通过定期重新安排产品根据客户的喜好,零售商可以优化存储布局根据客户熟悉,他们最喜欢的事情。这是找到一个新的研究发表在《专家系统和应用程序。
由华盛顿州立大学研究利用过去的客户事务为实体店提供一定程度的个性化的购物体验Netflix和亚马逊等在线零售商用来促进冲动购买。
“新来的是我们设计我们的模型以便客户走靠走道他们通常阅读会注意到产品可能会基于对什么感兴趣之前,“查克·芒森说,卡森威诺娜州立大学商学院的教授,该研究的通讯作者。
“我们的分析显示,如果你是一个喜欢的商店定期重新排列这将是一个聪明的办法,“芒森补充道。
吉汉Edirisinghe,研究报告的主要作者,前华盛顿州立大学博士生现在西肯塔基大学提出的想法研究的一个周六晚上去沃尔玛几年前。他和他的妻子在仔细研读了过道,他们很快意识到一些奇怪的正在酝酿之中。
“我们发现自己走在过道里我们通常做但是我们所有东西搬,”他说。“所以,我开始想知道沃尔玛的人把很多心思重排。当我回到家时,我检查了文学和原来有很多研究一次性存储重组但确实没有数据驱动定期重新安排产品的最佳方式。”
Edirisinghe与芒森讨论了他的发现,这两位研究者决定解决知识差距。他们开发和测试一个产品配置模型,使用数据挖掘技术来提取盈利能力和产品关联的细节从成千上万的真实的客户交易微软数据库中包含“Foodmart”。
他们的模型然后使用三步过程来确定理想植入式广告的商店定期重新排列他们的商品。
首先,它标识一个店最赚钱的产品,这样他们就可以被放置在明显的位置。接下来,它决定哪些物品通常一起购买,这样他们就可以被放置在客户计划购买旁边会发现一件有趣的事情。最后,该模型利用研究者称之为past-aisle冲动利用客户熟悉产品来确定未来的商店布局。
“这最后一步是设计,这样人们在一个熟悉的地方,说,薯片就会注意到一些新的东西,我们的数据告诉我们他们感兴趣,“Edirisinghe说。“每个重排可以用作未来的基础。我们所知,没有先前的研究认为这种效果。”
老李和Edirisinghe数值模拟来比较他们的新模型的潜在盈利能力对植入式广告以前的工作。他们的模型明显优于分配方法,仅仅依靠视觉重排以及其他使用数据协会的建模技术。
影响潜在盈利能力的一个重要的因素他们确定了零售商的目标市场的性质。
“如果它更像是一个加油站商店旁边的高速公路上,人们没有太多的熟悉的布局,我们发现一次性优化的产品是我们的方法优于周期性重排过去因为没有真正强烈的冲动,“Edirisinghe说。“然而,整整一个食物的人群,有较高的可支配收入和熟悉商店的布局,我们的方法优于一次性优化。”
前进,研究人员说,他们希望他们的研究能够吸引足够的兴趣从商业零售商把一个真实的测试方法。
“我们的分配方法最终可能是商店经理可以安装和使用培训,“芒森说。“当你考虑到80%的购物者不列出访问实体零售商之前,很容易看到重要的这样可以实现利润最大化和帮助实体店与网上零售商竞争。”
