E-shop: Όταν μια μηχανή γίνεται καταστηματάρχης. - Ierax Analytix
58076
post-template-default,single,single-post,postid-58076,single-format-standard,qode-core-1.2,ajax_fade,page_not_loaded,,pitch-ver-2.2, vertical_menu_with_scroll,smooth_scroll,grid_1200,blog_installed,wpb-js-composer js-comp-ver-5.4.7,vc_responsive

E-shop: Όταν μια μηχανή γίνεται καταστηματάρχης.

Εδώ και λίγες μέρες έχουμε αναλάβει ως εταιρεία ένα μεγάλο ερευνητικό έργο σε κεντρικά σούπερ μάρκετ της Θεσσαλονίκης. Στη δευτερογενή μου έρευνα σχετικά με τον ανταγωνισμό και τα μεγέθη τους, άρχισα να βλέπω πως όλο και περισσότερα σούπερ μάρκετ έχουν αρχίσει να πουλάνε προϊόντα και μέσω διαδικτύου (e-shop), γεγονός που είναι αρκετά πρόσφατο. Μάλιστα, η πρακτική αυτή φαίνεται να μεγάλωσε εντός της κρίσης. Οι διαδικτυακές αγορές ενισχύονται χρόνο με το χρόνο, ενώ όλο περισσότερες εταιρείες προσθέτουν την επιλογή του ηλεκτρονικού καταστήματος.

 

 

 

Ήδη ξεκίνησαν να δημιουργούνται στη χώρα μας ηλεκτρονικά σούπερ μάρκετ (χωρίς φυσικό κατάστημα), ενώ σε χώρες μάλιστα όπως η Αμερική και ο Καναδάς, η πρακτική αυτή είναι ιδιαίτερα διευρυμένη και έχει μεγάλη απήχηση στο κοινό. Στην Ελλάδα, πάντως,  αν και φαίνεται πως οι νέες γενιές προτιμούν γενικά τις διαδικτυακές αγορές, προς το παρόν συνεχίζουμε να νιώθουμε πιο άνετα με τα φυσικά καταστήματα. Οι λόγοι για τους οποίους συμβαίνει αυτό είναι πολλοί και θα παρουσιαστούν σε άλλα άρθρα. Για τώρα θα μιλήσω μόνο για τα ηλεκτρονικά καταστήματα και το πώς οι μηχανές μαθαίνουν και προβλέπουν σιγά σιγά τις καταναλωτικές μας συνήθειες.

 

 

 

Όταν μιλάω για πρόβλεψη καταναλωτικών αναγκών στο διαδίκτυο και σε ηλεκτρονικά καταστήματα, εννοώ τις προτάσεις που συχνά βλέπουμε, ενώ γεμίζουμε το «καλάθι» μας, ως συμπληρωματικά προϊόντα που μπορούμε να πάρουμε. Κάποιοι θεωρούν πως τα προτεινόμενα προϊόντα που εμφανίζονται είναι τυχαία ή με βάση τις προσφορές της ημέρας αλλά η αλήθεια είναι πως κάθε ηλεκτρονικό κατάστημα φροντίζει να «μαθαίνει» για τους πελάτες του σαν να ήταν το ίδιο καταστηματάρχης.

 

 

 

Και για να προβλέψει τις ανάγκες μας το ηλεκτρονικό κατάστημα δεν χρειάζεται να είναι μέντιουμ ή χαρτορίχτρα αλλά αρκεί να έχουμε αγοράσει παλαιότερα από κει ή να έχει αγοράσει κάποιος/α με κοινά χαρακτηριστικά με μας (φύλο, ηλικία, εισόδημα, κατοικία κ.λπ.). Όμως αν τελικά οι μηχανές μπορούν μάθουν καλά τις προτιμήσεις μας και να προβλέπουν τα προϊόντα που αγοράζουμε, τότε γιατί δεν τα έχουμε στον αυτόματο, ώστε να μη χρειάζεται καν να πηγαίνουμε κάθε 2 μέρες σε κάποιο σούπερ μάρκετ; Και, με βάση τα παραπάνω, όπως ότι άμα π.χ. αγοράσω φέτες τοστ λογικά θα πάρω και ζαμπόν-κασέρι, οι μηχανές πώς είναι δυνατόν κάποιες φορές να προτείνουν να πάρουμε και… βερνίκι παπουτσιών μαζί;

 

 

 

Εδώ για μένα βλέπουμε τις δύο κυρίαρχες ερευνητικές επιστήμες να χρειάζονται η μία την άλλη. Από τη μία, η ανάλυση δεδομένων παρατηρεί, καταγράφει και μετράει ψυχρά τα προϊόντα και τους συνδυασμούς τους και έτσι μπορεί να αντιληφθεί μοτίβα συμπεριφοράς τα οποία, στη συνέχεια, προσπαθεί να αντιγράψει ώστε να προβλέψει το τι ακόμη θα αγοράσουμε. Από την άλλη, η ποιοτική ανάλυση και κατανόηση του τρόπου σκέψης και επιλογής ενός καταναλωτή μας βοηθά να καταλάβουμε γιατί μπορεί να επιλέξει ένα προϊόν και το πώς θα μπορούσε να καλύψει τις πιθανές του ανάγκες σε κάθε επίσκεψη.

 

 

 

Οι άνθρωποι προσπαθούμε επί το πλείστον να αγοράζουμε συνήθως τα ίδια προϊόντα και με την ίδια συχνότητα. Έτσι έχουμε καλύτερο έλεγχο των χρημάτων που δίνουμε και το τι χρειαζόμαστε. Αλλά πάντα θα υπάρχουν μέσα μας οι απότομες ορέξεις, ξαφνικές λιγούρες και περίεργες ανάγκες που δε μπορούν να προβλεφθούν από κάποια μηχανή. Οι άνθρωποι είμαστε πολύπλοκα όντα και ο εγκέφαλος μας, αν και αισθάνεται άνετα όταν επαναλαμβάνουμε κάτι, ατονεί όταν δεν αλλάζουμε και δεν προσαρμοζόμαστε.

 

 

 

Αυτός είναι και ο λόγος που επιμένω τόσο στην κατανόηση των αναγκών και του τρόπου επιλογής ενός προϊόντος πρώτα και μετά στην καταγραφή των αγοραστικών συνηθειών των καταναλωτών. Γιατί μπορεί να δούμε ότι η φέτα και η ντομάτα αγοράζονται μαζί αλλά αν δεν κατανοήσουμε ότι θα γίνουν προφανώς σαλάτα ή πίτα, τότε απέχουμε πολύ από τα επηρεάσουμε άμεσα τον καταναλωτή να τα αγοράσει. Και σκεφτείτε πόσο δυνατότερο όπλο στο μάρκετινγκ, θα ήταν η μηχανή να καταλάβαινε το τι μπορεί πιθανόν να «φτιάξει» ο καταναλωτής με όσα αγοράζει. Έτσι –για παράδειγμα- θα μπορούσε η μηχανή απλά να του δείξει απευθείας το τελικό προϊόν και έτσι να καταφέρει να τον πείσει ευκολότερα για έξτρα αγορές, αντί μόνο να προτείνει ψυχρά και υπολογιστικά κάτι που μπορεί να φανεί και άσχετο στον καταναλωτή, εάν δεν υπάρξει παραπάνω σκέψη επί του θέματος.