلكتروني سهل الاستخدام، أثبت الباحثون أن أسئلة الأعمال المعقدة يمكن الإجابة عليها في أقل من ثانية، وهي مهمة كانت تستغرق سابقاً ساعات من العمل اليدوي على جداول البيانات. يسمح النظام للمديرين بتصفية البيانات فورياً حسب العمر، أو الجنس، أو نوع المنتج، ورؤية كيف يتصرف كل طرف من المجموعات المختلفة. فعلى سبيل المثال، وجدوا أن العملاء الذين اشتروا أحذية حققوا أعلى متوسط قيمة للطلب، كما أكد النظام أيضاً أن تفضيلات الشحن وطرق الدفع موزعة بالتساوي، مع عدم هيمنة أي خيار واحد على الآخرين، مما يشير إلى أن تقديم مجموعة متنوعة من الخيارات أمر ضروري لإبقاء العملاء سعداء.
تكمن القيمة القصوى لهذا العمل في قدرته على تحويل الأرقام الخام إلى استراتيجية قابلة للتنفيذ دون الحاجة إلى درجة في علوم الكمبيوتر. لقد أظهر الباحثون أن الطريق نحو أرباح أفضل لا يكمن بالضرورة في الخصومات الأكثر عدوانية أو افتراض أن الأعضاء سينفقون أكثر. بدلاً من ذلك، تشير البيانات إلى الحاجة لجذب المزيد من المتسوقات، بما أن إنفاقهن يضاهي إنفاق الرجال بمجرد وصولهن، وإعادة التفكير في كيفية هيكلة برامج الولاء لتشجيع الإنفاق المرتفع حقاً. إن النظام الذي بنوه يعمل كأداة موثوقة ومنخفضة التكلفة يمكن لأي عمل تجزئة استخدامها لمراجعة أدائه، ورصد هذه الأنماط الخفية، واتخاذ القرارات بناءً على ما يفعله العملاء بالفعل، وليس بناءً على ما تفترضه الشركات عما يفعله العملاء.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.