Customer Shopping Behaviour Analytics: An Integrated Data Pipeline and Decision-Support System

In de bruisende wereld van de moderne detailhandel laat elke transactie een digitale voetafdruk achter. Wanneer een klant een jas koopt, betaalt met een creditcard of een sterrenwaardering achterlaat, genereert hij een stukje data. Decennialang hebben winkelmanagers en bedrijfsplanners geprobeerd om deze miljoenen verspreide aantekeningen betekenis te geven om te begrijpen wat mensen drijft om te kopen, wat hen doet terugkeren en hoe artikelen geprijsd moeten worden voor maximale winst. De uitdaging is altijd geweest een kwestie van volume en duidelijkheid; de data is er wel, maar is vaak begraven in rommelige spreadsheets, vol met ontbrekende getallen en opgeslagen in formaten die gespecialiseerde vaardigheden vereisen om te ontsluiten. Het doel van dit onderzoek is om die chaotische stapel bonnetjes en beoordelingen te transformeren naar een helder, levend beeld van klantgedrag, waardoor bedrijfsleiders precies kunnen zien wat er in hun winkels gebeurt zonder dat zij computerexperts hoeven te zijn.

Om dit te bereiken, hebben de onderzoekers een nieuw soort systeem gebouwd dat fungeert als een automatische vertaler tussen ruwe verkoopgegevens en menselijke besluitvorming. Ze begonnen met een enorme collectie van 3.900 echte transacties uit een retailomgeving, variërend van kleding en schoeisel tot accessoires. In hun oorspronkelijke vorm waren deze gegevens imperfect; sommige klanttevredenheidsscores ontbraken, en de data was verspreid over verschillende kolommen die niet altijd op één lijn lagen. Het team heeft deze data eerst schoongemaakt met een computerprogramma dat automatisch de ontbrekende tevredenheidsscores invulde door te kijken naar de mediaanwaardering voor dat specifieke type product, waardoor werd gewaarborgd dat er geen waardevolle verkoopinformatie verloren ging. Vervolgens hebben ze de schoongemaakte data georganiseerd in een gestructureerde database, een digitaal bestandssysteem dat direct zoeken en sorteren mogelijk maakt. Ten slotte bouwden ze een eenvoudige, interactieve website waar een winkelmanager met een paar klikken vragen kan stellen zoals: "Hoeveel geven mannen uit vergeleken met vrouwen?" of "Zorgen kortingen er echt voor dat mensen meer kopen?" en direct een antwoord krijgt.

De resultaten van dit onderzoek onthulden verschillende verrassende waarheden die gangbare aannames over hoe consumenten zich gedragen, uitdagen. Een van de meest opvallende ontdekkingen heeft betrekking op geslacht. Hoewel mannen twee derde van alle aankopen in de dataset vormden, was het bedrag dat per bezoek werd uitgegeven voor zowel mannen als vrouwen vrijwel identiek. Mannen gaven gemiddeld $59,57 per bestelling uit, terwijl vrouwen $59,52 uitgaven. Dit minieme verschil van vijf cent bewijst dat de lagere totale omzet van vrouwelijke shoppers niet komt doordat zij minder uitgeven wanneer ze eenmaal winkelen, maar simpelweg omdat er minder van hen door de deur komen. De kloof zit volledig in de mate waarin klanten worden bereikt, niet in hoeveel ze bereid zijn te betalen.

Een andere bevinding zet vraagtekens bij de effectiviteit van standaard verkooptactieken. De onderzoekers keken nauwgezet naar wat er gebeurde wanneer klanten gebruikmaakten van kortingsbonnen. Ze ontdekten dat hoewel bijna 42% van alle bestellingen gebruikmaakte van een korting, de gemiddelde grootte van het winkelmandje nauwelijks groeide. Klanten die een coupon gebruikten, gaven gemiddeld slechts $0,74 meer uit dan klanten die de volle prijs betaalden. Dit suggereert dat een korting voor veel shoppers er niet toe leidt dat ze meer artikelen kopen of meer geld uitgeven; het verlaagt simpelweg de prijs van de artikelen die ze al van plan waren te kopen. Bijgevolg verliest de winkel een aanzienlijk deel van zijn potentiële winst op die verkopen, zonder dat daar een extra volume tegenover staat om dit te compenseren.

De studie bracht ook een paradox aan het licht met betrekking tot loyaliteitsprogramma's en abonnementen. Veel bedrijven gaan ervan uit dat klanten die betalen voor een lidmaatschap of abonnement waardevoller zijn en meer uitgeven per bezoek. Echter, de data toonde aan dat actieve abonnees gemiddeld $59,47 per bezoek uitgaven, terwijl niet-abonnees $59,59 uitgaven. Het verschil is verwaarloosbaar, wat aangeeft dat deze lidmaatschappen momenteel eerder fungeren als een handige manier om te betalen of als een extraatje voor frequente shoppers, dan als een instrument dat hen aanzet tot meer uitgeven. De echte drijfveren voor hoge uitgaven werden gevonden in de specifieke soorten producten en de frequentie van bezoeken. Zo gaven klanten die schoeisel kochten het meeste per bestelling uit, namelijk $60,75, en de meest loyale klanten, zij die in het verleden meer dan tien aankopen hebben gedaan, waren verantwoordelijk voor bijna de helft van alle transacties.

Door deze automatische stappen voor het opschonen van data te combineren met een gebruiksvriendelijke website, hebben de onderzoekers aangetoond dat complexe zakelijke vragen in minder dan een seconde beantwoord kunnen worden, een taak die voorheen uren handmatig werk in spreadsheets vereiste. Het systeem stelt managers in staat om data direct te filteren op leeftijd, geslacht of producttype, om precies te zien hoe verschillende groepen zich gedragen. Zo ontdekten zij bijvoorbeeld dat klanten die schoeisel kochten de hoogste gemiddelde bestelwaarde hadden, terwijl het systeem ook bevestigde dat verzendvoorkeuren en betaalmethoden gelijkmatig verdeeld zijn, zonder dat één optie de andere domineert, wat suggereert dat het bieden van een verscheidenheid aan keuzes essentieel is om klanten tevreden te houden.

De uiteindelijke waarde van dit werk ligt in het vermogen om ruwe cijfers om te zetten in een bruikbare strategie zonder dat daar een diploma in informatica voor nodig is. De onderzoekers hebben aangetoond dat de weg naar betere winsten niet noodzakelijkerwijs ligt in agressievere kortingen of in de aanname dat leden meer zullen uitgeven. In plaats daarvan wijzen de data op een noodzaak om meer vrouwelijke shoppers aan te trekken, aangezien zij net zoveel uitgeven als mannen zodra zij eenmaal binnen zijn, en om loyaliteitsprogramma's te heroverwegen zodat ze echt hogere uitgaven stimuleren. Het systeem dat zij hebben gebouwd dient als een betrouwbaar, goedkoop hulpmiddel dat door elke retailonderneming gebruikt kan worden om de eigen prestaties te auditeren, verborgen patronen te ontdekken en beslissingen te nemen op basis van wat de klanten daadwerkelijk doen, in plaats van wat het bedrijf aanneemt dat zij doen.