Jump to content

We already know what you need!

2014-06-12 19:24:19

How could the store know earlier about the girl's pregnancy, than her own father? How can the internet ads know what you need and what you care? The answer is BIG DATA.

Today each conference has at least one section about how good the BIG DATA is, but whether do you know what this new hoax is? BIG DATA is not a new invention, it has existed and been used as well, but it used to be called data mining and had significant cost. Nevertheless, thanks to the spread of the Internet, additional pieces of information are now available to everyone in some form, which can help them to get to know the consumers, their habits, and even their secret desire ...



Similar was the case for American supermarket, Target. An online register form was placed on the company's website for pregnant women, which targeted a variety of additional services and after entering some data women got coupons for it. Data were evaluated, the company realized that mothers around the beginning of the second trimester bought large amounts of odorless lotion, or around the first 20 weeks they bought more than the average amount of calcium, magnesium, and zinc tablets. Women near to giving birth bought unscented soap, extra-large cotton-ball pack and disinfecting liquid soap.

25 products were localized and in case of purchasing these product combinations the system issued a probabilistic pregnancy indicator, and it calculated a mother took which period of the pregnancy and what she will need in the coming periods. This algorithm was not only begun to use for pregnant web registrants, but also begun to use for ordinary shoppers and donated them with discount coupons for pregnancy coupons.

One day an indignant man entered one of their stores, and angrily demanded to speak to the manager. He found disgusting that the supermarket had given pregnancy product discount coupons to his high school dughter, and with this gesture they were "inspiring" young girls to take a child prematurely. The indignant daddy was dismantled by many apologies were being asked, and software developers got rebuked, but a few days later, the father gave a call back again and was talking on a different tone, as in the meantime turned out that daddy's little girl was really pregnant, but she did not dare to say. The father was shocked how the store could know earlier than he did. Simply because the software forecasted it correctly referring to the patterns of pregnancy.

After the news spread, people got frightened, they began to fear for their data, their secrets, so the prescient product recommendation lost its popularity and traffic volumes seemed diminishing. What was this retailer's next move? They mixed irrelevant product discount coupons to the pregnancy vitamin ones, such as lawnmower or dishes, to intersperse the customers' concerns and to successfully improve the pregnancy and baby care product segment.

Not by chance it's written that future dealers must provide amusement at shopping like at a good dating. An event where the trader knows what my needs are, and the ability to immediately give them the best possible answer. Where everything is at the right place, I get what I expected, or even a little more, but it still remains completely natural, seems self-evident, and isn't polluted by the feel of espionage.

What does the trader need to know about me to recognize my needs in advance?

Unreasonable amount of quality data and good answers to good questions! The example above, no matter how shocking it is, an exception because all life situations can not be predicted referring to only purely transactional data. As in the case of patterns were provided by pregnant women registrants' purchases, you need a well-defined group of people, whose data is extracted into behavioral patterns and projected onto the unknown masses.

retail5.jpg

These days, lucky traders have huge amount of data available but many times they don't know what to do with it.

The data of cash transactions, loyalty cards, store inventory changes, store motion sensors, online shop shearch finds, browsing activities, online shoppings and call center calls is for better understanding who, what and when to buy. Moreover, modern big data applications are able to search in bulk of information perfectly too (facebook, twitter, blogs, comments, video and picture sharing, etc).

You cannot declare that there was no data mining previously, but finding relations in these huge scale databases was impossible or hard and slow to do. It is no coincidence that monthly reports for many company leaders mean the statistics. But may be able to respond with an appropriate speed based on monthly reports?

Whould you be brave enough to cross the road if your information about coming cars is 5 minute old?

A vásárlási adatoknak és egy hűségkártya rendszer személyes adatainak összevezetésével a SPAR, a Coop, vagy a CBA már ma is képes lenne arra, hogy hasonló előrejelzéseket készítsen, mint az amerikai Target. Vannak hozzá adatai, és rendelkezésre állnak a technológiák. De ehhez a megfelelő kérdéseket kell tudni feltenni a szerteágazó adattömegnek.

Kevin Weil, a Twitter vezető elemzője mondta: “Ma már könnyű megtalálni a választ egy kérdésre. Sokkal nehezebb megtalálni a megfelelő kérdést". Cégek ezrei ülnek terabájtnyi méretű adathalmokon, de a legtöbb esetben fogalmuk sincs, hogyan tudnának az alapvető statisztikákon túl hasznos információt kiszedni belőle. Egy idő után szalagra archiválják, és beteszik egy szekrénybe. Pedig ott van rajta a múltunk, ami számukra a jövő lehetne.

Még több adat kell

Azonban annak ellenére, hogy ennyi adat és forrás áll rendelkezésünkre, mégg mindig nincsenek meg sok esetben a megfelelő eszközeink arra, hogy az egyes adatforrásokat összekössük és együttesen elemezük azokat. Ez ugyanis a kulcsa annak, hogy  a kereskedők elérjék azt a bizonyos randevú hatást és a siker biztos lehessen.  

Jelenleg még csak a BIG DATA felszínét kapargatjuk, például a Google párizsi utazásos hirdetést jelenít meg neked, ha korábban valamiért a Párizs szóra kerestél, pedig lehet, hogy Te csak azt szeretted volna megtudni, hogy hány metró van Párizsban. A jövőben a Google és az összes webáruház olyan intelligens ajánlatokkal bombáz majd, amiben tudni fogják, van-e pénzed Párizsba utazni, van-e kivel utaznod, szoktál-e utazgatni és milyen programok érdekelnek inkább. Meg tudják becsülni, hogy autóval, vagy repülővel fogsz-e menni, milyen hotel lehet a preferenciád, stb.

Ehhez azonban a big data algoritmusokba az élet minél több területéről származó adatokat be kell kapcsolni. A vásárlásaidat, a netes kereséseidet, a hozzászólásaidat, megosztásaidat a közösségi oldalakon, és nem utolsó sorban a téged körülvevő szenzorok információit is be kell majd csatornázni. Ezt készíti elő a Google új analikai kódja a Universal Analytics is, ahol már nem csak az online, hanem az offline szokásaidat is követhetik a cégek.

Kémek a lakásban, a boltokban, a testünkön ....

Minél több okos eszközzel vesszük körül magunkat a lakásunkban, az autónkban, a testünkön, annál kiszolgáltatottak leszünk a szenzorok korában. Ugyanis ezek az eszközök kérdés nélkül, vagy egy rosszul látható pipa ki nem csekkolása után, továbbítják majd adatainkat arról, hogy mikor hová megyünk, milyen érzelmi reakcióba kerülünk, mely időszakban mit csinálunk lakásunkban, vagy éppen milyen egészségügyi állapotban vagyunk. Ha csak egy lakás energiafelhasználását gyűjtenénk smart eszközökkel, már abból is nagyon mélyen megismernénk a lakók életét: Hányszor főznek, hányszor melegítik csak mikróban az ételt, mikor és mennyit tévéznek, számítógépeznek, mikor mosnak. retail6.jpgÖsszevetve milliónyi másik háztartás energiafogyasztásával, megdöbbentően pontosan meg lehet saccolni olyan tulajdonságokat is, amelyek az adatokból egyértelműen nem vezethetők le.

Most ez alapján képzeljük el, mit árulunk el azzal, ha az autónk, hűtőszekrényünk, termosztátunk, biztonsági rendszerünk, tévénk, hifink, okosóránk is folyamatosan adatokat szolgáltat. Az egyik oldalról rémisztően orwelli világképet sugall. A másik oldalról azonban ez egy óriási lehetőség, amiből a kereskedők és a vásárlók is profitálhatnak. Tévedés azt hinni, hogy a kereskedők a lehető legdrágább terméket próbálják rásózni a vevőkre. Valójában pontosan tudják, hogy ez nem működne, ehelyett mindenkinek a neki legjobban kellő termékeket szeretnék kínálni, de ehhez a ma elérhetőnél összetettebb adatokra van szükségük.

A facebookon ma is lehet hirdetést targetálni néhány speciális élethelyzetre, pl. akiknek új munkájuk van, távol vannak a családjuktól, friss kapcsolatban vannak, vagy nemrég költöztek, de mivel az adatszolgáltatás önkéntes és manuális, ezért ha már érdeklődési körre szűkítünk, drámaian lecsökken a célba vehető emberek köre.

Big picture

Ahogy a kereskedőknél, vagy a Google-nál, úgy a facebook kezében is csak a valóság egy szelete van, ebből próbálja az alkalmazásaival megbecsülni a teljes képet.

retail4.jpg

Más tabletre lehet szükségem, ha van vagy nincs gyerekem, ha bizonyos márkákat preferálok, ha tévében vagy számítógépen nézek filmeket, ha első vagy többedik

tabletet akarok venni, ha egy blogban vagy a facebookon feltettem már kérdéseket tabletekről, ha kevés vagy sok a fizetésem, de befolyásolhatja az is, ha sok a fizetésem, mégis valamiért bizonytalannak érzem az állásomat.

Ahhoz, hogy a kereskedők a lehető legpontosabban tudják, mire van szükségünk, ahhoz valakinél össze kell futnia az összes (de legalábbis sok) adatnak. Nem véletlen, hogy a Google és az Apple is nyomul a smart home és a hordozható okoseszközök területén.

Ettől függetlenül jelenleg áthatolhatatlan törésvonalak látszanak a kereskedelmi adatok (Amazon, Wal-Mart, stb.), a szociális kapcsolatok adatai (facebook), a webes aktivitás adatai (Google, facebook (Like gomb)), és a szenzorokkal megpakolt kütyük adatai (Google, Apple) között. Azt gondolom, az út mégis ezek közös platformra hozása felé vezet, bármilyen stádiumban vagyunk is jelenleg.

Feltéve, hogy ez megtörténik, elképzelhetetlen piaci rálátásuk és hatalmuk lesz azoknak, akik mindezeket az adatokat birtokolni fogják. Mivel saját önismeretünk legtöbbször elég gyenge lábakon áll, nem végletes túlzás azt állítani, hogy jobban fogják tudni mire van szükségünk, mint mi magunk. A kereskedők olyan alaposan célzott, személyre szabott hirdetéseket tudnak majd készíteni, amik jelentősen felgyorsítják a vásárlási döntéshozatalt, de ez még jelen pillanatban a jövő...

Azt fogjuk mondani: Azért szeretek az XY boltjában vásárolni, mert pont olyan termékeket kínál kedvezményesen, amilyeneket venni akarok. És pont ez lesz a big data egyik legnagyobb eredménye a kereskedelemben, a tökéletes randevú.

Forrás: Smart Tech Blog