#IBMRetail Soluciones de Analítica Avanzada que transforman la experiencia del cliente 12 de abril de 2016 • IBM Client Center Madrid #IBMRetail Introducción al nuevo paradigma en Retail Mercedes Antúnez Directora de Ventas para Retail. IBM agenda 09.30 Introducción al nuevo paradigma en Retail Mercedes Antúnez, Directora de Ventas para Retail. IBM 09.40 El diálogo cognitivo en Retail: una nueva forma de comunicación relevante para el cliente Ángel Castán, Cognitive Strategist Retail. IBM Mikel Díez, Digital Transformation Lead, Commerce. IBM 10.10 La mejor opción en la interacción con el cliente Ricardo Míguez, Director de Soluciones de Analytics. IBM 10.40 Analítica avanzada para mejorar el precio, la ubicación y diseño de los productos Jima Marín, Experto Técnico de Soluciones de Analytics. IBM 11.00 Cómo mejorar la toma de decisiones con el análisis de las redes sociales Juan Manuel Ramírez, Experto Técnico de Soluciones de Analytics. IBM 11.20 Puesta en marcha de un proyecto de soluciones de analítica Jesús Gonzalo, IBM Cognitive Solutions Sales. IBM 11.40 Cierre y siguientes pasos Ricardo Míguez, Director de Soluciones de Analytics. IBM 11.50 Cóctel #IBMRetail #IBMRetail El diálogo cognitivo en Retail Ángel Castán Mikel Díez Cognitive Strategist Retail IBM Digital Transformation Lead IBM #IBMRetail La cognición (del latín: cognoscere, ‘conocer’) se define como la facultad de un ser vivo para procesar información a partir de la percepción, el conocimiento adquirido (experiencia) y características subjetivas que permiten valorar la información. Consiste en procesos tales como el aprendizaje, el razonamiento, la atención, la memoria, la resolución de problemas, la toma de decisiones y el procesamiento del lenguaje. #IBMRetail Lo cognitivo convierte el diálogo con el cliente en relevante Analytics • Customer Analytical Record • Segmentation • Personality Attributes • Tone-Opportunity moments Cognitive Engagement Add value Customer knowledge Opportunity events • Out/Inbound • Multichannel Response • Real-time Personalization • Digital Marketing • Cognitive dialog Comunication Comunication Offer Offer Add value Journey Digital footprint In-store Call Center Customer eXperience ✔ Offer Offers Claims Information Add value Customer knowledge Conversion rate (CR) NPS CR Average time #IBMRetail IBM sirve como servicio las APIs que habilitan las capacidades cognitivas En 2011 había una única API, Q&A— construida sobre cinco tecnologías. Questions & Answers Natural Language Processing Machine Learning Question Analysis Feature Engineering Visual Recognition Concept Insights Natural Language Classifier Concept Tagging Language Translation Retrieve & Rank Text to Speech Author Extraction Tradeoff Analytics Speech to Text Decision Support Risk Stratification Image Tagging Policy Identification Video Augmentation Face Detection Statistical Dialog Criteria Classification Fusion Q&A Text Extraction Entity Extraction Knowledge Studio Service Usage Insights Taxonomy Watson News Emotion Analysis Knowledge Graph Message Resonance Tone Analyzer Easy Adaptation Answer Generation Sentiment Analysis Dialog A final de 2016 habrá cerca de 50 Watson APIs— Y seguirá creciendo … Decision Optimization Image Link Extraction Feed Detection Relationship Extraction Concept Expansion Ontology Analysis Keyword Extraction Personality Insights Language Detection Desde entonces se ha desarrollado una familia de 28 APIs. Q&A Qualification Knowledge Canvas Factoid Pipeline http://www.ibm.com/smarterplanet/us/en/ibmwatson/developercloud/services-catalog.html Case Evaluation #IBMRetail IBM sirve como servicio las APIs que habilitan las capacidades cognitivas Personality Insights Questions & Answers Keyword Extraction Personality Personality Insights Insights Language Detection Feed Detection Relationship Extraction Concept Expansion Visual Recognition Dialog Service Concept Insights Natural Language Classifier Concept Tagging Language Translation Retrieve & Rank Text to Speech Author Extraction Tradeoff Analytics Taxonomy Tone Analyzer Text Extraction Watson News Speech to Text Decision Easy Image Link ¿Qué es? Optimization Adaptation Extraction Permite una comprensión más profunda de las Answer Emotion características de la personalidad, Generation Analysisnecesidades y valores de la gente Knowledge para ayudar a atraer a los Knowledge Sentiment Studio Graph usuarios en sus propios términos. Analysis Entity Extraction Usage Insights Decision Support ¿Cómo funciona? Risk Statistical Extrae de personalidad y Message un conjunto de rasgos Stratification Dialog Resonance sociales basadas en la forma en que una Criteria Fusion persona se comunica. Classification Q&A Image Policy Q&A Ejemplo Casos de uso Tagging Identification Qualification • Brand Analytics. Video Knowledge • Segmentación del mercado y campañas. Augmentation Canvas • Atención al cliente.Factoid Face Detection Pipeline http://www.ibm.com/smarterplanet/us/en/ibmwatson/developercloud/services-catalog.html Case Evaluation 8 #IBMRetail IBM sirve como servicio las APIs que habilitan las capacidades cognitivas Personality Insights Questions & Answers Keyword Extraction Personality Personality Insights Insights Language Detection Relationship Extraction Concept Expansion Visual Recognition Concept Insights Natural Language Classifier BIGFeed FIVE • Language Translation Author Extraction Tradeoff Analytics Taxonomy Tone Analyzer • • • • • Message • Resonance • • • • Image Tagging • • Text Extraction Watson News Speech to Text Detection Agreeableness • Conscientiousness Sentiment Dialog • Extraversion Analysis • Emotional ConceptRange Tagging • Openness Retrieve & Rank Text to Speech Image Link Extraction Entity Extraction Decision Optimization NEEDS Answer VALUES Emotion Analysis Self-transcendence Generation • / Excitement Knowledge Knowledge Helping others Harmony Graph• Conservation Studio / Tradition Curiosity Service • Hedonism / Taking pleasure IdealUsage Decision Insights Support in life Closeness / Self-expressionRisk • Self-enhancement Statistical Stratification Achieving success Dialog Liberty • Open to change / Love Criteria Fusion Excitement Classification Practicality Q&A Stability Policy Q&A Challenge Identification Qualification Structure Video Augmentation Face Detection Easy Adaptation Knowledge Canvas Factoid Pipeline http://www.ibm.com/smarterplanet/us/en/ibmwatson/developercloud/services-catalog.html Case Evaluation 9 #IBMRetail IBM sirve como servicio las APIs que habilitan las capacidades cognitivas Personality Insights Questions & Answers Keyword Extraction Personality Personality Insights Insights Language Detection Relationship Extraction Concept Expansion Visual Recognition Dialog Concept Insights Natural Language Classifier Language Translation Retrieve & Rank Text to Speech Author Extraction Tradeoff Analytics Tone Analyzer Watson News BigFive Grandes cinco Image Link Apertura a experiencias Extraction Audacia Intereses artísticos Feed Emocionalidad Imaginación Detection Intelecto Desafío a la autoridad Sentiment Responsabilidad Necesidad de éxito Analysis Cautela Obediencia Concept Disciplina Tagging Autodisciplina Autoeficacia Extroversión Message Nivel de actividad Resonance Seguridad en uno mismo Alegría Búsqueda de emociones Taxonomy Simpatía Sociabilidad Amabilidad Altruismo Cooperación Modestia Intransigencia Text Compasión Extraction Confianza Image Tagging Rango emocional Speech to Text Entity Extraction Vehemencia Face Tendencia a la preocupación Detection Melancolía Desmesura Timidez Susceptibilidad a la tensión 100% Needs Necesidades Decision Desafío Optimization Familiaridad 76% Curiosidad 98% Answer Entusiasmo 24% Armonía 52% Generation Ideal 79% Libertad 64% Amor Knowledge 18% Graph Practicidad 94% Autoexpresión 87% Estabilidad 98% Usage Estructura 34% Insights 77% 98% Emotion Analysis Curiosidad Estabilidad 9% 98% 13% 43% 16%Fusion 95% Q&A 78% 61% Decision Support 77% 20% 91% 51% 1% 74% 68% 5% 24% 16% 80% 7% Risk Necesidad Stratification Easy Adaptation – 91% Knowledge – 80% Studio Service Statistical Éxito Dialog – 94% Autoeficacia – 98% Criteria Cautela – 87% Classification Audacia – 76% Intelecto –Q&A 79% Policy Timidez – 71% Identification Qualification 100% 96% 33% 98% 100%Video Valores Augmentation 98% Conservación 28% Apertura al cambio 41% Factoid Hedonismo 28% Pipeline Superación personal 39% Autotranscendencia 10% Knowledge Values Canvas 1% Superación 78% –Case 81% 82% Apertura Cambio – 78% 81% Evaluation 11% 71% 34% http://www.ibm.com/smarterplanet/us/en/ibmwatson/developercloud/services-catalog.html 10 #IBMRetail IBM sirve como servicio las APIs que habilitan las capacidades cognitivas Alchemy Vision Questions & Answers Keyword Extraction Personality Insights Language Detection Relationship Extraction Concept Expansion Visual Visual Recognition Recognition Dialog Concept Insights Natural Language Classifier Tagging Language Translation Retrieve & Rank Text to Speech Author Extraction Tradeoff Analytics Tone Analyzer Entity Extraction Insights Support Risk Statistical ¿Cómo Message funciona? Stratification Dialog Resonance La API utiliza la autenticación básica. Después de Criteria Fusion del servicio de crear una instancia Alchemy Taxonomy Classification Q&A Visión, puede ver la clave de la API mediante la Image Policy Q&A selección de las credenciales del servicio Tagging Identification Qualification Text Extraction Watson News Speech to Text Decision Easy Image Link ¿Qué es? Optimization Adaptation Extraction Entiende y analiza escenas visuales complejas Feed Answer Emotion de pistas textuales. Detection sin necesidad Generation Analysis Puede analizar una imagen y devolver Knowledge Knowledge Sentiment Studioy el Graph información acerca de los objetos, personas Analysis Service texto encontrado dentro de esa Decision imagen. Concept Usage Video Knowledge Ejemplo Casos de uso Augmentation Canvas • Reconocimiento de imágenes. Factoid Face Case • Detection Reconocimiento de Pipeline escenas. Evaluation • Comprensión de los objetos dentro de las imágenes. http://www.ibm.com/smarterplanet/us/en/ibmwatson/developercloud/services-catalog.html 11 #IBMRetail IBM sirve como servicio las APIs que habilitan las capacidades cognitivas Alchemy Data Questions & Answers Keyword Keyword Extraction extraction Personality Insights Language Detection Relationship Extraction Concept Expansion Visual Recognition Natural Language Classifier Concept Tagging Language Translation Retrieve & Rank Author Extraction Tradeoff Analytics Speech to Text Taxonomy Knowledge Knowledge Sentiment Dialog Concept Insights Text to Speech Decision Easy Image Link ¿Qué es? Optimization Adaptation Extraction Alchemy Data es capaz de extraer palabras Feed Answer Emotion Detection claves de un HTML, Generation texto o contenido Analysis web. Studio Graph ¿Cómo Analysis funciona? Service Emplea sofisticados algoritmos estadísticos y Usage Decision Insights Support tecnología de procesamiento de lenguaje natural Risk Statistical para analizar los datos, extracción de palabras Message Stratification Dialog Resonance clave, etc. Fusion Q&A Criteria Classification Ejemplo Casos de uso Image Policy Q&A • Tagging Búsquedas en contenido desestructurado Identification Qualification • Indexar contenido Text Watson Video Generar nubes de términos Knowledge Extraction • News Augmentation Canvas • Identificar los términos más relevantes a Factoid Face Case Entity Pipeline utilizar en comunicaciones con el receptor Detection Evaluation Extraction • … en general, para hacer consultas en cualquier soporte de texto como si fuera una base de datos http://www.ibm.com/smarterplanet/us/en/ibmwatson/developercloud/services-catalog.html Tone Analyzer 12 #IBMRetail Para establecer un diálogo sostenido se debe conocer al receptor para comunicar algo relevante #IBMRetail El genoma del cliente es la pieza base para acometer un diálogo sostenido Datos demográficos Actitud de compra IAO (Intereses, Actividades Opiniones) Preferencias Personalit y Insights Localizaciones Propensión de compra Interacciones (incluyendo digital) Gasto medio Red social Gasto potencial Fidelización Satisfacción Estilo de vida Personality Insights Sensibilidad al precio Recomendador Motivos de compra Tone Analyzer #IBMRetail … pero la afinidad al producto tiene muchas características Línea Precio Modelo Talla Caducidad Color Frecuencia de compra Antigüedad en el mercado Extensividad de uso Complejidad técnica Significancia Alchemy Alchemy Grado de satisfacción Viralidad en la red Necesidad de servicio (antes o después de la compra) #IBMRetail … y ahora, ¡¡¡a dialogar!!! La continua iteración analítica permite una interacción con el cliente cada vez más relevante 1. Aportar información de negocio 5. Monitorizar y retroalimentar #IBMRetail 2. Generar características de cliente € .. y del producto Diálogo continuo 4. Accionar el modelo 3. Definir y entrenar modelos Afinidad Propensión Redes neuronales Bayesiano Segmentación #IBMRetail … ¿y si el diálogo fuera entre dos sistemas cognitivos? Hello my friends Oh great. from Madrid, It’s Watson what can I help Whoop-de-doop you with today? Hello Siri. There is an eighty five percent probability that you are annoyed. You think Well, lets see, too my contact much has not called for 15 days IHello have find itSiri. been gets better busy. results than just looking for Thinking. answers on eighty the internet. There is an five percent probability that you are annoyed. Did you say you я думаю, что would like me to вы полный ... call Ginni [ww IBM CEO] Oh I’m sorry. I forgot you have limited language skills I…find getsthat better results tellither I have met than just looking Bob Dylan :-))) for We can both beinternet. useful. answers on the Maybe while I’m transforming healthcare you could order us a pizza. #IBMRetail IBM Predictive Customer Intelligence for Retail La mejor opción en la interacción con el cliente Ricardo Míguez del Olmo Director de Soluciones de Analytics. IBM @RMiguezDelOlmo Evolución de las soluciones analíticas: de la predicción y diagnóstico a la predicción-prescriptiva Fuente: Gartner Business Intelligence & Analytics Summit, 5-7 Febrero 2013 #IBMRetail Evolución del sector en función del modelo de madurez: Foco en el conocimiento del Cliente para facilitar la personalización ´ #IBMRetail Un mayor compromiso con el cliente y mejores resultados de negocio requieren un mayor conocimiento del cliente DE #IBMRetail A Las organizaciones que limitan los datos que analizan limitan su conocimiento del cliente. El análisis de todos los datos disponibles del cliente da lugar a iteraciones personalizadas y más relevantes. #IBMRetail Nuevos datos, análisis y capacidades de marketing permiten un compromiso más profundo con el cliente y proporcionan más valor en la relación Encuéntrame Pregúntame Alértame Conóceme Usando visualización y analytics para descubrir nuevos segmentos de clientes Consultando a clientes sobre productos, servicios y temas sociales Dándome feedback en cada iteracción con el cliente Ofreciendo nuevos productos y servicios basados en lo que quiero y lo que necesito Crece conmigo Llama mi atención Datos conectados con la vida del cliente Servicios inesperados en momentos inesperados Compárame Guíame Edúcame Alértame Déjame elegir Protégeme Ofreciendo datos analíticos en canales virtuales Compartiendo datos, localización y nuevas ideas para mejorar el valor y los productos Educación digital online y trucos “en el momento” Análisis Predictivo en tiempo real y comunicación personalizada con el cliente Opciones vs. prerrequisitos, roadmaps vs. checkboxes Seguridad multifactor que no castiga al inocente Cómo IBM Predictive Customer Intelligence da un valor de negocio diferecial al conocer mejor al cliente y personalizar su modelo de relación Haga crecer su conocimiento de los clientes como individuos para que pueda orientar mejor las ofertas e información. Anticípese a las necesidades del cliente para ofrecer ofertas más relevantes y oportunas con mayor probabilidad de ser aceptadas. #IBMRetail Actúe cuando y donde más se necesita para ayudar a impulsar los mejores resultados en casi todas las oportunidades. #IBMRetail Presentando IBM Predictive Customer Intelligence Data Real time or Historical Predictive Customer Intelligence & Engagement Enterprise Marketing Multi-channel Customer Interactions Interactive voice response Web Acquisition Models Campaign Response Models Churn Models Customer Lifetime Value Price Sensitivity Campaigns/Offers Mobile Short Message Service Messaging/Lead Management Cross Channel Campaign Mngnt. Real Time Marketing Product Affinity Models Marketing Event Detection Basket Analysis Digital Marketing Social media Email Segmentation Models Sentiment Models Up-selling / Crossselling Models Chat Voice #IBMRetail MAYOR VISIBILIDAD: PERSONALIZACIÓN DE VENTAS Y MARKETING Información Desestructurada Geolocalización Web click streams Social Media Correspondencia Ofertas genéricas centradas en grupos BENEFICIOS Notas y conversaciones del Contact center Aprovechar los grandes volúmenes de datos estructurados para informar sobre decisiones de marketing y mejorar las ofertas a clientes. Información Estructurada Datos demográficos Información de Cuentas Datos de crédito Segmentación 1to1 en Detalles transaccionales Potenciar el conocimiento del canal de preferencia del cliente para mejorar la eficacia e impacto de las campañas de marketing. marketing y ventas Acelerar la captura y análisis de datos de clientes para mejorar el servicio al cliente y las ventas por diversos canales. #IBMRetail IDENTIFICAR NEXT BEST ACTION: PROPORCIONE LA OFERTA CON MAYOR PROBABILIDAD DE SER ACEPTADA POR SU CLIENTE Ofrecer el mejor ratio en el producto de interés con unas condiciones únicas para cada cliente. BENEFICIOS Enriquecer sus modelos predictivos con análisis más sólidos para ayudar al CMO en sus decisiones. Dotar a los vendedores con un mayor y más rápido conocimiento del cliente para ofrecerle nuevos productos y ofertas ajustadas. Usar la información de marketing y ventas para mejorar la satisfacción del cliente e incrementar su fidelidad con el tiempo. #IBMRetail ACTUAR EN LA OPORTUNIDAD: PROPORCIONAR NUEVAS OFERTAS VALIOSAS EN EL PUNTO DE INTERACCIÓN Actuar con ofertas de venta cruzada y retención que influyen directamente sobre el cliente, sus acciones y sus decisions en el punto de interacción. BENEFICIOS Análisis de acciones y eventos más rápido en el momento que ocurren para proporcionar a los vendedores la última información relevante para venta cruzada. Proporcionar al CMO información relevante sobre acciones en su contexto con información histórica y reciente para responder a las necesidades del cliente, incluso en tiempo real. Usar tiempo real para ayudar al servicio al cliente a identificar y resolver problemas inmediatamente, ayudando a mejorar la fidelidad y reduciendo el abandono. #IBMRetail DEMO Demostración de IBM Predictive Customer Intelligence for Retail VAMOS A CONOCER AL CLIENTE Predictive Customer Intelligence for Retail #IBMRetail IBM Lift Analytics for Retail Proporciona análisis "bajo demanda" de afinidad de productos - identifica los productos que a menudo se venden juntos Utiliza los análisis predictivos y prescriptivos para comprender el impacto potencial de los cambios en el programa de mercancías y en los ingresos por ventas Ofrece ideas en un producto, línea de producto y niveles de categoría #IBMRetail IBM Social Merchandising for Retail Combina múltiples fuentes de datos - tanto externos (Twitter, Pinterest, Weather, Facebook) e internos Ayuda a los comerciantes, los vendedores y los planificadores a comprender por qué (no sólo "qué") Identifica las tendencias y las causas basadas en el análisis científico #IBMRetail DEMAND INSIGHT IBM Demand Insight for Retail Mejorar los niveles de servicio en stock y aumentar al máximo la rotación del inventario, la eficiencia y la rentabilidad global Alinear los niveles de personal, programas y presupuestos en base a las ventas previstas, el tráfico por tienda y recepciones de inventario Crear programas / promociones puntuales y de marketing relevante desplegadas a través de múltiples canales #IBMRetail Analítica avanzada para mejorar el precio, la ubicación y diseño de los productos José Ignacio Marín Alberdi (JIMA) Experto Técnico de Soluciones de Analytics. IBM #IBMRetail IBM PCI es una plataforma analítica sobre la que entregar valor rápidamente Industry Data Sources IBM Industry Analytics Solutions End-to-End Pre-built Capabilities Data Preparation Pre-built Analytics Insight Delivery • Data models • Analytic models • Dashboards • Data connectors • Predictive insights • Interactive apps • Business metrics • APIs & services • Application integrations Business Users #IBMRetail Sobre IBM PCI se proponen soluciones específicas de Retail Dominio de Soluciones de IBM para Retail Analytics Crear Experiencias de Cliente Relevantes Visión Contextualizada de Cliente Siguiente Mejor Acción Hacer posible las Compras Digitales ¿Cómo puedo conocer mejor a mi cliente a través de los datos? ¿Cómo puedo implementar la mejor siguiente oferta para un cliente en un punto de contacto? ¿Cómo puedo aprovechar el uso que de las redes sociales y dispositivos diversos hacen mis clientes? Entendimiento profundo de Clientes y Productos Habilitar analíticamente a gestores de producto y suministro Analítica Avanzada de Ventas ¿Cómo puedo habilitar analíticamente a los responsables de decisiones de producto, precio y surtido? Operaciones multicanal optimizadas Analítica Local y Social ¿Puedo mejorar mi cadena de suministros mediante analítica avanzada? ¿Puedo aprovechar condiciones locales/sociales de mercado (tiempo, reviews) a mi favor? Fusión de Fuentes de Datos Tradicionales y Nuevas Optimizar las operaciones de Back-Office Optimización de la Fuerza de Trabajo Prevención de Fraude y Pérdidas Internet of Things ¿Cómo puedo mejorar los procesos de reclutamiento, entrenamiento y gestión basándome en capacidades analíticas? ¿Cómo puedo proteger mi reputación de marca y activos de amenazas digitales y físicas? ¿Pueden los productos que almaceno y vendo dotarme de información útil? Ser ágiles, responder en Tiempo Real Lift Analytics para Retail Lift Analytics pone el poder de analítica avanzada de ventas directamente en las manos de los responsables de categoría o merchandising #IBMRetail Proporciona un valor ajustado de los productos basado en datos de afinidad Informes disponibles a nivel de producto, línea de producto o categoría Identifica las afinidades entre productos más relevantes Proporciona a los responsables de producto de una visión predictiva • Optimize inventory costs and purchasing • Improve effectiveness of product promotions & assortment • Increase average customer sales and overall revenue Lift Analytics extiende análisis descriptivos habituales con métricas de afinidad y segmentación para soportar diversas decisiones relativas al surtido sin requerir perfiles de científicos de datos u otros expertos analíticos #IBMRetail ¿Por qué Lift Analytics es diferente? Modelo de datos y algoritmia de analítica avanzada pre-configurada, de tal forma que los usuarios pueden ver directamente informes pre-construidos en un tiempo muy corto. La Flexibilidad Ver las ventas por Para identificar Dimensional (por canal y segmento de afinidades de producto ejemplo, varios cliente puede no relevantes sólo son posibles esquemas de parecer necesarios datos de segmentación) revolucionario, pero ventas de un par permite al usuario disponer al mismo semanas en Lift contestar a múltiples tiempo de estos datos Analytics, en contraste preguntas usando la cruzados con el con otras soluciones misma analítica análisis de afinidad que requieren subyacente. de producto sí lo es. históricos de meses. #IBMRetail Recorramos Lift Analytics brevemente #IBMRetail Primeros pasos La solución ofrece una intuitiva interfaz web en la que los usuarios deben registrarse para comenzar a trabajar. Una vez se accede al sistema, dentro de “Insights” encontramos un menú con los principales análisis a nuestra disposición. #IBMRetail Product Sales Trend Este informe nos permite ver cómo se comportan las ventas a lo largo del tiempo para los diversos departamentos, categorías o líneas de producto. Unos filtros nos permiten ver los resultados a cualquier nivel de la jerarquía de producto. 050-00 Women’s Perfume 050-01 Men’s Perfume 050-02 Luxury Fragrances 050-03 Holiday Sets 050-05 Bath 050-06 Accessories 050-07 Organizers 050-08 Holiday/Other También es posible filtrar por una ventana de tiempo y segmento de cliente. Los resultados están disponibles en unidades, importes o visitas a tienda. Se dan los datos en forma de gráfico o tablas. #IBMRetail Customer Segment Performance Trend Este informe nos permite analizar nuestros datos por segmentos a elegir dentro de una serie de posibles esquemas de segmentación. Aquí el esquema de segmentación elegido es el RFM y se están inspeccionando los segmentos H y M (valores alto y medio de RFM). #IBMRetail Product Performance Summary Este informe nos permite ver cómo se distribuyen las ventas entre los diferentes departamentos, categorías y líneas de producto. Los resultados pueden verse en forma de tabla o como un gráfico. #IBMRetail Affinity Relationships 050-00 Skin, Bath & Perfume 050-05 Bath 050-00 Women’s Perfume 050-01 Men’s Perfume 050-02 Luxury Perfume 050-03 Holiday Sets 050-04 Holiday Gifts 050-07 Organizers 050-10 Mirrors 050-11 Sun and Surf 050-12 Facial 050-13 Hand & Body ☐ 009-01 Open ☐ 010-00 Ironing ☐ 010-01 Laundry ☐ 010-02 Plastic ☐ 010-03 Food ☐ 010-04 Kitchen ☐ 010-05 Closet ☐ 010-06 Seasonal ☐ 010-07 Decorative ☐ 010-08 Specialty Este informe nos permite ver las relaciones de afinidad más fuertes para la selección hecha. En este caso muestra las categorías que se compran más frecuentemente con la subcategoría “Skin Care – Bath”. #IBMRetail Affinity Performance 050-00 Skin, Bath & Perfume 050-05 Bath La porción azul de las barras es el impacto en ventas por afinidad en la subcategoría objeto de estudio (“Skin Care – Bath”). La porción verde de las barras es el impacto en ventas por afinidad en la categoría que la contiene. La porción amarilla de las barras es el impacto en ventas por afinidad en otras categorías. Resultados a nivel de segmento de clientes #IBMRetail Cómo mejorar la toma de decisiones con el análisis de las redes sociales Juan Manuel Ramírez Experto Técnico de Soluciones de Analytics. IBM #IBMRetail Merchandising & Marketing Challenges Innovative, shorter life-cycle products Increasing assortment complexity Localized store offerings & promotions Data-driven, timely decision-making #IBMRetail How can I put How analyticscan I put insights from in the hands of unstructured data in the hands of my merchants and marketers to enable quicker and more accurate assortment, product design, promotion & operational decisions? #IBMRetail Social Insight Social Insight for a range of merchandising and marketing decisions #IBMRetail Social Insight Capabilities Insights Social Insights into sentiment trends and patterns aligned to product hierarchy, geography, and business activities Alerts Configurable alerts into sentiment related outliers, trends and viral comments Search Keyword Search for trends in relevant emerging relevant topics in social media channels #IBMRetail Assortment Promotion Increase Revenue Improve Customer Satisfaction Optimize Marketing and Operational Effectiveness Product Design Customer Experience #IBMRetail Why Social Insight? #IBMRetail Pre-Built on-Cloud Solution data feeds data models analytical models dashboards #IBMRetail Pre-Built & Packaged Solution On Demand Insights for Business Users one-stop shop integrated insights business friendly dashboards #IBMRetail Pre-Built & Packaged Solution On Demand Insights for Business Users Retail Expertise developed with and for retailers solves your specific problems IBM industry subject matter experts #IBMRetail Pre-Built & Packaged Solution On Demand Insights for Business Users Retail Expertise Right Level & Scope product store time window #IBMRetail Three level hierarchy: product category, brand, line Ex. Toothpaste -> Colgate -> Total (provided by client during setup) #IBMRetail Hierarchical view of alerts Compare average of selected interval with today’s sentiment score Expanded time line No gaps in time line #IBMRetail Expanded time line No gaps in time line #IBMRetail Alignment of alerts time selection with sentiment graph x axis #IBMRetail #IBMRetail #IBMRetail #IBMRetail #IBMRetail #IBMRetail #IBMRetail #IBMRetail Based on period selection Easier to see trends and find influencers over a longer period of time #IBMRetail #IBMRetail Date selection: earliest date is the date the topic was defined in the solution It is not yet possible to search in Twitter’s history 75 #IBMRetail #IBMRetail #IBMRetail How can I put How analyticscan I measure the in the hands of impact of external data like weather or social to enable quicker and more accurate assortment, workforce and marketing decisions? #IBMRetail Demand Insight New forecast for workforce, supply chain and marketing management #IBMRetail Inaccurate forecasts are the norm 1 • Traditionally deployed forecasting math can’t solve the problem alone 2 With considerable business impacts • Reduced sales • Lower margins • Higher labor costs • Reduced marketing ROI • Negative customer experience 3 Typical forecasting methods… • Model trend and seasonality • Treat short term spikes as random anomalies • Lack ability to address causal factors that drive short term impacts #IBMRetail New data sources form the forces that impact demand Social News Events Weather Identifies important data across forces News helps identify importance of local incidents, events and weather Important local, national and promotional events that influence customer behavior Weather events – actual and forecasted that influence behavior Competitors Customer Supplier Economy Trends Competitor’s actions and their effects on consumer’s change in behavior Factor behaviors, shopping habits, price sensitivities, lifestyles Supplier’s actions (new product, late & incomplete shipments) can cause disruptions Economic conditions at national, state and local levels New and upcoming trends, regulations, law changes impact demand #IBMRetail Patterns across multiple forces matter Weather Event + + Social Demand Impact + #concert #rockintherain = + #majors #spiethslam = #IBMRetail Social News Deliver Insights Events Perform Analytics Weather Generate Signals Economic Retailer Data Improved demand forecast New data + new analytics = Demand Insight Supply Chain ▲ Sales ▲ Margin ▲ Customer satisfaction ▼ Out-of-stocks Store Operations Labor ▲ Labor expense ▲ Associate satisfaction ▲ Customer satisfaction Marketing & Promotions ▲ Marketing ROI ▲ Sales ▲ Margin #IBMRetail Supply Chain Use Case Objective: Improve in-stock service levels while maximizing inventory turns, efficiency and overall profitability 2 Looking at Boston, Jack Jack 1 Jack checks his Demand Insights Dashboard on the Monday before the Labor Day weekend. His attention is drawn to an alert for Boston. Supply Chain Replenishment Analyst sees that stormy weather is predicted over Labor Day – impacting the Patriots final pre-season game, holiday events and the PGA tournament in town. He notes the predicted impact on the Rain Gear category. 3 Drilling down on 4 Finally, he uses the Forecast Link function to make adjustments to store demand to be sent to the supply chain / allocation system. the Rain Gear Category, he can see a spike in adjusted demand that threatens to cause out-of-stocks over the coming weekend. #IBMRetail Example results COLD BEVERAGES Demand spike Gray bars are Actual Sales STORE 1 Relative causal strength of Weather, Event, base Demand and Social signals Orange line is forecast using Demand Insight approach Blue line is Demand forecast without external forces #IBMRetail Puesta en marcha de un proyecto de soluciones de analítica Jesús Gonzalo IBM Cognitive Solutions Sales. IBM #IBMRetail ¿En que consiste una Fase 0 ? Fase 0 es una pequeña prueba de concepto de unas 8 -12 semanas en la cual demostramos el valor de negocio subyacente alrededor de uno o dos casos de uso que hemos acordado con el cliente, en base a sus prioridades de negocio. #IBMRetail Fases de la prueba de concepto 1 Workshop inicial Se fijan los objetivos de la prueba y se determinan los casos de uso basados en las prioridades de negocio del cliente. Se recogen los requisitos y los datos a analizar en la Fase 0. #IBMRetail Fases de la prueba de concepto Recogida de requisitos para Fase 0 Segmentos de clientes ¿Cómo se está haciendo la segmentación actualmente? ¿Cuántos segmentos existen? Características demográficas (edad/sexo) Características financieras (número de productos/saldo medio) Abandono Tasa de abandono actual (en porcentaje de clientes por año) ¿Se considera abandono de cuentas o abandono completo del cliente? Causas de abandono Acciones comerciales tomadas Durante cuánto tiempo Productos Alimentación Ropa Otros #IBMRetail Fases de la prueba de concepto Recogida de requisitos para Fase 0 Entorno informacional Sistemas relacionados Reporting Data warehouse/data marts CRM/Agenda comercial Informes estáticos Datos de redes sociales Sistemas Core Retail Dashboards Información no estructurada Gestión documental Informes activos Appliances analíticos Informes de auto servicio #IBMRetail Fases de la prueba de concepto OBJETIVOS 2 Carga de los datos (1 semana) Cargar los datos de los archivos planos proporcionados por el cliente. Crear variables de datos necesarios para los modelos. RESULTADOS Datos preparados para la aplicación de los modelos. Procesos de carga automática y transformación para futuras ejecuciones. #IBMRetail Fases de la prueba de concepto 3 Preparación y comprensión de los datos (2 semanas) Tareas: Limpieza de los datos. Análisis y comprensión de los datos. #IBMRetail Fases de la prueba de concepto 4 Aplicación y definición de modelos predictivos (3 - 4 semanas) Tareas: Análisis estadístico de los datos. Preparación de datos para introducción en los modelos Parametrización de los modelos diseñados. Primera ejecución de los modelos seleccionados. #IBMRetail Fases de la prueba de concepto 5 Interpretación de los modelos y publicación de resultados (2 - 3 semanas) Tareas: Ejecución de modelos en los datos finales. Valoración de los resultados. Interpretación de resultados. Redacción del informe final con la descripción detallada de todas las fases del proyecto y sus resultados y conclusiones. #IBMRetail Fases de la prueba de concepto #IBMRetail Cierre y siguientes pasos Ricardo Míguez Director de Soluciones de Analytics. IBM #IBMRetail Soluciones de Analítica Avanzada que transforman la experiencia del cliente 12 de abril de 2016 • IBM Client Center Madrid