Pengambilan keputusan berdasarkan data: 3 cara untuk mendorong ketahanan ritel

Jika pengecer belajar sesuatu dari liburan, pengambilan keputusan berdasarkan data harus menjadi prioritas untuk mencapai tujuan mereka untuk tahun 2023 dan seterusnya.

Angka-angka menunjukkan masa depan yang tidak dapat diprediksi.

Di satu sisi, Federasi Ritel Nasional mengharapkan penjualan ritel liburan tahun 2022 tumbuh antara 6% dan 8% selama tahun 2021, yang akan memecahkan rekor jika prediksi tersebut berlaku setelah semua angka dihitung.

Selain itu, pasar tenaga kerja di AS tetap kuat dan pembatasan COVID-19 telah dilonggarkan.

Di sisi lain, indikator ekonomi semakin menunjukkan resesi, saldo kartu kredit meningkat, dan gejolak geopolitik terus berlanjut.

Terlepas dari lingkungan yang menantang ini, pengecer yang mengambil pendekatan baru terhadap data dapat meningkatkan loyalitas pelanggan dan keuntungan mereka.

Pengambilan keputusan berdasarkan data: Menghubungkan potongan puzzle

Pandemi menyoroti kebenaran dingin bagi pengecer:

Proses back-office sering mendikte CX.
Gangguan rantai pasokan menyebabkan pengiriman tertunda.
Kekurangan persediaan menyebabkan pesanan tidak terpenuhi.
Dan masalah kepegawaian menyebabkan waktu tunggu yang sangat lama di pusat panggilan.

Semua situasi ini menimbulkan pertanyaan krusial: Pelanggan mana yang pantas mendapat prioritas?

Sayangnya, tidak ada sistem yang mengelola proses back-office yang memberikan wawasan tentang konteks pelanggan. Siapa pelanggan yang menguntungkan versus mereka yang mengembalikan banyak pesanan mereka? Siapa influencer sosial? Siapa saja risiko churn?

Sistem keterlibatan front-end melengkapi gambarannya:

• Sistem pemasaran menunjukkan promosi yang menarik pembelanja
• Solusi e-niaga menunjukkan siapa yang melakukan pemesanan online
• Manajemen pengalaman mengungkapkan sentimen pelanggan melalui data survei
• Catatan layanan menunjukkan siapa yang paling mungkin menelepon untuk pembaruan pesanan.

Ketika semua data ini disimpan dalam sistem terpisah, sulit untuk memahaminya. Namun jika digabungkan dalam satu tampilan terpadu, pengecer dapat membuat keputusan yang terinformasi dan berdasarkan data yang menghasilkan keuntungan lebih tinggi, penggunaan sumber daya yang lebih efisien, dan reputasi merek yang lebih tinggi.

Dalam sebuah wawancara tentang strategi data ritel, Brad Blackmon, Wakil Presiden Eksekutif untuk Publicis Groupe, mengatakan: “Sekarang kita berada pada waktu yang tepat di mana teknologi dan data berada pada tingkat di mana keputusan waktu nyata dapat terjadi.”

Strategi data ritel: Semuanya sekarang

Untuk membuat tampilan terpadu dari pelanggan yang memungkinkan pengambilan keputusan bisnis secara real-time, bisnis terkemuka sedang mengembangkan model data terpusat. Model terpadu ini membantu mereka memaparkan data pelanggan ke proses dan aplikasi di seluruh perusahaan.

Sebuah survei tahun 2022 oleh HBR Analytic Services , bekerja sama dengan SAP, menanyakan lebih dari 180 bisnis – termasuk banyak retailer – tentang strategi data mereka.

Hampir 4 dari setiap 5 responden mengatakan bahwa mereka telah menerapkan model data terpusat, sedang dalam proses implementasi, atau memiliki rencana untuk melakukannya.

Salah satu keluaran utama dari model data terpusat adalah skor nilai seumur hidup yang akurat untuk pelanggan (CLTV). Metrik ini membantu pengecer membuat keputusan yang berdampak positif pada keuntungan.

“Merek dapat menggunakan data dengan cerdas untuk melakukan cross-sell dan upsell saat ada kesempatan,” kata Blackmon. “Mereka juga dapat menggunakannya untuk mengurangi fokus pada konsumen yang mungkin tidak begitu berharga, dan sebagai gantinya menghargai pelanggan setia tersebut.”

3 contoh teratas kasus penggunaan retail berbasis data

Berikut adalah tiga contoh bagaimana tampilan pelanggan terpadu berdasarkan model data terpusat dapat menguntungkan strategi ritel:

1. Mengurangi poin rasa sakit dalam proses pengembalian
2. Menyatukan data perusahaan dan pelanggan untuk mengurangi dan menghilangkan churn
3. Meningkatkan layanan dan sentimen pelanggan

1. Mengurangi nyeri punggung

Pengembalian serial, juga dikenal sebagai "bracketing", adalah tindakan membeli beberapa versi item dan mengembalikan sebagian besar versinya. Satu studi menemukan 63% pembeli mengaku melakukan bracketing, naik dari 55% pada 2019.

Praktik tersebut jelas merugikan pendapatan ritel. Pembongkaran, pemrosesan, dan pemeriksaan pengembalian barang membuat mereka menghabiskan waktu dan sumber daya. Mereka juga mengambil ruang berharga di pusat pemenuhan; dan jika fasilitas tersebut mencapai kapasitas, pengecer tidak dapat memasukkan inventaris baru.

Dengan pemahaman lengkap tentang profil pelanggan, merek dapat mengelompokkan pengelompokan ke dalam kampanye yang terbatas pada promosi di dalam toko. Mereka juga dapat menargetkan pelanggan yang lebih menguntungkan dengan promosi dan penawaran online untuk memperkuat loyalitas mereka.

2. Menghentikan churn sebelum dimulai

Pesanan yang tertunda dan pengiriman yang terlewat mendatangkan malapetaka pada loyalitas pelanggan.

Dalam satu survei baru-baru ini, lebih dari 35% konsumen mengatakan mereka beralih pengecer setelah pengalaman pengiriman yang negatif dan menulis ulasan negatif atau postingan media sosial.

Dengan pandangan yang jelas tentang data rantai pasokan dan status pesanan sebagai bagian dari profil pelanggan terpadu, pengecer dapat mengidentifikasi pelanggan CLTV tinggi dengan pesanan terlambat dan mengambil tindakan proaktif.

Misalnya, mereka dapat menawarkan kupon diskon kepada pelanggan ini untuk pesanan berikutnya. Mereka juga dapat memprioritaskan pelanggan ini saat menghubungi pusat kontak, sehingga waktu tunggu yang lama tidak menambah rasa frustrasi mereka.

3. Menaikkan tingkat pemulihan pelanggan

Bukan rahasia lagi bahwa konsumen lebih banyak mengeluh dan memperlakukan pekerja ritel dengan buruk selama liburan. Namun, dengan pemahaman yang lebih baik tentang data pelanggan, merek dapat memprioritaskan keluhan dan berfokus pada pelanggan yang menguntungkan.

Dengan tampilan data riwayat pembelian pelanggan yang up-to-date, misalnya, merek dapat melihat siapa yang terus membeli barang atau jasa setelah keluhan mereka. Jika pelanggan bernilai tinggi memutuskan interaksi sejak keluhan, merek dapat mendorong mereka ke dalam kampanye lintas saluran untuk pemulihan.

Selain itu, dapat mengaktifkan tiket di call center sehingga agen dapat menindaklanjuti status pengaduan tersebut.

Manajemen data untuk ketahanan ritel

Bagi banyak pengecer, data silo adalah masalah. Ini mencegah mereka mengidentifikasi pelanggan bernilai tinggi di saat-saat pembelian kritis dan mengambil tindakan untuk memperkuat loyalitas mereka.

Pengambilan keputusan berbasis data di ritel dapat meningkatkan pengalaman dan sentimen pelanggan, sekaligus memperkuat keuntungan.

Dengan memprioritaskan pengambilan keputusan berdasarkan data, peritel dapat mengatasi tantangan ini, meningkatkan pengalaman pelanggan, beroperasi dengan lebih efisien, dan mengambil langkah positif menuju sasaran keuangan mereka.