Νέα πανεπιστημιακή έρευνα διαπιστώνει ότι τα σημεία λιανικής πώλησης μπορούν να συνδυάσουν την εξοικείωση των αγοραστών με τη χωροταξική διάταξη ενός καταστήματος με τα στοιχεία από βάσεις δεδομένων από online αγορές, ώστε να είναι σε θέση να οργανώσουν το in-store merchandising με ανάλογη ακρίβεια όπως και στο online merchandising.

Οι ερευνητές ανέπτυξαν ένα μοντέλο κατανομής προϊόντων που αξιοποιεί στοιχεία προερχόμενα από δεκάδες χιλιάδες πραγματικές συναλλαγές πελατών που προέρχονται από τη βάση δεδομένων Foodmart της Microsoft. Στη συνέχεια, το μοντέλο χρησιμοποίησε μια διαδικασία τριών βημάτων για να καθορίσει την ιδανική τοποθέτηση προϊόντος σε καταστήματα που αναδιατάσσουν περιοδικά τα προϊόντα τους:

1. 1. Προσδιορισμός των πιο κερδοφόρων προϊόντων ενός καταστήματος που θα τοποθετηθούν στις πιο ορατές τοποθεσίες.

1. 1. Προσδιορισμός των ειδών που τείνουν να αγοράζονται μαζί, ώστε να μπορούν να τοποθετηθούν με τρόπο που οι πελάτες θα παρατηρήσουν κάτι
      ενδιαφέρον δίπλα σε μια «σίγουρη» αγορά.

1. 1. Εκμετάλλευση του «past aisle impulse» δηλαδή της παρόρμησης που βασίζεται στην εξοικείωση του πελάτη με έναν συγκεκριμένο διάδρομο ενός καταστήματος. Έτσι, καθορίζεται η μελλοντική διάταξη του καταστήματος με βάση την εξοικείωση από τη θέση που βρίσκονταν παλιά τα προϊόντα σε ένα κατάστημα.
      
      Σύμφωνα με τον επικεφαλής της έρευνας Gihan Edirisinghe «αυτό το τελευταίο βήμα έχει σχεδιαστεί έτσι ώστε όσοι ψάχνουν σε ένα οικείο μέρος για, ας πούμε, πατατάκια, θα παρατηρήσουν κάτι νέο που τα δεδομένα μας λένε ότι θα τους ενδιαφέρει. Κάθε αναδιάταξη μπορεί στη συνέχεια να χρησιμοποιηθεί ως βάση για την επόμενη».
      
      

Οι αριθμητικές προσομοιώσεις διαπίστωσαν πως το μοντέλο του ερευνητή ξεπέρασε σημαντικά τις μεθόδους κατανομής που βασίζονται αποκλειστικά στην οπτική αναδιάταξη και σε άλλες τεχνικές που χρησιμοποιούν συσχετισμό δεδομένων.

Η έρευνα κατέληξε στον εντοπισμό των πιο κερδοφόρων προϊόντων ενός καταστήματος, ποια είδη τείνουν να αγοράζονται μαζί και ποια η ιδανική χωροταξική τοποθέτησή τους, ώστε να μεγιστοποιείται το κέρδος από το καλάθι αγορών.

Λαμβάνοντας υπόψη το γεγονός ότι το 80% των αγοραστών δεν κάνει μια λίστα πριν επισκεφτεί ένα κατάστημα, είναι εύκολο να καταλάβουμε πως τέτοιες τεχνικές βοηθούν τα φυσικά καταστήματα στον ανταγωνισμό τους με τους online retailers.

Η συλλογή και ανάλυση δεδομένων για τους πελάτες της INGROUP είναι απαραίτητη και για αυτό το λόγο δημιουργήθηκε και υλοποιήθηκε σε αποκλειστικότητα η tailored – made πλατφόρμα βάσης δεδομένων για την εγκυρότητα και διαφάνεια των καταγραφών.

Η πλατφόρμα INGROUP RTI (Real Time Information) έχει τη δυνατότητα πλήρους παραμετροποίησης ανάλογα με τις εκάστοτε ανάγκες του πελάτη και project με χαμηλά επίπεδα κόστους αλλά και χρόνου, είναι προσβάσιμη online / offline από όλα τα λειτουργικά (iOS / Android) και σε οποιονδήποτε χρόνο, ενώ παρέχει αποτελέσματα και την ανάλυσή τους τόσο σε Dynamic Pivot Environment όσο και
σε Business Intelligent Environment.

Το “INGROUP RTI” παρέχει στους Πελάτες της INGROUP:
– Υποστήριξη στη διαδικασία λήψης αποφάσεων.
– Δυνατότητα καλύτερης στόχευσης στη δυνητική ανάπτυξη των POS τους.
– Δυνατότητα αύξησης της παραγωγικότητας των Ομάδων που το αξιοποιούν (αύξηση ωφέλιμου χρόνου in the field ομάδων).

-Δυνατότητα παρακολούθησης και πραγματοποίησης διορθωτικών ενεργειών άμεσα.
– Βελτιστοποίηση απόδοσης της κάθε επένδυσης.
– Μεγιστοποίηση του Μεριδίου αγοράς τους.
– Διατήρηση των στοιχείων καταγραφών, φωτογραφιών και των συγκριτικών report μέχρι την ολοκλήρωση του Project.

Στόχος του “INGROUP RTI” είναι να μετατρέπει τα δεδομένα σε ενέργειες και τα αποτελέσματα αυτών των ενεργειών σε αποτελέσματα για τη μεγιστοποίηση του Return On Investment των Πελατών.