📌مک دونالد یک موسسه آمریکایی است، که در سال 1940 به عنوان رستورانی تحت مدیریت ریچارد و موریس مک دونالد در سن برناردینو، کالیفرنیا تأسیس شد که تحت رهبری ری کروک رشد کرد و به برند پیشرو رستوران خدمات سریع در جهان تبدیل شد که از طریق نزدیک به 40 هزار شعبه در بیش از 70 میلیون مشتری خدمات ارائه میدهد. امروزه در 100 کشور مک دونالد حضور دارد و یکی از نمادینترین برندهای جهان است.
📍کریگ برابک (Craig Brabec) مدیر ارشد تجزیه و تحلیل دادهها (CDAO) در مک دونالد است، سمتی که او در پاییز 2020 به عهده گرفت. برابک پیش از این رهبر بینش و تجزیه و تحلیل اطلاعات در شرکت خودروسازی فورد بود و قبل از آن به مدت طولانی مدیر ارشد تجزیه و تحلیل کاترپیلار بود. برابک توضیح میدهد: «بهعنوان CDAO مکدونالد، وظیفه من این است که دادهها را برای ارزش در سراسر سازمان جهانی القا کنم. در این مقام، من مسئول هدایت تحول دادههای سازمانی، ایجاد بهترین استراتژی و مدیریت داده در کلاس، و بشارت دادن به این تغییرات در سراسر مکدونالد هستم.» او ادامه میدهد: «به عنوان بخشی از برنامه رشد استراتژیک مکدونالد، «شتاب دادن به قوسها»، این شرکت متعهد به نوآوری در زمینههای «دیجیتال، تحویل و رانندگی» است. مکدونالد متعهد به ابتکاراتی است که تلاشها را تسریع میکند تا تجربه مشتری و خدمه راحتتر و منحصربهفرد را تضمین کند.»
♦️به عنوان نمونه ای از نحوه استفاده مک دونالد از دادهها و تجزیه و تحلیلها برای بهبود تجربه مشتری و خدمه، برابک به تلاشی اشاره میکند که مک دونالد با توسعه و استقرار فناوری سفارش خودکار (AOT) در رستورانهای مک دونالد انجام میدهد. مک دونالد با ابتکار AOT با آیبیام همکاری میکند و بر تخصص آنها در ارائه راهحلهای مراقبت از مشتری با هوش مصنوعی و پردازش زبان طبیعی تکیه میکند. AOT تعاملات مشتری را خودکار میکند، با استفاده از دادههای مشتری و جزئیات سفارش برای تسریع دقت و انجام سفارش با حداقل دخالت انسانی. از طریق AOT، کارمندان میتوانند موثرتر باشند. آنها میتوانند به جای گرفتن و وارد کردن سفارشات، روی مسئولیتهای دیگر تمرکز کنند. یک سیستم خودکار سفارش غذا اشتباهات در پذیرش سفارشها را از بین میبرد، زیرا اطلاعات مشتری و جزئیات سفارش بر روی تابلوهای منو دیجیتال نمایش داده میشود. AOT همچنین میتواند با ایجاد پایگاهدادهای از تجربه سفارش آنلاین که تصمیمات مبتنی بر دادهها و اتوماسیون ارتباطات مشتری از جمله شخصیسازی را امکانپذیر میسازد، از خدمات مشتری و فعالیتهای بازاریابی پشتیبانی کند.
♦️توسعه و آزمایش فناوری AOT در رستورانهای مکدونالد، مزایایی را به مشتریان ارائه میکند و در عین حال تجربه خدمه رستوران را افزایش میدهد. برابک خاطرنشان میکند: «تمرکز ما بر تجربه مشتری و خدمه ما را بر آن میدارد تا به دنبال استفاده از هوش مصنوعی در سراسر کسبوکار باشیم – در حوزههای مشتری با تماس بالا و همچنین زنجیره تأمین. عملیات رستوران، طراحی و توسعه؛ پایداری؛ و حتی عملکردهای شرکتی.” تحقیقات نشان میدهد که استفاده از AOT برای ارائه خدمات مبتنی بر داده تأثیر مثبتی بر بهره وری کارگران و سودآوری کلی دارد. شش بازار برتر مکدونالد در سال 2021 شاهد بیش از یک چهارم فروش سیستمی خود (یا 18 میلیارد دلار) از کانالهای دیجیتالی – متشکل از اپلیکیشن موبایل، تحویل و کیوسکهای درون فروشگاهی – بودند که نسبت به سال 2020 ،60 درصد افزایش داشته است.
📍برابک خاطرنشان میکند که شرکتهایی مانند مک دونالد باید طیف وسیعی از مسائل را بر اساس دادههای مشتری، مانند ردپای شهری در مقابل حومه، و مفاهیم جدید در نظر بگیرند. او اهمیت به کارگیری تفکر در صنایع دیگر، مانند کاهش موجودی کالا، کاهش پیچیدگی، و دیگر روشهای «تولید همبرگر در حجم» را برجسته میکند. مک دونالد ارزش تجاری سرمایه گذاری خود در داده ها و تجزیه و تحلیل را با ردیابی عملکرد کلی کسب و کار و همچنین معیارهای تجربه مشتری میسنجد. برابک نتیجه گیری میکند: “مهم است که تلاشهای ما مستقیماً با عملکرد تجاری مرتبط باشد – برای نشان دادن تأثیر واقعی آنها و اولویت بندی و هماهنگی با ابتکارات استراتژیک خود.”
♦️از دیگر اقدامات مک دونالد برای حرکت به سوی داده محوری این است که چند وقت پیش مکدونالد استارتآپ «Dynamic Yield» را به قیمت 300 میلیون دلار خریداری کرد که آن را به یکی از بزرگترین خریدها در تاریخ خود تبدیل کرد. Dynamic Yield از یادگیری ماشینی استفاده میکند تا به خردهفروشانی مانند Ikea و Sephora را با فناوری «منطق تصمیمگیری» مبتنی بر الگوریتم ارائه دهد. «منطق تصمیمگیری» فناوری است که توصیههای آنلاین را تقویت میکند، به انگیزه «مشتریان نیز خریدند» فکر کنید که وقتی چیزی به سبد خود اضافه میکنید دریافت میکنید.
📍به عنوان صحبت آخر، مک دونالد در قسمت داده محوری اصول زیر را رعایت میکند :
1️⃣ در لحظه خرید دادههای بهتری بگیرید:
آوردن لحظه خرید به یک رابط دیجیتال به شما یک نمای زنده از عادات خرید میدهد: افراد در حال مرور چه چیزی هستند، چه زمانی خریداری میکنند.
نقاط داده متنی همچنین میتوانند این دادههای خرید را غنیتر کنند: زمان روز/سال، مشغلهی فروشگاه، آبوهوا، گوشدادن اجتماعی، حتی افرادی که در آن زمان با آنها خرید میکنند.
2️⃣ تجزیه و تحلیل و استخراج الگوها از دادهها:
مشابه تجزیه و تحلیل تجزیه و تحلیل آنلاین، الگوها را میتوان از طریق دادههای داخل فروشگاه تشخیص داد که به شما بینشی در مورد رفتار خرید میدهد. با استفاده از این شواهد، تیمها میتوانند فرضیههایی در مورد آنچه مشتریان میخواهند و به احتمال زیاد با آن درگیر هستند، تشکیل دهند.
به عنوان راهی برای اثبات یا رد این فرضیهها، آزمایشهای کوچک (A/B Testing) باید در داخل فروشگاه اجرا شوند تا مفروضات را تأیید کنند.
3️⃣ توصیههای سطحی به مشتریان در فروشگاه:
فرضیههای ساده انگارانه میتوانند به عنوان قوانین وارد یک موتور توصیه شوند – یعنی اگر کاربر این کار را انجام داد، این را به آنها پیشنهاد دهید. با گذشت زمان، این موتور میتواند شروع به محاسبه پیشنهادات پیچیدهتر و شخصیتر کند و آنها را مستقیماً از طریق رابطهای دیجیتال به مشتریان ارائه دهد.
جمعآوری دادههای بهتر و درک بینشهای بهتر در نهایت به توصیههای مرتبطتر و حتی طرحبندی فروشگاههای جدید منجر میشود.