W ostatnich 2 latach przed e-commerce piętrzą się kolejne wyzwania: Covid-19, zerwane łańcuchy dostaw – onshoring, nearshoring, zmiany w logistyce ostatniej mili oraz ograniczenia w handlu tradycyjnym, wojna na Ukrainie skutkująca sankcjami, wzrostem cen paliw, surowców i komponentów, inflacja, zmiany podatkowe wpływające na dochody i budujące poczucie niepewności wśród konsumentów. Z drugiej strony następuje ciągły wzrost – na niektórych rynkach wręcz skokowy – sprzedaży kanałami elektronicznymi, a e-sprzedawcy zaczynają wreszcie w pełni korzystać z benefitów podejścia: zdalnie, bezdotykowo, samoobsługowo.
1. War on data
Dane klientów, możliwości ich gromadzenia i sposób korzystania oraz identyfikacja konsumentów stają się polem zażartej bitwy pomiędzy dostawcami technologii i usług, pośrednikami, regulatorami krajowymi bądź międzynarodowymi, różnego rodzaju organizacjami branżowymi oraz biznesem.
Wpływ na eCommerce
Brak danych umożliwiających targetowanie, segmentację, personalizację oraz identyfikację i odróżnienie klientów anonimowych od stałych w znacznym stopniu utrudnia nie tylko prowadzenie ale i rozpoczęcie jakiejkolwiek działalności w internecie tzw. cold start. Zmiany te w negatywny sposób wpływają na efektywność reklamy i marketingu, sprzedaż, obsługę klienta, budowę zaangażowania i lojalności. Z drugiej strony wykorzystanie potencjału tzw. 1st party data gromadzonych przez firmy handlowe pozwala im na budowę własnych systemów reklamowych dla producentów czy dostawców towarów tzw. Retail Media i generowanie za ich pomocą znaczących przychodów.
Obszary:
- wygaśnięcie wsparcia 3rd party cookies we wszystkich przeglądarkach WWW w 2023 r.
- content fortress (forteca kontentowa) – model budowy posiadłości opartej na własnych danych 1st party: media, marketplaces, pośrednicy, telekomy, usługodawcy, Retail Media
- identyfikacja klientów cross channel, cross device – własny ID graph
- ograniczenia trakowania użytkowników w ekosystemie rozwiązań Apple: przeglądarka WWW, wszystkie aplikacje mobilne, email marketing, logowanie za pośrednictwem Apple ID etc
- rola narzędzi technologicznych i standardów rynkowych: CDP, Marketing Automation, CRM, Consent Management, TCF, Programmatic buying
2. Regulacja dotykające firmy technologiczne
Branża technologiczna stała się na tyle duża, a firmy technologiczne korzystając z naturalnych mechanizmów ułatwiających tworzenie monopoli (tj. efekt skali, network effect, globalność internetu itd) zdominowały rynek cyfrowych rozwiązań konsumenckich co spotyka się z naturalną reakcją regulatorów zarówno na rynkach krajowych jak i międzynarodowych.
Wpływ na eCommerce
Ograniczenie oraz utrudnienie możliwości pozyskiwania klientów oraz danych. Bałkanizacja globalnych rozwiązań informatycznych poprzez wymóg dostosowania ich do regulacji na lokalnych rynkach. Wysokie koszty dostosowania organizacji do różnorodnych, niespójnych lokalnych regulacji.
Obszary:
- Digital Market Act, Digital Service Act w Unii Europejskiej regulujące gatekeeperów oraz usługodawców technologicznych
- Regulacje antymonopolowe: Stany Zjednoczone, Unia Europejska, Chiny, etc
- Ograniczenia dotyczące możliwości działania na rynkach zagranicznych (w tym IPO) krajowych, a nawet lokalnych – miasta: Chiny, Indie, Stany Zjednoczone, Holandia
- Kary oraz nakazy dostosowania się do regulacji nakładane przez lokalnych regulatorów na Google, Apple, Facebook, Amazon etc
- Regulacje z zakresu Environmental Social and Corporate Governance
3. Masowe zastosowanie Machine Learning
Błyskawiczny rozwój technologii uczenia maszynowego umożliwia wykorzystanie jej we wszystkich obszarach działania organizacji, w których mamy do czynienia z dużymi zbiorami cyfrowych danych oraz możliwością wykorzystania różnego rodzaju algorytmów do ich analizy, budowy i zastosowania modeli oraz automatyzacji rutynowych procesów.
Wpływ na eCommerce
Docelowo każde rozwiązanie IT, które gromadzi dowolny rodzaj danych o zdarzeniach – klientach, konkurencji, produktach, cenach, sprzedaży/zwrotach, łańcuchu dostaw/logistyce, magazynowaniu etc będzie posiadało wbudowany moduł analityczny wykorzystujący dedykowane modele Machine Learningowe. Wykorzystanie ML będzie to równie powszechne jak obecnie zastosowanie zwykłych baz danych i analityki BI czy formularzy kalkulacyjnych.
Obszary:
- reklama i marketing – personalizacja, segmentacja, targetowanie
- logistyka i łańcuch dostaw – predykcja i optymalizacja
- sprzedaż – predykcja i optymalizacja zasobów
- płatności – predykcja fraudów i optymalizacja
- produkcja treści – poprawa jakości oraz generowanie obrazu, tekstu, dźwięku, wideo
- wyszukiwanie – visual i voice search & virtual try on (via AR)
- sklepy autonomiczne – sklepy w fizycznych lokalizacjach rozpoznające towary realizujące transakcje w formie bezobsługowej
Więcej przeczytasz TUTAJ.
Autorem komentarza jest Michał Kreczmar, Dyrektor, Transformacja cyfrowa, PwC