AI-powered delivery date estimates to boost conversion
Give shoppers peace of mind and protect and grow your bottom line
Personalized tracking experiences to build brand loyalty
Returns and exchanges management to mitigate fraud and reward best customers
Proactive communication to drive customer lifetime value
Delivery claim management to tackle fraud and build trust
データ分析の科学について、記憶に残る評価を広めたマーク・トウェインに敬意を表して、今日のビジネスの世界は情報で成り立っています。
ガートナー 現在の姿を予測する、ビジネスインテリジェンス(BI)は、2017年の183億ドルから2020年には228億ドルの市場規模に達する見込みです。これは、正しい情報が、明確なインサイトだけでは得られない方法で売上と収益を左右することを期待して、苦労して獲得した収益とマージンの多くが投資されているということです。もちろん、これには十分な理由があります。
情報により、市場動向、予期せぬ需要、潜在的な相乗効果を示すことで、収益を増やす機会を特定できます。また、本格的な危機に陥る前に発生している問題を発見し、プロセスを微調整して幅広い事業運営の効率化を図ることもできます。
過去数十年にわたるデータの爆発的増加 (2017年には1分あたり456,000件のツイートがありました—統計を見る できます 楽しんで!)しかし、すぐに問題にぶつかります。私たち。現実を直視しましょう。私たちは皆、職業生活(個人的なことは言うまでもなく)で達成すべきことがたくさんあります。つまり、数字を見て理解するのに費やすことができる時間は限られているということです。
AI(BI のよりスマートで恐ろしい兄弟、人工知能)の将来性と危険性はさておき、私たちは絶え間なく流れてくる情報の流れの中で何に注意を払うかに関連して、毎日、意識的にも無意識的にも数え切れないほどの意思決定を行わなければなりません。情報を知ることは戦いの半分に過ぎません。情報と時間への投資に何らかの価値をもたらすためには、それについて何かをしなければなりません。では、何をすべきか、何をすべきか?
何よりもまず、大きく始めましょう。業務の健全性を測定するために使用する統計が百件もあるとしたら、すぐに分析が麻痺状態に陥ります。
すべての企業、すべての事業には、独自の価値提案があり、したがってパフォーマンス指標(別名KPI)は、自社のビジネスにとって他の指標よりも重要です。
とはいえ、ユニバーサルで最も重要なのは最も単純でもあります。つまり、お客様に何を伝えて、どれだけうまくやっているかということです。ロジスティクスの世界では、「時間通りにコミットできる」ということがよく知られています。
(「パーフェクトオーダー」とそれに付随する在庫およびピック精度のコンポーネントの複雑さはさておき)。
チェックアウト時に注文がいつ配達されるかを知りたくないeコマースの顧客はいません。
サプライチェーンがその期待にどれだけうまく応えているかは、他のすべてのデータに勝るものであり、少なくともロジスティクス組織のすべての個人が知り、理解する必要があります。
チェックアウト時に注文がいつ配達されるかを知りたくないeコマースの顧客はいません。
次に、2 つのバケットで優先順位を付けます。
はるかに重要なのは、阻止機能を備えた輸送中の注文です。これらの出荷は、問題であると同時に機会でもあります。
注文の存続期間にわたるさまざまなトリガーポイントを使用して、注文がリスクにさらされたり、失敗したりする場所を確認できます 前 お客様はそのことを知っています。
これらのデータポイントがあり、それに対応できれば、積極的に介入して重要な顧客体験を救うことができるのが最善の方法です。
最悪の場合、期待はずれの体験をする前にクライアントに連絡して、打撃を和らげることができます。
さて、後ろ向きではありますが、それでも重要な分析です。繰り返しになりますが、業務の健全性をすばやく確認するために使用する統計データに過剰な負荷をかけたくはありませんが、視野を広げる必要があります。ここでも、客観性を生かしたいのです。 そして 主観的な情報。
客観的な情報は、時間通りのコールセンターの件数やその他の注文履歴の内容、場所、日時(つまり、アトランタで発生する可能性がある気象事象の数など)です。主観的な情報は、アンケート、ドライバーの評価、逐語的な通話詳細といった形で、顧客から得られるフィードバックです。どちらも重要ですが、最も洗練された KPI は、不満を持つ顧客ベースに対する防御策としては不十分です。
一方が他方をサポートしていない場合、客観的な統計が間違っている可能性があります。だからといって、運用データを深く掘り下げる必要がなく、途方もない価値がないというわけではありません。特に、Eコマースのように急速に発展し利益率の低い業界では、統計分析の奥深くに潜む機会や活用できる利点があります。
コンサルティング組織は幅広い洞察とガイダンスを提供でき、MITメガシティ・ロジスティクス・ラボやジョージア・テック・ロジスティクス・イノベーション・センターなどの学術機関は最先端の研究を提供し、BIツールは数百万のデータポイントを理解しながら時間を短縮し、コストを削減することができます。
しかし、eコマースロジスティクスの日常業務の管理という点では、無数の需要と時間的制約があるため、いくつかの主要なサービス指標をわかりやすく表示し、先を見越した可視性ポイントと主観的な顧客フィードバックによって優先順位を付けることが、最も直接的かつプラスの効果をもたらします。
この記事は最初に公開されました LinkedIn.com。