In-store reality mining: quantificare e creare modelli di lungo termine per descrivere lo shopper behaviour e le interazioni con la marca usando sensori che misurano la shopping experience
DianalyticsTM è la prima piattaforma web-based che fornisce al marketing e ai media managers un set completo di indici e metriche per la misurazione scientifica e in tempo reale dell’efficacia delle attività di marketing e della comunicazione (stores, malls, transportation hubs, etc).
I dati disponibili permettono di seguire il percorso dello shopper dall’ingresso del punto vendita all’arrivo in corsia. Possiamo scoprire quanti shoppers entrano nel punto di vendita (store traffic), quanti arrivano in corsia (aisle traffic), quanti osservano un prodotto (potential shoppers), quante interazioni vengono fatte con esso (touched) e infine quanti sono gli atti di acquisto (sales).
I nostri indicatori di performance consentono di misurare l’efficienza di una categoria e di ogni singolo prodotto, non solo in rapporto alle sue performance di vendita, ma anche in relazione alle interazioni dello shopper.
L'analisi di correlazione mostra la relazione esistente fra diverse variabili. In questo caso, la quota di mercato è positivamente correlata con l’indice di vendita (rapporto fra coloro che acquistano il prodotto e coloro che lo osservano) e, in parte, con l’attrattività del prodotto (rapporto fra coloro che transitano di fronte allo scaffale e coloro che lo osservano).
Il grafico delle Correlations è anche dinamico sulla base delle selezioni dell’utente. In questo caso si correlano i volumi generati con i tempi di permanenza, di attenzione, di interazione, con i prodotti toccati e il numero di shoppers potenziali, in riferimento al prodotto in test, al suo benchmark e all’intera categoria. Osserviamo che i volumi del prodotto in test sono positivamente correlati sia con il numero di shoppers potenziali che con i tempi di interazione. Più questi ultimi sono alti, più le vendite crescono.
Sale funnel: la sezione mostra tutto ciò che avviene a partire dall’ingresso dello shopper nel punto vendita, e permette di confrontare il profilo dello shopper fra diversi prodotti.
Rulex è stato integrato in DianalyticsTM per fornire un potente motore associativo per il trattamento e l’analisi dei dati. Con la sua accuratezza e precisione, fornisce una serie di funzioni che arricchiscono il set di analytics e insights della nostra piattaforma.
Clustering: questa funzione consente di creare cluster omogenei di shoppers in funzione delle loro caratteristiche (genere, età) e dei comportamenti di acquisto. Scopri di più
Rules: questa funzione definisce le regole che determinano i diversi livelli di acquisto (basso, medio e alto) per una categoria e per un determinato brand. Scopri di più
Factor: che cosa determina l'acquisto? Factor definisce le variabili che impattano sull'acquisto di una categoria. Scopri di più
What if: che cosa accadrebbe se…. ? Questo modulo di simulazione, acquisendo tutti i dati disponibili, permette, a fronte di un unico fattore (ad esempio il prezzo), di stimare il sell out, data la modifica del fattore.
Prediction: dato un modello campionario, permette di stimare i risultati di sell out a livello nazionale, riportando l’errore di precisione e il grado di rilevanza.