Умный ретейл.

Речь идет, к примеру, о данных c местоположением человека, его поле, возрасте, интересах и поисковых запросах, покупках в интернет-магазинах, состоянии счетов. Такие массивы информации могут использоваться для оптимизации городского благоустройства, дорожного движения или спроса на услуги, считают авторы законопроекта. Но обладатель сведений будет обязан обезличить их так, чтобы раскрыть человека не помогла никакая дополнительная информация.

Сейчас рынок больших данных в России оценивается в 10–30 млрд рублей. Но в пятилетней перспективе он может вырасти в 10 раз, считают эксперты.

Крупнейшие российские ретейлеры уже вовсю используют большие данные, полученные от своих клиентов, рассказали участники виртуального круглого стола «Фонтанки». Официальный правовой статус big data мог бы повысить отдачу от этого инструмента. Но пока сети не вполне научились переваривать и текущие объемы, говорят участники рынка.

К примеру, X5 Retail Group, управляющая «Пятерочками», «Перекрестками» и «Каруселями», еще в 2018 году создала дирекцию по большим данным. Информация, которую анализирует ретейлер, — это 4,6 млрд визитов покупателей ежегодно и более 37 млн активных карт лояльности. Обрабатывая эти данные, компания выявляет тренды в поведении потребителей. Например, ретейлер делит своих клиентов на группы в зависимости от целей, с которыми они идут в магазин, а сами точки продаж — в зависимости от предпочтений постоянных посетителей.

Аналогичный проект есть у «Ленты». Компания анализирует данные 4,8 млн человек, которые являются держателям карт лояльности. «Мы составляем портрет покупателя, основываясь на частоте визитов в магазины, покупках, потребностях, принадлежности к определённой возрастной группе и т.д.», — рассказала представитель ретейлера. Это позволяет «Ленте» делать своим клиентам персонализированные предложения.

Такое внимание к нуждам своих покупателей не случайно. В условиях снижения покупательской способности сети пытаются переманить клиентов друг у друга. Долгое время приманкой были скидки, но когда их доля достигла критических значений, сети поняли, что угодили в так называемую «промо-ловушку» и начали искать другие инструменты. «В 2018 году мы приняли решение стабилизировать промо-активность», — сказали в Х5. «Лекарством» стал целевой маркетинг и новые технологии для персонализированных предложений.

В качестве примера он привел продажу аксессуаров и сопутствующих товаров: «Одним клиентам, купившим смартфон, будут интересны чехлы в сдержанных тонах, другим — украшенные стразами и с яркими принтами. Здесь для выстраивания правильных алгоритмов «выдачи» рекомендуемых товаров помогут знания о покупателе: о его возрасте, предпочтениях, информация о раннее совершенных заказах и другие». Клиент, которому посоветовали то, что нужно, тоже останется доволен. Как результат — повышаются лояльность и доверие к бренду, уменьшается отток покупателей, увеличивается количество посещений магазина, возрастает общая величина суммы покупок и процент дополнительных продаж. По словам Михаила Замыцкого, персонализированные маркетинговые предложения могут увеличить выручку компании на 10-15% по сравнению с типовыми промоакциями.

Пока применение Big data во многом сдерживает именно неопределенность правового статуса. Сейчас, по закону, логин и пароль в мобильном приложении, а также IP-адрес при определенных обстоятельствах могут рассматриваться как персональные данные, говорит Екатерина Смирнова, управляющий партнер Санкт-Петербургского офиса Semenov&Pevzner. Чтобы их собирать, хранить и анализировать, компании должны получать согласие субъекта персональных данных.

Что касается обработки Big Data, то далеко не всегда можно безоговорочно утверждать, что такие сведения безвозвратно обезличены и не подпадают под регулирование законодательства о персональных данных. Но при анализе огромных массивов информации о потребителях соблюдать установленный в законе принцип информированного согласия на обработку персональных данных проблематично.

При оформлении карт лояльности клиенты дают ретейлеру свое согласие на обработку данных. Принятие поправок об обработке обезличенных данных позволит бизнесу также получать данные на внешних рынках: например, у банков, сотовых операторов, соцсетей.

По словам Михаила Замыцкого, одним из перспективных направлений является работа с фото- и видеоконтентом. Алгоритмы распознавания образов можно использовать для создания социально-демографического портрета покупателя, а также для более точной персонализации предложения на сайте или терминалах самообслуживания: сортировка товаров будет происходить с учетом возраста, пола и других меток. «Следующий этап, более сложный, — физиогномика, оценка настроения до и после покупки», — комментирует топ-менеджер.

Данные от сотовых операторов и провайдеров Wi-Fi помогли бы изучить поведение клиентов в магазинах: например, какие отделы пользуются наибольшей популярностью, сколько времени покупатели проводят в разных секциях, сколько посещают точку продаж повторно.

Но участники рынка вынуждены признать, что пока не в состоянии должным образом переварить и существующий поток информации. «Объемов данных пока что больше, чем возможностей их использования», — говорит Михаил Замыцкий. По его словам, на рынке наблюдается нехватка квалифицированных аналитиков, которые могут не просто обрабатывать цифры, но и готовы предложить прикладной метод их использования.

Поэтому многие крупные игроки ждут помощи именно от технологических компаний. В частности, та же Х5 недавно запустила конкурс стартапов совместно с Торгово-Промышленной палатой Израиля - России.

Сеть магазинов одежды Concept Group тестировала сбор данных о посетителях на основе Wi-Fi-аналитики (подключаясь к бесплатному интернету, пользователь авторизируется через соцсети и таким образом дает данные о себе). Также ретейлер начал использовать видео-аналитику: данные камер наблюдения помогли подсчитать и сегментировать трафик, контролировать рабочее время сотрудников, говорит Наталья Рождественская. Кроме того, компания экспериментирует с технологиями дополненной реальности для привлечения посетителей и с системами управления запасами сети.

Продавец бытовой техники «М.Видео» внедрил у себя систему Retail Rotor для управления видео-контентом и видео-ценниками на смартфонах, планшетах, ноутбуках и телевизорах в торговом зале. Это разработка резидента бизнес-инкубатора «Ингрия», отметила Наталья Рождественская.

Поставщиками новых технологий для ретейла становятся также облачные провайдеры. Вместо того, чтобы создавать собственную ИТ-инфраструктуру, ретейлеры могут арендовать виртуальные вычислительные мощности у провайдера. Это повышает надежность и облегчает масштабирование бизнеса. К примеру, в сезонные праздники или дни распродаж, когда нагрузка на интернет-магазины лавинообразно увеличивается, облачная инфраструктура за счет эластичности позволяет быстро среагировать на рост потребности в ИТ-мощностях. «Бизнес может оперативно подготовиться к «горячему» сезону, просто докупив необходимый объём облачных ресурсов, буквально в считанные часы», — рассказывает Антон Захарченко, директор по стратегии провайдера #CloudMTS, генеральный директор «ИТ-ГРАД» (входит в Группу МТС).

По его словам, компании, которые перевели ИТ-инфраструктуру в облако, экономят на операционных затратах в среднем до 25-30% ежемесячно. Среди клиентов «ИТ-ГРАД», к примеру, продуктовая сеть АБК и продавец детских игрушек Hamleys, а #CloudMTS перенес в своё облако ИТ-инфраструктуру розничной сети Hunkemoller Russia. «Оптимизация внутренних процессов с помощью облаков напрямую влияет на эффективность работы розничных сетей, главный приоритет которых — удовлетворение потребностей и создание нового клиентского опыта», — говорит Антон Захарченко.

Также сети экспериментируют с искусственным интеллектом. К примеру, «Фонтанка» ранее рассказывала о роботах-стилистах Sarafan.AI и Rafinad, созданных петербургскими разработчиками. Но оба стартапа в большей степени ориентированы на иностранных ретейлеров. Отечественные сети пока присматриваются к технологии.

Взаимодействие с роботизированным помощником значительно упрощают голосовые технологии. «Ситилинк» сделал первый шаг в этом направлении: встроил в свои терминалы самообслуживания технологию распознавания голоса. Это позволило оптимизировать процесс обслуживания, ускорить покупку и, как следствие, увеличить пропускную способность офлайн-точек, говорит топ-менеджер. В ближайших планах —создание автоматизированного помощника с возможностью голосового управления в новом мобильном приложении.

«Перекрёсток» запустил пилот по видеоконтролю очередей в 100 супермаркетах. Искусственный интеллект в режиме реального времени анализирует количество покупателей в очереди, активность касс и загрузку кассиров. Технологии видео-аналитики и компьютерного зрения, работающие на основе нейронных сетей и искусственного интеллекта, сокращают на 10% число людей, уходящих без покупок, сообщает компания. Число жалоб уменьшается, а число чеков на одну кассу растет.

Правовой статус искусственного интеллекта тоже явно нуждается в законодательном регулировании, отмечает Екатерина Смирнова. В частности, необходимо определить, кто ответит за недостатки и вред, возникший вследствие действий ИИ. «Такие программы, не являясь субъектом права, не могут нести ответственность за «свои» решения. Скажем, мы не сможем предъявить иск к чат-боту», — комментирует эксперт. В качество одного из наиболее очевидных вариантов решения проблемы можно применить общий принцип привлечения к ответственности, согласно которому производитель технологии или продавец, ее использующий, должны нести ответственность за дефекты, которые наносят ущерб потребителям.

Но не совсем понятно, что делать, когда вред причинен ИИ без вины разработчика и вне всякой причинно-следственной связи с его действиями. Также стоит задуматься о введении обязательного страхования гражданской ответственности производителей/пользователей технологий на базе ИИ, считает Екатерина Смирнова.