عملکرد فناوری بیگ دیتا در آمازون (Amazon)

آمازون (Amazon) بعنوان نامی شناخته شده برای همه  ما، یکی از پلتفرم های پیشرو در تجارت الکترونیک است. آمازون علاوه بر ارائه خرید آنلاین، خدمات مختلفی مانند Amazon Pay، Amazon Pantry، Amazon Web Services (AWS) و… را ارائه می دهد.  

از آن جایی که در عصر حاضر تقریباً همه چیز دیجیتالی شده است، جمع آوری داده ها نیز دیجیتالی شده است.

 داده‌های یک شرکت دربردارنده ی اطلاعات مهم شرکت در مورد مشتریان، بینش‌های بازار و حتی استراتژی‌ بازاریابی رقبا می باشد. به منظور ایجاد استراتژی های کسب و کار، کلیه ی داده ها، تجزیه و تحلیل شده و بر روی آنها کار می شود.

آمازون از داده های خود برای موتور توصیه (recommendation engine) استفاده می کند. هر بار که کاربر محصول خاصی را جستجو می کند، داده ها به پلتفرم کمک می کند تا حدس بزند کاربر به چه چیز دیگری علاقه مند است و به این ترتیب متقاعد کردن مصرف کننده برای خرید افزایش می یابد.

 آمازون هنگام استفاده از وب سایت، داده های فردی را در مورد هر یک از مشتریان جمع آوری می کند. علاوه بر محصولی که توسط مشتری خریداری می شود، آدرس حمل و نقل کاربران و نظرات به جا مانده از آن ها را نیز پیگیری می کند.

از آن جایی که حجم داده های جمع آوری شده برای آمازون بسیار زیاد است، به همین دلیل برای مدیریت چنین حجم زیادی از داده، شرکت از فناوری بیگ دیتا استفاده می کند.

برای هر شرکتی، پایگاه داده مشتریان، یکی از با ارزش ترین دارایی ها است؛ زیرا به واسطه ی مشتری است که شرکت می‌تواند به برند تبدیل می شود و اگر شرکتی نتواند انتظارات مشتریان خود را برآورده سازد، بسیاری از مشتریان خود را از دست خواهد داد.

 داده بزرگ (Big Data) در تبدیل شدن آمازون به عنوان یک پلتفرم پیشرو در تجارت الکترونیک نقش زیادی ایفا می کند.

فناوری بیگ دیتا با فراهم کردن امکان انتخاب نزدیکترین انبار به کاربر، هزینه های حمل و نقل آمازون را به میزان قابل توجهی کاهش می دهد.   

بنابراین، در ادامه ی این مقاله، استفاده از بیگ دیتا (Big Data) در آمازون را مورد بحث قرار خواهیم داد.

تجزیه و تحلیل کلان داده (Big Data Analytics) چیست؟

اصطلاح داده های بزرگ (Big Data)، برای مجموعه داده هایی به کار می رود که اندازه یا نوع آنها بسیار پیچیده تر از مجموعه داده های سنتی است و برای جمع آوری، مدیریت و پردازش داده‌ها به کارایی‌ای فراتر از توانایی پایگاه داده های سنتی رابطه ای مورد نیاز است.  

در عصر حاضر با معرفی فن آوری های جدید مانند هوش مصنوعی (AI)، اینترنت اشیا Internet of Things (IoT))، اپلیکیشن های موبایل و وب، حجم و پیچیدگی داده ها افزایش یافته است.

در حال حاضر، تجزیه و تحلیل داده های بزرگ (Big Data Analytics)، به این معنا است که از تکنیک های تحلیلی پیشرفته ی تجزیه و تحلیل برای مجموعه داده های متنوع و بزرگ ساختار یافته (structured)، نیمه ساختاریافته (semi-structured) و بدون ساختار (unstructured) می توان استفاده کرد.

 تجزیه و تحلیل کلان داده به تحلیلگران، محققان و کاربران تجاری اجازه می دهد به کمک داده هایی که قبلاً غیرقابل دسترس یا غیرقابل استفاده بودند، بتوانند تصمیمات بهتر و سریع تری اتخاذ کنند.

بیشتر بخوانید: کاربرد هوش تجاری در استارباکس (STARBUCKS)

5 روشی که در آن آمازون از فناوری بیگ دیتا برای نظارت استفاده می کند:

 آمازون در جمع آوری، ذخیره، پردازش و تجزیه و تحلیل اطلاعات شخصی هر مشتری برای تعیین اینکه مشتریان چگونه پول خود را خرج می کنند، پیشرو است.

این شرکت از تجزیه و تحلیل های پیشبینانه (predictive analytics) برای بازاریابی هدفمند استفاده می کند که در افزایش رضایت مشتری و وفاداری آن ها کمک کننده است. بیایید نگاهی بیندازیم که چگونه این کار را انجام می دهند؟

۱- دستیار صوتی آمازون (Alexa Voice Recordings)

آمازون دستیارهای مجازی مانند Echo و Echo Show که شامل دوربین و بلندگو هستند را ارائه می دهد. با این حال، ممکن است مشتریان زیادی متوجه آپلود صداهای ضبط شده در سرورهای آمازون نباشند.

 طبق گفته ی آمازون، این فایل های صوتی برای بهبود تجربه الکسا کمک کننده هستند؛ چرا که با فعال کردن تشخیص بهتر گفتار از گروه متنوعی از مشتریان، پردازش دقیق تر پیام انجام گرفته و کمک شایانی به بهبود عملکرد آمازون می‌کند.

 با این حال، برای برخی مشتریان، ممکن است نگرانی حفظ حریم خصوصی وجود داشته باشد. برای چنین مشتریانی که از ذخیره صدای ضبط شده خود در فضای ابری احساس نگرانی می کنند، می توان با استفاده از دستیار فعال الکسا، آنها را یکی یکی یا بر اساس محدوده داده حذف کرد.

۲- سیستم پیشنهاد شخصی (Personalized Recommendation System)

آمازون در استفاده از موتور فیلترینگ جامع و مشارکتی (CFE) پیشرو است.

 این شرکت از مفهوم تحلیل رفتاری پیروی می کند؛ به گونه ای که به کمک اقلام خریداری شده قبلی، اقلام موجود در سبد خرید، لیست علاقه مندی های مشتریان، محصولات جستجو شده و رتبه بندی شده توسط کاربران،می تواند الگوهای خرید مشتریان را تجزیه و تحلیل کند. سپس از این اطلاعات برای پیشنهاد محصولاتی که سایر مشتریان هنگام خرید همان اقلام خریداری کرده‌اند، استفاده می کند.

به عنوان مثال، اگر مشتری یک تلفن همراه را به سبد خرید خود اضافه کند، قاب های موبایل برای خرید به او پیشنهاد می شود. به این ترتیب، داده های بزرگ آمازون از قدرت پیشنهاد، برای تشویق خریدهای فوری توسط یک مشتری و بهبود تجربه خرید استفاده می کنند، به گونه ای که 35٪ فروش سالانه شرکت از این طریق ایجاد می شود.

۳- سفارش با یک کلیک (One-Click Ordering)

در عصر حاضر به دلیل فضای رقابتی بین کسب و کارها، داده های بزرگ (Big Data) نشان می دهند در صورت تأخیر در تحویل کالا، مشتری شروع به جستجوی فروشنده جایگزین می کند. این امر آمازون را وادار کرد تا سفارش با یک کلیک را ارائه دهد.

مبدع «سفارش با یک کلیک » آمازون است؛ این گزینه هنگامی که شخص اولین سفارش خود را ثبت می کند و آدرس حمل و نقل و روش پرداخت را وارد می کند، به طور خودکار فعال می شود. اگر شخصی سفارش با یک کلیک را انتخاب کند، 30 دقیقه فرصت دارد تا در مورد خرید تصمیم بگیرد پس از آن محصول به صورت خودکار از طریق روش پرداخت اضافه شده شارژ و به آدرس اضافه شده ارسال می گردد.

۴- مدل حمل و نقل پیش بینانه

مدل پیش‌بینی‌ زمان تحویل تحت لیسانس آمازون، از انبوه اطلاعات برای پیش‌بینی اقلام خریداری شده توسط مشتری و زمان و مکانی که ممکن است به این اقلام نیاز داشته باشد، استفاده می‌کند.بنابراین پس از درخواست مشتری، اقلام از انبار حمل و نقل برای حمل و نقل آماده می شوند.

آمازون از این بررسی پیش‌بینی‌شده جهت گسترش معاملات اقلام،افزایش درآمد خالص و کاهش زمان انتقال و هزینه‌های عمومی استفاده می‌کند.

۵– پیشنهاد کتاب از Kindle

کیندل یک کتابخوان الکترونیکی است که توسط Amazon.com توسعه یافته و فروخته می شود. Kindles به کاربران این امکان را می دهد کتاب های الکترونیکی، روزنامه ها، مجلات و سایر رسانه های دیجیتال را مرور، خرید، دانلود و مطالعه کنند.

پس از خرید Goodreads در سال 2013، آمازون سرویس شبکه اجتماعی تقریباً 25 میلیون کاربر را با برخی از عملکردهای Kindle یکپارچه کرد به گونه ای که کاربران می توانند کلمات و یادداشت‌ها را هایلایت کنند و همچنین آنها را در میان سایر کاربران به عنوان وسیله‌ای برای بحث درباره کتاب به اشتراک بگذارند.

آمازون به گونه‌ای از این موضوع بهره برد که می‌تواند به طور مرتب کلمات هایلایت شده در کیندل را زیر نظر بگیرد تا از علاقه خوانندگان مطلع شده و  برای پیشنهاد کتاب به مشتریان و بهبود تجربه خواندن استفاده کند.

مواردی مانند اندازه کاتالوگ، تبلیغات و … در موفقیت مغازه های خرده فروشی نقش دارند، اما در آمازون، موفقیت تا حد زیادی مبتنی بر فناوری است.

 “ورنر وگل،مدیر دفتر تکنولوژی آمازون“

آمازون چگونه فناوری بیگ دیتا را پیاده سازی می کند؟

پس از جمع آوری اطلاعات مهم در مورد مصرف کنندگان، آمازون از این بینش ها برای ارائه خدمات بهتر به آنها استفاده می کند.

بهینه سازی زنجیره تأمین با فناوری بیگ دیتا

بهینه سازی زنجیره تأمین بهترین راه دستیابی به افزایش کارایی می باشد.

 آمازون می خواهد سفارشات را به سرعت انجام دهد و برای دستیابی به این موفقیت، این شرکت با تولید کنندگان ارتباط برقرار کرده و موجودی آنها را ردیابی می کند.

فناوری بیگ دیتا شرکت  آمازون، داده‌های موجود را تجزیه و تحلیل کرده و نزدیک‌ترین انبار به مشتری/فروشنده را تعیین می‌کند و بدین ترتیب موجب کاهش هزینه‌های حمل و نقل می شود.

علاوه بر این، تئوری گراف به تصمیم‌گیری در ارائه ی مسیر بهینه برای  تحویل محصول از طریق  کمک می‌کند و از این طریق صرفه جویی در هزینه ها را به ارمغان می آورد.

فناوری بیگ دیتا برای بهینه سازی قیمت 

ازکلان داده (Big Data) برای مدیریت قیمت محصولات برای جذب مشتریان بیشتر و در نهایت افزایش سود خالص استفاده می شود.

قبل از استفاده از فناوری بیگ دیتا، قیمت محصولات آمازون بدون تغییر باقی می ماند. در حال حاضر، قیمت ها اغلب تغییر می کنند. یکی از دلایل آن این است که پلتفرم های کلان داده تمایل افراد به خرید را ارزیابی می کنند.

قیمت ها بر اساس فعالیت کاربران در وب سایت، قیمت رقبا، در دسترس بودن محصول، ترجیحات کالا، تاریخچه سفارش، حاشیه سود مورد انتظار و سایر عوامل تعیین می شوند.

به دلیل تجزیه و تحلیل و به روز شدن کلان داده ها (BigData)، قیمت محصولات معمولاً هر 10 دقیقه یکبار تغییر می کند؛ در نتیجه، آمازون معمولاً تخفیف هایی را برای اقلام پرفروش ارائه می دهد و سود بیشتری در مورد اقلام کمتر محبوب به دست می آورد. بر اساس یک گزارش، این سودآوری، در افزایش 143 درصدی درآمد سالانه شرکت از سال 2016 تا 2019 کمک کننده بوده است.

غربالگری خریدها برای کشف نشانه‌های کلاهبرداری

برای جلوگیری از خطر تقلب و کلاه برداری، خرده فروشی آمازون، هزاران نقطه داده ی تاریخی و بلادرنگ (Real Time) را در هر سفارش جمع‌آوری می‌کند و  از الگوریتم‌های یادگیری ماشین (Machine Learning) برای یافتن تراکنش‌هایی با احتمال تقلب بالا استفاده می‌کند.

به دلیل متدولوژی فعال آمازون و تغییر در  محاسبات عظیم اطلاعاتی که برای رسیدگی به مسائل دقیق به کار می روند، این شرکت  می‌تواند به بررسی درخواست‌های مشکوک نیز بپردازد. به عنوان مثال، اگر اطلاعات بسیار زیادی نشان دهد که فردی در ماه‌های اخیر مقدار بسیار زیادی از محصولات را بازگردانده است، شرکت ممکن است در این زمینه به کاوش بیشتری بپردازد.

تشویق کاربران به خرید بیشتر با هر سفارش

پیشنهادات محصول ارائه شده توسط  آمازون، آشناترین کاربرد فن آوری بیگ دیتا، برای کاربران است و شرکت از آنها برای جمع آوری بینش ها نیز استفاده می کند. در آینده بر اساس محتویات موجود در سبدهای خرید قبلی و محصولات قبلاً خریداری شده به  ارائه اقلام مرتبط با کاربران می پردازد.

Amazon Personalize نشان دهنده دانش و تجربه آمازون در ساخت سیستم های شخصی سازی است و بعنوان یک سرویس یادگیری ماشین کاملاً مدیریت شده توسعه دهندگان را قادر می سازد تجربیات شخصی سازی شده را برای کاربران خود ارائه دهند.

سازمان‌های مختلف می‌توانند از نوآوری آمازون برای مشتریان خود بهره ببرند و به آن‌ها گزینه‌هایی از جمله پوشاک، غذا و … را نیز اضافه کنند.

 آمازون با درگیر  کردن مشتریان از طریق انتخاب های سفارشی آنها را مجبور به هزینه های بیشتر می کند. به گونه ای که مزایای سازمان افزایش می یابد و افراد متوجه می شوند آمازون همکان مکانی است که در آن هر چیزی را که نیاز دارند می توانند خریداری کنند.

تغییر و اصلاح فروشگاه های فیزیکی

آمازون فروشگاه فیزیکی Amazon Go را برای خرید انواع محصولات روزمره در شهر سیاتل ایالت واشنگتن افتتاح کرد. با استفاده از Amazon Go کاربران می‌توانند به‌ جای مراجعه به وب‌سایت آمازون، راهی فروشگاه شوند و مایحتاج خود را حضوراً خریداری کنند؛ اما نکته‌ای که در مورد فروشگاه Amazon Go وجود دارد و آن را از سایر فروشگاه‌های فیزیکی موجود متمایز می‌کند، نبود صندوق‌دار در مسیر منتهی به درب خروج در این فروشگاه‌ است.

در این راستا آمازون از فن آوری‌هایی از جمله‌ بینایی ماشین (Machine Vision)، یادگیری عمیق (Deep learning) و استفاده ترکیبی از سنسور‌ها بهره برده است. تکنولوژی توسعه‌یافته توسط آمازون برای کنترل فروشگاه، این امکان را فراهم می‌کند تا بتواند محصولی را که از قفسه برداشته‌ می‌شود یا در قفسه قرار می‌گیرد، ردیابی کند. سیستم مورد نظر با ردیابی محصول، آن را به حساب مجازی خریداری که کالا را برداشته است، اضافه می‌کند. زمانی که فروشگاه را به همراه اجناسی که برداشته‌اید، ترک می‌کنید، آمازون هزینه‌ی کل خرید انجام‌شده را در حساب کاربری آمازون اعمال و فاکتور خرید را برای شما ارسال می‌کند.

در واقع حسگرها اقلامی که توسط مشتریان خریداری می‌شوند را شناسایی می‌کنند و دوربین‌ها نیز تضمین می‌کنند تلاش‌های دزدی انجام شده توسط برخی مشتریان، بی نتیجه خواهد بود. آمازون از این اطلاعات برای بهبود فروشگاه‌های خود استفاده کند. به عنوان مثال،اگر محصولات گیاه‌خواری در یک منطقه خاص به سرعت به فروش می‌رسند،آمازون برای هماهنگ کردن با نیازهای مشتریان ممکن است مقدار بیشتری از اقلام گیاه خواری را تأمین می‌کند.

منبع

ارتباط با مشاوران اک تک