Get fresh updates from Hortonworks by email

Once a month, receive latest insights, trends, analytics, offering information and knowledge of the Big Data.

CTA

시작하기

클라우드

시작할 준비가 되셨습니까?

Sandbox 다운로드

어떤 도움이 필요하십니까?

닫기닫기 버튼
CTA

소매업체 빅 데이터 분석

동영상 동영상 버튼 재생

클라우드 빅 데이터 및 적응형 소매업 엔터프라이즈

백서 다운로드

A quality connection to customers

Are you with your consumers, or one step behind? When they enter the store or visit your site, what do you know about them and how can you service them? What did they Tweet about you? With Hortonworks, you can be your customers’ first choice based on an enhanced ability to respond to consumers, serve up timely promotions based on their preferences, and improve service with faster orders.

실증적 데이터의 힘을 활용하는 소매업체

Hortonworks의 연결 데이터 플랫폼은 데이터를 캡처, 수집, 저장 및 분석하는 비용을 크게 줄입니다. 기존 시스템 및 운영과 통합할 경우, 소매업체는 고객 패널, 점두 조사 또는 포커스 그룹에 의존하여 판매 촉진 요인을 불확실하게 추측하는 대신 충분한 데이터를 분석하여 경험에 근거한 소매업 데이터를 통계적으로 확실하게 관찰하고 파악할 수 있습니다.

이용 사례

고객에 대한 전방위적 시각 구축

소매업의 경우 고객과의 상호 작용에 다양한 채널이 활용되지만, 고객 상호 작용과 구매 데이터는 보통 데이터 저장소에 들어 있지 않은 경우가 많습니다. 고객의 최종 구매 데이터를 마케팅 전략 및 온라인 검색 행위와 정확하게 연계시킬 수 있는 소매업은 거의 드뭅니다.

연결 데이터 플랫폼을 통해 소매업체는 고객 행동의 단일 뷰를 얻을 수 있습니다. 이를 통해 소매업체는 데이터를 더 오래 저장하고 고객 라이프사이클의 단계를 확인할 수 있습니다. 고객에 대한 분석이 정확할수록 매출은 증가하고, 재고 비용은 감축되며, 충성도가 높은 고객을 장기간 보유할 수 있습니다.


브랜드 심리 분석

기업들은 자사 브랜드의 상태를 추적할 수 있는 안정적인 방법을 갖추고 있지 못합니다. 따라서 광고나 경쟁사의 행보, 제품 론칭 또는 뉴스의 내용이 자사 브랜드에 어떤 영향을 미치는지에 대해 분석하기가 어렵습니다. 기업이 내부적으로 수행하는 브랜드 연구는 속도가 느리고 비용이 많이 들며 오류가 발생할 수 있습니다.

연결 데이터 플랫폼을 사용하면 소셜 미디어에 게재된 브랜드에 대한 객관적인 의견을 빠르게 확보할 수 있습니다. 소매업체들은 Twitter, Facebook, LinkedIn 또는 업계별 소셜 미디어 스트림을 통해 브랜드에 대한 심리를 분석할 수 있습니다. 고객의 인식을 보다 정확하게 파악할 수 있으므로 기업은 커뮤니케이션, 제품, 프로모션을 고객의 인식에 맞추어 조정할 수 있습니다.


현지화된 개인 맞춤형 프로모션 제공

소매업체에서 휴대전화 가입자의 위치 정보를 확인할 수 있는 경우 현지화된 개인 맞춤형 프로모션을 제공할 수 있습니다. 이러한 환경을 구축하려면 기록 데이터는 물론 실시간 스트리밍 데이터와도 연결해야 합니다.

Apache Hadoop®과 Apache NiFi는 모든 데이터를 한 군데에 결합하여, 모바일 장치로 제공되는 프로모션을 큰 비용 없이도 현지화하고 개인에 맞춰 조정할 수 있도록 합니다. 고객의 선호도와 지리적 위치(특정 매장의 특정 분야로까지 세분화)에 따라 적합한 현지 이벤트와 영업 활동을 고객에게 알려주는 모바일 앱을 소매업체에서 직접 개발할 수 있습니다.

Macy's는 2013 홀리데이 쇼핑 시즌에 Apple의 아이비콘(iBeacon) 기술이 도입된 주력 매장 두 곳에서 테스트를 실시했습니다. 테스트 방법은 다음과 같습니다.“Macy's 사는 도로를 따라가면서 백화점별로 쇼핑객에게 정보를 안내합니다. 가령, 고객이 신발 매장에 있는 경우 스니커즈 판매 정보를 고객에게 알려주고 심지어 가까운 곳에 있는 제품을 추천하기도 합니다.”


웹 사이트 최적화

온라인 쇼핑객들은 수십억 개에 달하는 클릭스트림 데이터 트레일을 남깁니다. 소매업체는 클릭스트림 데이터를 통해 고객이 방문하는 웹 페이지와 웹 사이트에서 고객이 구매하는 물건(또는 구매하지 않는 물건)을 확인할 수 있습니다. 그러나 구조화되지 않은 방대한 양의 웹 블로그는 규모 면에서 입수, 저장, 세분화 및 분석하는 작업이 쉽지 않습니다. 또한, 웹 로그 데이터를 관계형 데이터베이스에 저장할 경우 비용이 너무 많이 듭니다.

Apache Hadoop을 이용하면 웹 로그를 저렴한 비용으로 장기간 저장할 수 있습니다. 온라인 소매업체들은 저장된 데이터에서 정보를 사용하여 사용자의 경로를 파악하고, 장바구니를 분석하고, A/B 테스트를 실행하고, 사이트 업데이트 우선 순위를 지정할 수 있습니다. 이를 통해 온라인으로 전환하는 수가 증가하여 수익을 증대시킬 수 있습니다.

매장 레이아웃 최적화

매장 내 레이아웃과 제품 배치에 따라 매출량이 달라질 수 있습니다. 소매업자들은 부족한 레이아웃을 보충하기 위해 직원을 추가로 고용하고 고객이 원하는 물건을 직접 찾아 주는 경우가 많습니다. 오프라인 매장에는 고객이 물건을 구입하기 전까지 매장 내에서 고객이 무엇을 하는지에 대한 “결제 전” 데이터가 없습니다. 매장 내 센서, RFID 태그 및 QR 코드가 이러한 데이터 갭을 메워줄 수는 있지만 많은 양의 데이터가 생성된다는 단점이 있습니다.

Apache Hadoop은 이러한 방대한 양의 구조화되지 않은 센서 및 위치 데이터를 저장할 수 있습니다. 소매업체는 분석 후 인텔리전스 결과를 통해 비용을 절감할 수 있으며 동시에 매장 내에서의 고객 만족도를 높일 수 있습니다. 이를 통해 동일 매장의 매출과 고객 충성도가 제고됩니다.

시작할 준비가 되셨습니까?