التنقيب عن البيانات في التجارة الإلكترونية: كيفية تحسين متجرك عبر الإنترنت

يعد التنقيب عن البيانات استراتيجية تحليل ، يمكن أن يستغرق تنفيذها وقتًا طويلاً. يتمتع هذا بالعديد من المزايا خاصة لمشغلي المتاجر ، وهذا هو السبب في أن Data Mining هي واحدة من أفضل استراتيجيات التحسين في التجارة الإلكترونية.

ما هو التنقيب عن البيانات؟ كيف يمكنك تحقيق أقصى استفادة من متجرك عبر الإنترنت ، حتى لو كنت تدير شركة صغيرة فقط؟ ما الذي يجب عليك مراعاته عند تعدين البيانات؟ ندخل في كل هذه الأسئلة في مقال المدونة هذا.

ما هو التنقيب عن البيانات؟

يعد التنقيب عن البيانات إستراتيجية مفيدة يتم من خلالها البحث عن البيانات والمعلومات دون الحاجة إلى تركيز معين أو هدف محدد في الاعتبار.

الهدف هو اكتشاف الأشياء التي توفر معرفة جديدة وتساعد على تحسين استراتيجية عملك.

باستخدام Data Mining ، على سبيل المثال ، يمكنك البحث عن الاتصالات الموجودة بين المنتجات المختلفة التي تشتري عملاءك. بهذه المعرفة ، على سبيل المثال ، يمكنك استخدام البيع العابر الفعال.

كيف يمكن للتنقيب عن البيانات أن يساعد متجرك عبر الإنترنت؟

عند تعدين البيانات ، تبدأ في التحليل دون تحديد مشكلة أو هدف معين. أنت لا تعرف ما ستجده أو ما إذا كنت ستكتشف شيئًا مفيدًا على الإطلاق.

إذا قمت بإجراء تقييم لبياناتك ، فعادة ما تبحث عن معلومات معينة أو سجل بيانات معين (على سبيل المثال لمعرفة متى يشتري عملاؤك في أغلب الأحيان في متجرك عبر الإنترنت).

من ناحية أخرى ، إذا قمت بتطبيق التنقيب عن البيانات ، فإن الأمر يتعلق بشكل أساسي بالعثور على إجابات للأسئلة التي لم تكن على دراية بها على الإطلاق.

لا يتعلق التنقيب عن البيانات بالعثور على إجابة لسؤال معين بقدر ما يتعلق باكتشاف الارتباطات والأنماط المفيدة في بياناتك ، والتي يمكن من خلالها اشتقاق سلوك الشراء لعملائك.

اعتمادًا على المعلومات التي تصادفها في Data Mining ، هناك طرق مختلفة لاستخدامها لشركتك.

من المزايا المهمة أن المعرفة المكتسبة ستساعدك على التخطيط لتطبيق محسّن وأكثر استهدافًا لمنتجاتك.

لنأخذ مثال سلسلة المتاجر الكبرى والعلاقة بين الحفاضات والبيرة: إذا كنت ستبيع كلا المادتين في متجرك عبر الإنترنت ، فيمكنك استخدام المعلومات بطريقة خفية ولكن ذكية وعرض أو نافذة منبثقة للبيرة. صفحة منتج الحفاضات (والعكس صحيح).

مثال آخر: الحقيقة هي أن العديد من العملاء يفضلون التسوق عبر الإنترنت في عطلة نهاية الأسبوع. لذلك ، يتم حاليًا إجراء معظم طلباتك خلال هذا الوقت ، مما يعني أنه يجب إرسال العديد من الحزم في نفس الوقت.

إذا كنت تريد التعويض عن هذه العاصفة اللوجيستية ، فيمكنك تقديم حملات خاصة للمنتجات الأكثر شيوعًا في عطلة نهاية الأسبوع خلال الأسبوع.

ومع ذلك ، إذا قمت بذلك ، فيجب عليك التأكد من الإعلان عن حملة المبيعات وتطبيقها مسبقًا (على سبيل المثال على العديد من منصات الوسائط الاجتماعية وفي رسالتك الإخبارية).

إذا تعرف العملاء المهتمون على حملة الخصم ، فمن الأفضل الانتظار بضعة أيام حتى ترغب في إجراء عملية شراء بدلاً من طلب المنتج الذي تهتم به في عطلات نهاية الأسبوع.

تعتمد كيفية استخدام معرفتك من التحليل بشكل فعال بشكل كبير على المعلومات التي يمكنك العثور عليها.

في معظم الحالات ، تفيد معرفتك بتحسين إستراتيجيتك الإعلانية. لنأخذ مثال الحفاضات والبيرة: لنفترض أنك تبيع كلتا المادتين في متجرك عبر الإنترنت ، فمن الحكمة استخدام هذه النتائج للتدابير الإعلانية المستهدفة.

مثال على التنقيب عن البيانات

من خلال مثالنا ، نرتبط بتجربة تمت مناقشتها في كتاب "إنشاء القيمة باستخدام تحليل البيانات الضخمة" (بواسطة Verhoef و Koogle و Walk).

مثال على ذلك سلسلة متاجر كبيرة بريطانية تيسكو. تعاملت Tesco مع بياناتها الخاصة وبحثت عن عمليات الشراء التي تم إجراؤها باستخدام Tesco Club Card.

لكن في سياق التحليل ، وجد محللو Tucos أن العملاء الذين اشتروا حفاضات يميلون إلى شراء البيرة بالإضافة إلى الحفاضات.

معلومات أخرى عن التحليل: تم بيع البيرة ورقائق البطاطس بشكل أساسي مساء الجمعة.

ساعدت النتائج التي حصلت عليها سلسلة المتاجر الكبرى ، من بين أمور أخرى ، على إدارة تسويق أكثر استهدافًا.

ملاحظة: يجب أن يمنحك هذا المثال فكرة تقريبية عما يمكنك اكتشافه باستخدام Data Mining. ليس من الواضح ما إذا كانت الشركة في مثالنا هي بالفعل Tesco لأن هذا المثال يمكن العثور عليه في مصادر أخرى وبدلاً من ذلك تشير هذه المصادر إلى سلسلة المتاجر الأمريكية Walmart.

أساسيات التنقيب عن البيانات

عليك الآن معرفة التنقيب عن البيانات والمزايا لمشغلي المتاجر. حان الوقت الآن لتتعلم كيف تبدأ بأفضل تقييم لبياناتك.

لسوء الحظ ، فإن تعدين البيانات يستغرق وقتًا طويلاً ، خاصة إذا كنت تريد القيام بذلك يدويًا.

ومع ذلك ، نوصيك بالاطلاع على بياناتك خطوة بخطوة. على سبيل المثال ، إذا كنت تريد التركيز على المنتجات ، فيجب أن تنظر في جميع الطلبات التي تم فيها شراء أكثر من منتج واحد في متجرك عبر الإنترنت.

ما هو المنتج الأكثر شعبية؟ ما هي المنتجات التي تضع العملاء الذين اشتروا أكثر من خمسة منتجات في عربة التسوق؟

يمكنك أيضًا التركيز على فئات منتجات معينة: إذا اشترى أحد العملاء مقالة من فئة الألعاب ، فما هي المنتجات من فئات المنتجات الأخرى التي يتم طلبها أيضًا؟

ألقِ نظرة أيضًا على التفضيلات والارتباطات في أوقات مختلفة من اليوم. ما هي المنتجات التي تحظى بشعبية خاصة في وقت الغداء ، وأيها في المساء؟

بدلاً من التركيز على منتجاتك ، يمكنك أيضًا مراعاة الصفحات الفرعية المختلفة لموقعك على الويب: ما هي الصفحات الأكثر شيوعًا في أي وقت من اليوم؟

قارن نتائجك بمبيعاتك. هل هناك اتصال؟ يمكن أن تساعدك هذه المعلومات في حملاتك التسويقية أو إستراتيجيات عروض الأسعار الخاصة بك على إعلانات Google أو Microsoft Ads.

أدوات مفيدة لاستخراج البيانات

من المفيد أن تعرف: هناك بعض الأدوات المفيدة التي تدعمك في التنقيب عن البيانات. بهذه الطريقة ، لا يتعين عليك إجراء التحليل يدويًا.

ومع ذلك ، فإن العديد من الأدوات باهظة الثمن. بالطبع ، يمكنك ببساطة نقل جميع البيانات التي يمكنك العثور عليها إلى ملف Excel بنفسك ، ولكن من الأسهل (وأقل استهلاكًا للوقت) استخدام أدوات التنقيب عن البيانات الخاصة بدلاً من ذلك.

وازن ما إذا كنت ترغب في استثمار ميزانية لأدوات استخراج البيانات الموفرة للوقت.

تقدم معظم الأدوات مرحلة اختبار مجانية على أي حال ، لذلك لديك الفرصة لتجربة أدوات مختلفة

على سبيل المثال ، تقدم Oracle اختبارًا مجانيًا لمدة 30 يومًا لأداة استخراج البيانات الخاصة بها. أورانج ، من ناحية أخرى ، هي أداة مجانية مفتوحة المصدر بنسبة 100٪ (متوفرة باللغة الإنجليزية فقط).

عليك الانتباه إلى هذا في التنقيب عن البيانات

عملية التنقيب عن البيانات والنتيجة غير متوقعة. في بعض الأحيان لا يمكن تصنيف ما تجده بهذه السهولة. بالإضافة إلى ذلك ، قد يستغرق الأمر وقتًا طويلاً للتعرف على النمط على الإطلاق.

عليك أيضًا مراعاة ما يلي:

حتى إذا وجدت تشابهًا في البيانات ، فهذا لا يعني بالضرورة أن شيئًا ما يؤثر على الآخر على الإطلاق. هذا يبدو معقدًا للغاية ، لذلك نقدم مثالاً.

يوجد على موقع Tylervigen.com سلسلة كاملة من البيانات التي تتوافق مع نمط مماثل ، ولكن في النهاية ، لا يوجد اتصال. ألق نظرة على الرسم البياني التالي.

في الرسم البياني ، يمكنك أن ترى أن عدد حالات الطلاق في ولاية مين الأمريكية مرتبط باستهلاك الفرد من نبات المارجرين.

هل يمكنك ، إذن ، أن تستنتج أن الأشخاص المطلقين في ولاية مين هم فقط من يأكلون المارجرين؟ أو ربما حتى: الناس في ولاية ماين ، المارجرين يأكلون؟

أم أنك تفترض صدفة بدلاً من ذلك؟

بالطبع ، لا يوجد ارتباط حقيقي بين سجلي البيانات هذين. لذلك ، عليك أن تكون حريصًا في كيفية تفسير نتائجك!

يجب عليك دائمًا تضمين عدة عوامل في تقييمك - ولا تكتفي بالإشارة إلى ما يبثه التحليل.

لنفترض أنهم تمكنوا من معرفة أن عددًا كبيرًا من المنتجات من مجال السلع المنزلية تم طلبها في وقت معين.

بعد ذلك ، عندما تتصفح بياناتك ، يجب أن تفكر في حملات الخصم التي ربما قدمتها في هذا الوقت أو ما إذا كنت قد قدمت سعرًا أفضل من منافسيك في وقت معين.

بالإضافة إلى ذلك ، يجب أيضًا مراعاة العوامل الخارجية مثل جائحة كورونا. إذا وجدت فجأة زيادة في ألعاب الطاولة ، فهل كان ذلك بسبب حملات الخصم الخاصة بك أو بعض الإجراءات الإعلانية ، أو عواقب جائحة كورونا؟ أو ربما كلاهما؟

ملاحظاتك هي أيضا بيانات مفيدة. يمكنك أن تعطيك فكرة جيدة عن سبب قيام عملائك بالشراء.

استنتاج

يمكن أن يوفر لك التنقيب عن البيانات معلومات مفاجئة ستستفيد منها شركتك بالتأكيد. لا يمكن للشركات الكبيرة فقط المساعدة في هذه الإستراتيجية الخاصة بإجراءات التحسين ، ولكن أيضًا للشركات الصغيرة والمتوسطة ، يعد استخراج البيانات مفيدًا للغاية!

الشيء الأكثر أهمية هو أن تجد الطريقة الأكثر فعالية لتحليل بياناتك. قد لا يضعك التنقيب في البيانات على المسار الصحيح ، أو ما تجده يؤكد شكوكك فقط.

تأكد أيضًا من معالجة الإجابات بشكل صحيح وعدم استخلاص أي استنتاجات متسرعة. قد تضطر إلى تجربة أساليب أو أدوات مختلفة للعثور على الطريقة الأكثر فعالية لتحليل بياناتك.

أفضل شيء في التنقيب عن البيانات هو أنه ليس لديك مشكلة محددة تريد حلها. بمعنى آخر ، ليس لديك ما تخسره ولا يمكنك الفوز إلا!