E-Commerce and market intelligenceC

E-Commerce and market intelligence
Chen, Chiang and Storey (2012:1165) consider business
intelligence and analytics as an important area of study
and research to solve data-related problems in companies.
This is vividly illustrated by what web and e-commerce
vendors have developed and implemented over the last
few years (see introduction of section 3 and McAfee and
Brynjolfsson 2012:61). Amazon, amongst many similar
internet-based companies, is an excellent example of this,
where they have developed analytics tools (algorithms)
to analyse every ‘click’ on their website by thousands,
possibly millions, of customers browsing for and buying
products. This has enabled Amazon to, for example, not
only propose customer preferences for certain products
but also to manage inventories at their various distribution
centres by tracking sales of different types of products and
how that impacts inventories at the distribution centres. Just
recently Amazon revealed its plans for predictive shipping,
whereby consumer-generated information is scanned and a
sophisticated analytics algorithm aims to optimise fulfilment
strategies.
Therefore, instead of simply analysing sales, predictive
analytics provide retailers with a view into the future and
an opportunity to identify patterns that lead to effective and
highly personalised customer engagement strategies. Where
descriptive analytics measures what has already happened,
predictive analytics applies statistical modelling and data
mining to study recent and historical data, thus allowing for
more accurate forecasting.
Loyalty cards are another example of the use of big data and
analytics that has major applications for product ranges,
inventories, etc., as well as market intelligence. For each
item bought at a retail store using loyalty cards, the store can
through proper analysis of the point-of-sale data determine
exactly what items are bought, what the preferences of loyalty
card holders are, the size of purchases, etc., and what the
implications are for different products, product inventory for
different times of the month/year (introducing seasonality),
order quantities and when to order, which stores are more
profitable, and which stores are solicited more often, leading
to better location decisions, etc. Marketing initiatives can be
guided significantly by analysis of the big data obtained in
this manner.

ผลลัพธ์ (ไทย) 1:

E-Commerce และตลาดข่าวกรองเฉิน เชียงใหม่และชั้น (2012:1165) พิจารณาธุรกิจ ปัญญาและวิเคราะห์เป็นพื้นที่สำคัญของการศึกษา และการวิจัยเพื่อแก้ปัญหาที่เกี่ยวข้องกับข้อมูลในบริษัท สดใสจะเห็นว่าเว็บและพาณิชย์อิเล็กทรอนิกส์ มีพัฒนา และดำเนินการผ่านผู้จัดจำหน่าย ไม่กี่ปี (ดูบทนำของส่วน 3 และ McAfee และ Brynjolfsson 2012:61) Amazon ท่ามกลางหลายคล้าย อินเทอร์เน็ตบริษัท เป็นตัวอย่างนี้ ที่พวกเขาได้พัฒนาเครื่องมือวิเคราะห์ (อัลกอริทึม) วิเคราะห์ทุก 'คลิก' บนเว็บไซต์มากมาย อาจนับล้าน ลูกค้าเรียกดู และซื้อ ผลิตภัณฑ์นี้ นี้มีการเปิดใช้งาน Amazon เช่น ไม่ เฉพาะ พิจารณาลักษณะลูกค้าบางผลิตภัณฑ์ แต่ยังรวมถึง การจัดการสินค้าคงคลังที่กระจายการต่าง ๆ ศูนย์ โดยการติดตามการขายของประเภทของผลิตภัณฑ์ และ วิธีที่ส่งผลต่อสินค้าที่ศูนย์กระจายสินค้า เพียง ล่าสุด Amazon เปิดเผยแผนการสำหรับการจัดส่งล่วงหน้า โดยข้อมูลที่สร้างขึ้นสำหรับผู้บริโภคที่สแกน และ อัลกอริทึมซับซ้อนวิเคราะห์มีวัตถุประสงค์เพื่อให้สามารถดำเนินการได้ กลยุทธ์ดังนั้น แทนที่จะขายเพียงวิเคราะห์ ทำนาย วิเคราะห์ให้ผู้ค้าปลีกมองไปในอนาคต และ โอกาสที่จะระบุรูปแบบที่นำไปสู่การมีประสิทธิภาพ และ กลยุทธ์การมีส่วนร่วมของลูกค้าส่วนบุคคลสูง ที่ อธิบายวิเคราะห์มาตรการแล้วอะไร วิเคราะห์เชิงคาดการณ์ที่เกี่ยวข้องในการสร้างโมเดลทางสถิติและข้อมูล การศึกษาล่าสุด และ ข้อมูลเดิม ซึ่ง ช่วยให้สำหรับการทำเหมือง การคาดการณ์แม่นยำยิ่งขึ้นบัตรสมาชิกเป็นอีกตัวอย่างของการใช้ข้อมูล และ การวิเคราะห์ที่มีการใช้งานที่สำคัญสำหรับผลิตภัณฑ์ สินค้าคงเหลือ เป็นต้น เช่นเป็นตลาดปัญญา สำหรับแต่ละ สินค้าที่ซื้อจากร้านค้าปลีกโดยใช้บัตรสมาชิก สามารถเก็บ ผ่านการวิเคราะห์ที่เหมาะสมของข้อมูลร้านกำหนด ว่าสินค้าที่ซื้อ กำหนดลักษณะใดของสมาชิก ผู้ถือบัตรมี ขนาดของการซื้อ ฯลฯ และสิ่ง เป็นที่สำหรับผลิตภัณฑ์ต่าง ๆ ผลิตภัณฑ์สินค้าคงคลังสำหรับ เวลาต่าง ๆ ของปีกับเดือน (แนะนำฤดูกาล), สั่งปริมาณและเมื่อการสั่งซื้อ ร้านค้าที่ถูกเพิ่มเติม กำไร และร้านค้าที่ต้องรับบ่อย ผู้นำ ตัดสินใจได้ดีในสถานที่ ฯลฯ การตลาดโครงการสามารถ แนะนำอย่างมีนัยสำคัญ โดยการวิเคราะห์ข้อมูลขนาดใหญ่ที่ได้รับใน ลักษณะนี้

ผลลัพธ์ (ไทย) 2:

E-Commerce และสติปัญญาตลาด
เฉินเชียงใหม่และชั้น (2012: 1165) พิจารณาเรื่อง
ปัญญาและการวิเคราะห์เป็นพื้นที่สำคัญของการศึกษา
. และการวิจัยเพื่อแก้ปัญหาข้อมูลที่เกี่ยวข้องกับ บริษัท
นี้แสดงเต็มตาโดยสิ่งที่เว็บและ e-Commerce
ผู้ขาย ได้มีการพัฒนาและดำเนินการในช่วงที่ผ่านมา
ไม่กี่ปีที่ผ่านมา (ดูการแนะนำของมาตรา 3 และ McAfee และ
Brynjolfsson 2012: 61) Amazon, หมู่หลายที่คล้ายกัน
บริษัท อินเทอร์เน็ตที่ใช้เป็นตัวอย่างที่ดีในเรื่องนี้
ที่พวกเขาได้มีการพัฒนาเครื่องมือการวิเคราะห์ (อัลกอริทึม)
ในการวิเคราะห์ทุก 'คลิก' บนเว็บไซต์ของพวกเขาโดยพัน
อาจจะเป็นล้านของลูกค้าที่เรียกดูและซื้อ
ผลิตภัณฑ์ นี้ได้เปิดใช้ Amazon เพื่อยกตัวอย่างเช่นไม่
เพียง แต่นำเสนอความต้องการของลูกค้าสำหรับผลิตภัณฑ์บางอย่าง
แต่ยังรวมถึงการจัดการสินค้าคงคลังที่จัดจำหน่ายต่างๆของพวกเขา
ศูนย์โดยการติดตามการขายของประเภทที่แตกต่างของผลิตภัณฑ์และ
วิธีการที่สินค้าคงเหลือที่มีผลกระทบต่อการกระจายศูนย์ เพียงแค่
เมื่อเร็ว ๆ นี้อเมซอนเปิดเผยแผนการสำหรับการจัดส่งสินค้าทำนาย
โดยข้อมูลของผู้บริโภคที่สร้างขึ้นจะถูกสแกนและ
ขั้นตอนวิธีการวิเคราะห์ที่มีความซับซ้อนมีวัตถุประสงค์เพื่อเพิ่มประสิทธิภาพการปฏิบัติตาม
กลยุทธ์.
ดังนั้นแทนที่จะขายเพียงการวิเคราะห์ทำนาย
วิเคราะห์ให้ร้านค้าปลีกที่มีมุมมองไปในอนาคตและ
โอกาสต่อไปยัง ระบุรูปแบบที่นำไปสู่การที่มีประสิทธิภาพและ
ส่วนบุคคลสูงกลยุทธ์ดึงดูดลูกค้า ในกรณีที่
การวิเคราะห์เชิงพรรณนาขนาดสิ่งที่ได้เกิดขึ้นแล้ว
การวิเคราะห์การทำนายใช้แบบจำลองทางสถิติและข้อมูล
การทำเหมืองแร่ที่จะศึกษาข้อมูลล่าสุดและประวัติศาสตร์จึงช่วยให้สำหรับ
การคาดการณ์ที่แม่นยำมากขึ้น.
Loyalty บัตรเป็นตัวอย่างของการใช้ข้อมูลขนาดใหญ่และอีก
Analytics ที่มีการใช้งานที่สำคัญสำหรับสินค้า ช่วง
สินค้าคงเหลือ ฯลฯ เช่นเดียวกับตลาดข่าวกรอง สำหรับแต่ละ
รายการซื้อที่ร้านค้าปลีกโดยใช้บัตรสะสมเก็บสามารถ
ผ่านการวิเคราะห์ที่เหมาะสมของข้อมูลจุดขายของการตรวจสอบ
ว่าสิ่งที่รายการที่จะซื้อสิ่งที่การตั้งค่าของความจงรักภักดี
ของผู้ถือบัตรที่มีขนาดของการซื้อสินค้า ฯลฯ และสิ่งที่เป็น
ความหมายสำหรับผลิตภัณฑ์ที่แตกต่างสินค้าคงคลังสำหรับ
เวลาที่ต่างกันของเดือน / ปี (แนะนำฤดูกาล)
ปริมาณการสั่งซื้อและเมื่อการสั่งซื้อสินค้าที่ร้านค้ามี
ผลกำไรและที่ร้านค้าจะมีการร้องขอมากขึ้นมักจะนำ
ไปสู่การตัดสินใจที่ตั้งที่ดีกว่า ฯลฯ การตลาดสามารถ
รับคำแนะนำอย่างมีนัยสำคัญจากการวิเคราะห์ข้อมูลขนาดใหญ่ที่ได้รับใน
ลักษณะนี้