TRANSFORMASI RETAIL DENGAN MENGGUNAKAN DATA SCIENCE
By Claureina Diana | December 15, 2020
By Claureina Diana | December 15, 2020
Sejak awal, teknologi digital dan data science hadir untuk memudahkan kehidupan manusia. Machine learning, Artificial Intelligence, dan teknologi digital lainnya dibuat sangat human-centric agar dapat memenuhi kebutuhan si pengguna.
Sektor ritel sebagai penyedia barang atau jasa yang digunakan dalam kehidupan manusia sehari-hari sudah sejak lama memulai transformasi digital dalam bisnisnya. Dengan penggunaan model yang tepat, teknologi digital dapat membantu industri ritel mengumpulkan data-data pelanggan yang berharga. Data tersebut nantinya dapat dijadikan insight untuk mencapai keunggulan kompetitif.
Setiap orang baik secara langsung maupun tidak akan berhubungan dengan ritel setiap harinya. Tidak heran jika industri ritel dianggap sebagai penggerak perekonomian nasional menurut Mendag, Agus Suparmanto. Masyarakat kini semakin terbiasa dengan penggunaan teknologi dan perangkat untuk memudahkan kehidupan. Maka dari itu transformasi digital di sektor ritel sangat penting agar dapat bertahan dan sesuai dengan pola hidup konsumennya.
Ada kutipan dari Gerry McGovern yang mengatakan “The customer isn’t king anymore, the customer is a dictator”. Hal ini sangat tepat menggambarkan perkembangan sektor ritel saat ini, di mana persaingan yang sangat tinggi menyebabkan ritel harus memutar otak agar dapat menyediakan produk yang paling mendekati permintaan pelanggan. Hal ini hanya dapat dilakukan dengan menerapkan model digital dalam bisnis ritel.
Perusahaan menggunakan teknologi digital dengan satu tujuan utama, yaitu meningkatkan penjualan dan memotong cost. Teknologi hadir untuk membantu pelanggan menemukan apa yang dibutuhkan pada saat yang tepat. Sementara bagi perusahaan, teknologi berguna untuk memahami apa yang lebih disukai pelanggan untuk dijadikan insight kedepannya.
Berikut adalah beberapa penerapan data science dalam sektor ritel yang mampu mendorong tingkat kepuasan pelanggan
Jika kamu hendak membeli kopi, ada kemungkinan kamu juga akan membeli gula sebagai pelengkap.
Sama seperti saat kamu membeli kamera, kamu akan melengkapinya dengan membeli baterai dan memory card.
Dalam Market Basket Analysis (MBA) perusahaan ritel akan menganalisa pola perilaku konsumen dalam melihat riwayat transaksi terdahulu, keranjang belanja, transaksi kartu kredit, dan sebagainya. Analisis ini dilakukan dengan menggunakan association rule algorithm. Data-data yang dikumpulkan akan dilihat hubungannya satu sama lain untuk dibuat pola prediksi konsumen. Hal-hal yang dianggap tidak relevan akan dibuang dalam proses rule mining.
Dengan mengetahui pola konsumsi dari konsumen, industri ritel bisa mendapatkan banyak insight, diantaranya cara pengaturan display produk, penentuan harga, dan promosi terbaik sesuai kebutuhan konsumen. Insight ini akan mengoptimalkan keuntungan, karena perusahaan dapat menentukan target pemasaran yang tepat sesuai hasil analisa.
Dengan memanfaatkan teknologi predictive analytics, ritel dapat membuat prediksi permintaan untuk meningkatkan manajemen bisnis dan supply chain. Prediksi dibuat dengan mencari tahu permintaan apa yang akan dibuat oleh pelanggan dengan melihat histori data penjualan dan pengaruh dari faktor-faktor lain yang mempengaruhi pola konsumsi konsumen, seperti pendapatan, trend, harga produk lain, dan kemungkinan perubahan harga di masa depan. Prediksi yang dibuat juga dapat dilakukan untuk jangka panjang maupun pendek, tergantung data yang digunakan dalam membuat prediksi.
Sebagai contoh dalam sebuah usaha ritel, AI dapat melihat performa suatu produk di pasaran. Apakah produk tersebut memiliki banyak peminat, atau saat tiba-tiba terjadi perubahan permintaan terhadap produk tersebut. Dengan analisa cepat yang dilakukan AI, perusahaan ritel dapat segera mengambil keputusan baru terkait penjualan dan penetapan harga produk tersebut. Dengan memanfaatkan data-data ini ritel dapat membuat strategi yang lebih sesuai bagi perusahaan dalam menetapkan harga dan penjualan produk untuk mendapat keuntungan lebih maksimal. Serta toko dapat membuat penyesuaian stok barang yang lebih tepat untuk menghindari penumpukan stok yang mengakibatkan penambahan biaya penyimpanan
Salah satu perbedaan retail online dan offline adalah perbedaan cara menganalisa pola belanja konsumen di kedua platform. Jika toko online menganalisa pola belanja berdasarkan riwayat transaksi dan aktivitas selama berada di aplikasi, toko offline dapat melihat gerak gerik pelanggan saat berbelanja. Salah satunya adalah rute yang diambil saat berbelanja.
Biasanya seseorang yang merupakan pelanggan tetap di suatu toko ritel memiliki rute khas yang dilalui setiap kali dia berbelanja di toko tersebut. Misalnya di toko baju ada orang yang senang berbelanja di daerah baju casual terlebih dahulu dan mengakhiri di lorong baju formal. Sementara di supermarket biasanya orang akan memilih rute yang sejalan dengan daftar belanjaan yang sudah dibuat per kategori.
Hal ini sangat berguna untuk strategi penempatan dan tampilan produk-produk di toko ritel, Kita sudah sering melihat strategi ini diterapkan, khususnya di supermarket yang setiap beberapa bulan sekali merubah layout mereka. Dengan mengimplementasi Machine Learning, toko ritel dapat memanfaatkan sistem video recognition untuk melacak rute apa yang paling familiar di antara pelanggannya, sehingga dengan mengetahui pola ini dapat menciptakan layout yang paling efisien. Peletakan produk akan sangat berpengaruh bagi penjualan produk satu dengan yang lain, dengan pengelompokan yang tepat, kemungkinan penjualan produk-produk serupa dengan bermacam alternatif akan semakin tinggi.
Seperti yang kita tahu, Industri retail adalah salah satu industri dengan persaingan yang sangat ketat. Perbedaan sedikit saja dapat mengubah persepsi konsumen dalam berbelanja. Konsumen adalah faktor penting bagi sektor ritel, karena keberlangsungan usaha ritel juga bergantung pada tingkat permintaan konsumen. Tidak heran jika retail berusaha memberikan pelayanan terbaiknya, agar konsumen tetap percaya dan mau bertransaksi di toko mereka.
Dengan menerapkan Machine Learning, retail dapat menggunakan algoritma supervised learning untuk menganalisis kemungkinan churn di masa yang akan datang dengan berbagai kemungkinan agar hasil lebih akurat. Hal ini dilakukan agar retail dapat menahan konsumennya agar tidak sampai melakukan churn, misalnya dengan pemberian reward ataupun penawaran yang menguntungkan bagi pelanggan tersebut.
Nah contoh-contoh di atas adalah beberapa bentuk penerapan machine learning yang dapat membantu kemajuan usaha retail. Namun masih banyak lagi contoh penggunaan machine learning lainnya baik di bidang retail atau di industri lain seperti kesehatan, manufaktur, bahkan perbankan.
Jika kamu ingin belajar lebih banyak mengenai penggunaan data science kamu bisa langsung membaca artikel lainnya di blog kami ya. Keep improving!
Sejak awal, kemajuan teknologi digital dan data science hadir untuk memudahkan kehidupan manusia. Machine learning, Artificial Intelligence, dan teknologi digital lainnya dibuat sangat human-centric agar dapat memenuhi kebutuhan si pengguna.
Sektor ritel sebagai penyedia barang atau jasa yang digunakan dalam kehidupan manusia sehari-hari sudah sejak lama memulai transformasi digital dalam bisnisnya. Dengan penggunaan model yang tepat, teknologi digital dapat membantu industri ritel mengumpulkan data-data pelanggan yang berharga. Data tersebut nantinya dapat dijadikan insight untuk mencapai keunggulan kompetitif.
Setiap orang baik secara langsung maupun tidak akan berhubungan dengan ritel setiap harinya. Tidak heran jika industri ritel dianggap sebagai penggerak perekonomian nasional menurut Mendag, Agus Suparmanto. Masyarakat kini semakin terbiasa dengan penggunaan teknologi dan perangkat untuk memudahkan kehidupan. Maka dari itu transformasi digital di sektor ritel sangat penting agar dapat bertahan dan sesuai dengan pola hidup konsumennya.
Ada kutipan dari Gerry McGovern yang mengatakan “The customer isn’t king anymore, the customer is a dictator”. Hal ini sangat tepat menggambarkan perkembangan sektor ritel saat ini, di mana persaingan yang sangat tinggi menyebabkan ritel harus memutar otak agar dapat menyediakan produk yang paling mendekati permintaan pelanggan. Hal ini hanya dapat dilakukan dengan menerapkan model digital dalam bisnis ritel.
Perusahaan menggunakan teknologi digital dengan satu tujuan utama, yaitu meningkatkan penjualan dan memotong cost. Teknologi hadir untuk membantu pelanggan menemukan apa yang dibutuhkan pada saat yang tepat. Sementara bagi perusahaan, teknologi berguna untuk memahami apa yang lebih disukai pelanggan untuk dijadikan insight kedepannya.
Berikut adalah beberapa penerapan data science dalam sektor ritel yang mampu mendorong tingkat kepuasan pelanggan
Jika kamu hendak membeli kopi, ada kemungkinan kamu juga akan membeli gula sebagai pelengkap.
Sama seperti saat kamu membeli kamera, kamu akan melengkapinya dengan membeli baterai dan memory card.
Dalam Market Basket Analysis (MBA) perusahaan ritel akan menganalisa pola perilaku konsumen dalam melihat riwayat transaksi terdahulu, keranjang belanja, transaksi kartu kredit, dan sebagainya. Analisis ini dilakukan dengan menggunakan association rule algorithm. Data-data yang dikumpulkan akan dilihat hubungannya satu sama lain untuk dibuat pola prediksi konsumen. Hal-hal yang dianggap tidak relevan akan dibuang dalam proses rule mining.
Dengan mengetahui pola konsumsi dari konsumen, industri ritel bisa mendapatkan banyak insight, diantaranya cara pengaturan display produk, penentuan harga, dan promosi terbaik sesuai kebutuhan konsumen. Insight ini akan mengoptimalkan keuntungan, karena perusahaan dapat menentukan target pemasaran yang tepat sesuai hasil analisa.
Dengan memanfaatkan teknologi predictive analytics, ritel dapat membuat prediksi permintaan untuk meningkatkan manajemen bisnis dan supply chain. Prediksi dibuat dengan mencari tahu permintaan apa yang akan dibuat oleh pelanggan dengan melihat histori data penjualan dan pengaruh dari faktor-faktor lain yang mempengaruhi pola konsumsi konsumen, seperti pendapatan, trend, harga produk lain, dan kemungkinan perubahan harga di masa depan. Prediksi yang dibuat juga dapat dilakukan untuk jangka panjang maupun pendek, tergantung data yang digunakan dalam membuat prediksi.
Sebagai contoh dalam sebuah usaha ritel, AI dapat melihat performa suatu produk di pasaran. Apakah produk tersebut memiliki banyak peminat, atau saat tiba-tiba terjadi perubahan permintaan terhadap produk tersebut. Dengan analisa cepat yang dilakukan AI, perusahaan ritel dapat segera mengambil keputusan baru terkait penjualan dan penetapan harga produk tersebut. Dengan memanfaatkan data-data ini ritel dapat membuat strategi yang lebih sesuai bagi perusahaan dalam menetapkan harga dan penjualan produk untuk mendapat keuntungan lebih maksimal. Serta toko dapat membuat penyesuaian stok barang yang lebih tepat untuk menghindari penumpukan stok yang mengakibatkan penambahan biaya penyimpanan
Salah satu perbedaan retail online dan offline adalah perbedaan cara menganalisa pola belanja konsumen di kedua platform. Jika toko online menganalisa pola belanja berdasarkan riwayat transaksi dan aktivitas selama berada di aplikasi, toko offline dapat melihat gerak gerik pelanggan saat berbelanja. Salah satunya adalah rute yang diambil saat berbelanja.
Biasanya seseorang yang merupakan pelanggan tetap di suatu toko ritel memiliki rute khas yang dilalui setiap kali dia berbelanja di toko tersebut. Misalnya di toko baju ada orang yang senang berbelanja di daerah baju casual terlebih dahulu dan mengakhiri di lorong baju formal. Sementara di supermarket biasanya orang akan memilih rute yang sejalan dengan daftar belanjaan yang sudah dibuat per kategori.
Hal ini sangat berguna untuk strategi penempatan dan tampilan produk-produk di toko ritel, Kita sudah sering melihat strategi ini diterapkan, khususnya di supermarket yang setiap beberapa bulan sekali merubah layout mereka. Dengan mengimplementasi Machine Learning, toko ritel dapat memanfaatkan sistem video recognition untuk melacak rute apa yang paling familiar di antara pelanggannya, sehingga dengan mengetahui pola ini dapat menciptakan layout yang paling efisien. Peletakan produk akan sangat berpengaruh bagi penjualan produk satu dengan yang lain, dengan pengelompokan yang tepat, kemungkinan penjualan produk-produk serupa dengan bermacam alternatif akan semakin tinggi.
Seperti yang kita tahu, Industri retail adalah salah satu industri dengan persaingan yang sangat ketat. Perbedaan sedikit saja dapat mengubah persepsi konsumen dalam berbelanja. Konsumen adalah faktor penting bagi sektor ritel, karena keberlangsungan usaha ritel juga bergantung pada tingkat permintaan konsumen. Tidak heran jika retail berusaha memberikan pelayanan terbaiknya, agar konsumen tetap percaya dan mau bertransaksi di toko mereka.
Dengan menerapkan Machine Learning, retail dapat menggunakan algoritma supervised learning untuk menganalisis kemungkinan churn di masa yang akan datang dengan berbagai kemungkinan agar hasil lebih akurat. Hal ini dilakukan agar retail dapat menahan konsumennya agar tidak sampai melakukan churn, misalnya dengan pemberian reward ataupun penawaran yang menguntungkan bagi pelanggan tersebut.
Nah contoh-contoh di atas adalah beberapa bentuk penerapan machine learning yang dapat membantu kemajuan usaha retail. Namun masih banyak lagi contoh penggunaan machine learning lainnya baik di bidang retail atau di industri lain seperti kesehatan, manufaktur, bahkan perbankan.
Jika kamu ingin belajar lebih banyak mengenai penggunaan data science kamu bisa langsung membaca artikel lainnya di blog kami ya. Keep improving!