Как технологии искусственного интеллекта меняют современный ритейл

Ритейл – одна из самых чувствительных сфер бизнеса. Любые события на рынке, политической арене или демографические колебания мгновенно влияют на розничную торговлю. Поэтому владелец сети должен быть гибким и уметь быстро адаптироваться и принимать взвешенные управленческие решения.

Реалии сегодняшнего дня, с которыми сталкиваются ритейлеры, существенно усложняют все бизнес-процессы:

• военные действия и разрушенные магазины и склады;
• высокий уровень инфляции и низкая платежеспособность населения;
• логистические трудности в доставке товаров;
• дефицит товаров;
• неликвидные остатки и утраты;
• кадровый голод.

В такой ситуации каждому владельцу сети просто необходима «суперсила». Ведь каждая ошибка в управлении – это ущерб, который сегодня просто недопустим.

Как справиться ритейлу с трудностями и облегчить ежедневные задачи?

Украинская продуктовая ІТ-компания Datawiz вместе с ритейл-экспертами внедряет ІТ-решения, помогающие ритейлерам анализировать успешность бизнеса и автоматизировать бизнес-процессы.

Сегодня ритейлеру недостаточно оценивать фактические финансовые показатели. Все большее значение приобретает предиктивная (прогнозная) аналитика. Точное прогнозирование спроса и продаж позволяет понимать, что следует ожидать в будущем и своевременно подготовиться:

• закупить те товары, которые ожидается рост спроса;
• не допустить излишков сезонных товаров;
• установить оптимальные цены, которые принесут наибольшую прибыль;
• избежать утраченных продаж;
• предотвратить потери и минимизировать количество испорченных товаров.

Предиктивные данные позволяют моделировать весь путь товара: от закупки и пребывания в дороге до выкладки на полках и попадания в корзины покупателей.

Решение на основе АІ – необходимая составляющая предиктивной аналитики

Процессы в ритейле генерируют огромный объем данных (Big Data), для сбора и обработки которых необходимы большие усилия и много времени. Большинство аналитических систем, использующих традиционные алгоритмы, не справляются с такой задачей. Кроме того, они не в состоянии выявить все закономерности покупательского поведения клиентов и точно спрогнозировать его.

Такие задачи возлагаются на «плечи» искусственного интеллекта (artificial intelligence). Его алгоритмы не только быстро собирают и анализируют данные, но и среди большого количества решений предлагают оптимальный вариант.

В качестве аргументов применения АІ-алгоритмов рассмотрим несколько преимуществ:

1. Быстрая обработка Big Data. Объемы данных для искусственного интеллекта не являются сверхзадачей. С их обработкой и выявлением закономерностей такие алгоритмы справляются очень быстро.
2. Гибкость моделей прогнозирования. В отличие от традиционных систем, строящих прогнозы по четким схемам и с ограниченным перечнем факторов, технологии АИ способны адаптироваться к любым изменениям среды и строить многоуровневые прогнозные модели.
3. Учет внешних факторов. Искусственный интеллект не ограничивается только внутренними (историческими) данными самой сети. Доступ к разным массивам данных (информация из интернета, показатели с разных устройств, корпоративные сведения) позволяет АІ-алгоритмам учитывать изменение большего числа данных, в т.ч. и факторов внешнего воздействия. Да, если нужно прогнозировать спрос на товар, искусственный интеллект учтет не только показатели продаж сети, но и данные рынка, интернет-площадок конкурентов, число и особенности целевой аудитории, проанализирует кросс-эластичность спроса на основе статистических данных из разных интернет источников.
4. Способность формировать точные прогнозы. Алгоритмы искусственного интеллекта способны заметить те закономерности, которые не под силу человеческому глазу. Это позволяет с большей точностью смоделировать клиентское поведение при разных обстоятельствах, понять, какие SKU и категории будут популярны, когда и какой товар нужно заказать с учетом всех возможных изменений в спросе, какие цены будут максимально привлекательными и прибыльными и т.д.

Поэтому, доверяя алгоритмам нового поколения (АІ), ритейлеры могут получить новые и высокоточные данные. И это уже не является чем-то необычным. Это требование времени, которое разделяет игроков рынка на тех, кто в игре и вне игры.

Несколько беспристрастной статистики. Согласно отчету Research and Markets, ожидается, что базирующийся на АІ-подходах мировой рынок аналитики ритейла вырастет на 18% к 2025 году и будет оценен более чем в $9,5 млрд. А по данным Gartner, в начале 2022 года у 90% компаний в бизнес-стратегиях информация была названа критическим активом предприятия, а аналитика – важнейшей компетенцией.

Рассмотрим несколько кейсов, где трудно обойтись без «всевидящего» искусственного интеллекта.

По какой цене продавать товар?

Ценообразование – кропотливое и рисковое дело для каждого владельца сети. «Как не занизить или не завысить цену?» — вопросы, сопровождающие ритейлера каждый день. И здесь за помощью лучше обратиться к искусственному интеллекту. Он с легкостью спрогнозирует поведение клиентов при всех возможных вариантах продажной цены и найдет оптимальный вариант, что обеспечит высокую прибыль сети.

Сегодня AI-системы для ценообразования используют Walmart, eBay и Amazon.

Как это работает? Система рассчитывает, как клиенты будут заинтересованы приобрести данный продукт по той либо другой цене. Для этого АІ изучает поведение клиентов в прошлом, оценивает информацию о ценах конкурентов по данным интернет-площадок, существующему спросу на товар, сведения о предстоящих праздниках, местоположении магазина и т.д.

А дальше определяет величину прогнозируемой прибыли в каждой ситуации и предлагает оптимальную цену.

Как оптимизировать ассортимент?

Оптимальный ассортимент – тот перечень товаров, который покрывает потребности покупателей, приносит сети желаемый размер доходов, достаточно быстро продается и не замораживает средства в излишках.

Для того чтобы его сформировать необходимо учитывать немало моментов:

• сезонность товаров;
• рост товарооборота LFL (Like for like);
• промо акции;
• кросс-эффекты: гало и каннибализация;
• смены доли и пенетрации категорий, товаров;
• фактическую и прогнозируемую маржинальность товаров;
• демографические особенности целевой аудитории магазина.

Понятно, что вручную учесть все эти факторы практически невозможно или нужно потратить немало времени для этого. Поэтому и здесь следует предпочесть решения на основе АІ, способные сделать процесс прогнозирования наиболее точным.

Как это работает? Алгоритм АІ использует кластеризацию магазинов сети и подробно изучает имеющийся ассортимент в каждом кластере, его показатели продаж и тенденции изменений. Параллельно учитывает все доступные внешние данные, влияющие на спрос покупателей в исследуемом регионе. Это позволяет обнаруживать те товарные позиции, которые следует ввести в ассортимент магазина определенного кластера, поскольку они 100% заинтересуют покупателей и принесут дополнительные доходы.

Заключение

Очевидно, что динамические изменения рынка требуют новейших подходов в управлении ритейлом. И лучшее решение – интеграция АІ-технологий в аналитические процессы сети. Эти высокоточные инструменты позволят в считанные минуты систематизировать огромный массив данных, оценить их в реальном времени, спрогнозировать без погрешностей и просчетов. И уже не нужно содержать многочисленный аналитический отдел, ожидать отчетов, только фиксирующих исторические данные без точных прогнозных показателей.

АІ – будущее прогрессивного бизнеса. Он обеспечивает рост денежных характеристик до уровня, которого достичь в рамках обычного масштабирования нереально. Это «маст хэв» для каждого ритейла, если цель не выживать, а быть лидером и эффективно противостоять вызовам настоящего.