Платформа для проведения шопер-исследований в виртуальной реальности, базирующееся на физиологической обратной связи и методах машинного обучения
Шопер-исследования на пороге технологической эволюции
Все FMCG-производители и ритейлеры понимают важность исследований поведения покупателя в точке продаж, однако текущие подходы неудобны и затратны своей нетехнологичностью.
Исследования в реальном магазине сопряжены с организационными сложностями: необходимость договоренности на уровне каждой точки, реальный трафик vs. ожидаемый, невозможность смены выкладки, практическая невозможность установки камер для наблюдения и т. д.
Холл-тест с имитацией торговой полки дает ограниченное количество вариантов теста (максимум 5-6 вариантов объекта исследования: планограммы выкладки, расположения POSM и т. д.).
Классические количественные опросы о покупательском поведении и вовсе отражают лишь мнение
о факте: «Что бы я купил, находясь в магазине?»
Комплекс методов может быть решением, но это — долгая обработка и сведение полученных данных, и это дорого.
25%
дешевле
50%
быстрее
* При проведении аналогичного
исследования в реальной точке продаж
1
2
3
Уникальная, полностью автоматизированная
платформа для проведения шопер-исследований

Готовые магазины ведущих ритейл-сетей разных форматов
в виртуальной реальности максимального уровня качества графики.
Максимальное качество сбора всех данных, недостижимое во время проведения традиционного исследования (миллиметры, миллисекунды, доли градусов и т. д).
Данные доступны к анализу и обработке в режиме реального
времени — прямо в процессе исследования.
*
на
на
1
Определяется задача исследования, сеть и формат магазина.
5
ПРОСТЫХ ЭТАПОВ ПРОЕКТА
Адаптируется локация и согласовываются необходимые
исследовательские квесты.
Подбираются релевантные респонденты.
Разворачивается мобильная исследовательская VR-площадка
на 4-16 станций (в любой удобной локации).
Результаты исследования оперативно обрабатываются
и предоставляются заказчику в привычном презентационном
виде или в виде мультемидийной презентации.
2
3
4
5
(в зависимости от предоставленных материалов
и сложности квестов)
Срок, необходимый для подготовки
и проведения исследования
10
30
Благодаря многолетнему опыту создания VR-продуктов с максимальным уровнем качества графики, мы смогли добиться эффекта полного погружения, обратив особенное внимание на детализацию, освещение и физику объектов. Респонденты не задумываясь переносят свои навыки и привычки из реальной жизни в виртуальное пространство, а сам процесс исследования перестает быть утомительным и скучным. Платформа имеет гибкие возможности для адаптации под конкретное исследование.
Корректировка планограмм.
Процедурное изменение цен на ценниках.
Добавление POSM и продуктовых инсталляций.
Изменение расположения категорий внутри магазина.
ФОТОРЕАЛИСТИЧНЫЕ
VR-МАГАЗИНЫ ВСЕХ ФОРМАТОВ
А также дополнительные параметры:
Изменение уровня чистоты и порядка в магазине.
Добавление необходимого количества других покупателей.
Воспроизведение рекламных аудиосообщений по громкой
связи магазина.
Корректировка навигации в магазине.
Поведение кассира и многое другое.
С помощью платформы Retaility можно проводить любые возможные исследования в ритейле*:
ЗАДАЧИ ИССЛЕДОВАНИЙ
POS-МАТЕРИАЛЫ
Какие материалы помогают посетителям? Как правильно размещать POS?
СТЕНДЫ, ДИСПЛЕИ, ДМП
Будет ли вложение в оборудование
приносить результат? Какова конверсия покупателей?
РЕ-ДИЗАЙН МАГАЗИНОВ
Новые магазины? Или дизайн в сравнении
с прежним форматом?
КОММУНИКАЦИЯ
Что и как нужно «сказать» посетителям, чтобы
их визит закончился успешно и создал позитивные впечатления?
ПЛАНИРОВАНИЕ ТОРГОВОГО
ПРОСТРАНСТВА

Как сделать магазин площадкой
для позитивного опыта взаимодействия?
ОРГАНОЛЕПТИЧЕСКОЕ
СОПРОВОЖДЕНИЕ (ЗВУК/ЗАПАХ)
Как нейромаркетинг может создавать приятное
впечатление от посещения магазина?
* Погрешность проведения исследований в VR относительно реального магазина менее 10% (подтверждено на параллельных исследованиях с использованием идентичных магазинов — реального и виртуального).
Автоматический сбор размеченных данных позволил нам
не просто сравнивать между собой заранее скомпонованные варианты, а создать уникальный алгоритм автоматизированного формирования рекомендаций по улучшению раскладки продуктов на полке. Модель по частично собранной выборке выделяет наиболее перспективные варианты для дальнейшего тестирования и отметает наиболее слабые.

Благодаря корректировке гипотез прямо в процессе исследования методы машинного обучения могут сократить количество тестов.
ПОИСК ОПТИМАЛЬНОЙ КОМБИНАЦИИ
Исследования потребительского поведения в других форматах
Исследования упаковок товаров и элементов коммуникации через AR
GAMELAB
Дистанционные исследования с геймификацией в WEB
ARTIFACT
СВЯЖИТЕСЬ С НАМИ
Нажимая на кнопку, вы даете согласие на обработку персональных данных
и соглашаетесь c политикой конфиденциальности.