Пять инсайтов ИИ, которые приведут ретейл к прогрессу

Логотип компании
Пять инсайтов ИИ, которые приведут ретейл к прогрессу
Искусственный интеллект не только решает прикладные задачи, но также решает две основные задачи бизнеса: рост выручки и сокращение затрат.

Представьте себе ретейл будущего: «умные» камеры и роботы следят за тем, чтобы полки магазина регулярно пополнялись товаром, контролируют поставки, анализируют, какой продукт и в какое время пользуется наибольшей популярностью у покупателей. Никаких потерь в продажах, больше не возникает ситуаций, когда товар есть на складе магазина, но его нет на полке и никто не знает об этом, проблема последней мили решена.

Это не утопия, а грамотное использование искусственного интеллекта (ИИ) в ретейле, возможности, которые доступны бизнесу прямо сейчас. Например, в 2017 году американская компания Walmart объявила о том, что задействует специальных роботов для сканирования полок в 500 магазинах по всем штатам. Внедрение роботов не ведет к потере рабочих мест, а избавляет сотрудников от выполнения повторяемых и скучных задач, таких как инвентаризация, проверка цен и наличие неизвестных предметов.

Проблематика: почему ретейл несет убытки?

В ретейле, как и в любом другом бизнесе, достаточно узких мест. Но есть две проблемы, которые затрагивают торговлю любого уровня, будь то крупная сеть супермаркетов с огромным ассортиментом или индивидуальный предприниматель, который реализует продукцию собственного производства.

Проблема с полкой или проблема последней мили в розничной торговле возникает от того, что крайне сложно отследить момент, когда товар попал на прилавок магазина, а когда покупатель его забрал. В результате возникают ситуации, когда на складе магазина товар есть, но на полке он отсутствует и мерчандайзеры об этом не знают.

Например, в декабре сладкие подарки для детей пользуются огромным спросом:

  • в 14.00 мерчандайзер наполнил полки ретейлера популярными рюкзачками с конфетами;

  • в 17.00 все товары были на месте;

  • в 19.00 полки опустели.

В период с 17.30 до 18.30, когда родители заканчивают работу и забирают своих детей из садика, произошел пик активности, и на полках не осталось товаров. Но мерчандайзер думает, что он выполнил свою работу, и не знает, что многие покупатели остались без товара, а ретейлер понес убытки.

Проблема последней мили есть у 100% компаний ретейла, она возникает от недостатка сотрудников в магазинах, нужно слишком много персонала, чтобы отслеживать содержание всех стендов и полок.

Кроме того, существует ряд проблем, связанных с цепочкой поставок. Она может быть неоптимально построена, что приводит к переизбытку или дефициту товаров в магазинах, особенно критично это для товаров с коротким сроком годности. Когда товары лежат на складах слишком долго, они теряют свой потенциал продаж, и это становится очевидной потерей для бизнеса. В целом это очень распространенная и комплексная проблема. Но она может быть решена с помощью оцифровки пути товара и интеграции в ИТ-инфраструктуру ретейла сервиса, который будет выявлять системные проблемы в цепочке поставок и предотвращать их и с использованием технологий компьютерного зрения и «Интернета вещей».

К счастью, на российском ИТ-рынке появляются решения на базе ИИ, которые могут предотворатить эти проблемы и помочь сократить потери.

Пять ИИ-инсайтов для ретейла

Искусственный интеллект, машинное обучение, Big Data, видеоаналитика и цифровизация дают ретейлу инсайты, новые использования данных, которые становятся ключевыми инструментами для достижения успеха. Они помогают бизнесу создавать более точные прогнозы и улучшать сервисы.

Инсайт № 1. Компьютерное зрение

Компьютерное зрение – это нечто большее, чем просто мобильное приложение или подвесная камера на потолке, которая наблюдает за полками в магазине. Современные камеры, прикрепленные к полке напротив, могут мониторить всё, что находится перед ними, в то время как роботы ездят по магазинам, следят за полками и делают снимки с помощью камеры с углом обзора в 360°. Независимо от того, как это реализовано, функция компьютерного зрения состоит в том, чтобы делать снимки полок и их содержимого – проверять, находятся ли товары на своих местах и соответствуют ли заявленным в планограмме ретейлера. Кроме того, функционал компьютерного зрения предусматривает возможность мониторинга ценников в магазине. Например, можно отследить, соответствует ли указанная на ценнике стоимость акционной. Но для этого нужно предусмотреть интеграцию дополнительных модулей в систему.

Помимо преимуществ, у системы компьютерного зрения есть недостатки:

  • Необходимость покупки системы и большого количества камер. Например, приобретение сервисов видеофиксации для большой сети магазинов может обойтись дорого.

  • Распознавание каждой фотографии. Этот процесс требует значительного объема вычислительной мощности и остается существенной частью затрат.

  • Обзор камер зависит от месторасположения. Например, камеры расположенные на противоположной полке, демонстрируют достаточно хороший результат. Но устройства, установленные на потолке, имеют ограниченный угол обзора и не могут полностью зафиксировать нижние полки.

  • Камеры не учитывают глубину полок. Например, первые три коробки сока с полки забрали, еще десять коробок в ряду остались, но расположение камеры не позволяет ей фиксировать товар в глубине полки.

  • Оборудование требует регулярного обслуживания и ремонта.

Если учитывать все эти моменты при составлении технического задания на интеграцию системы компьютерного зрения, то недостатки можно превратить в достоинства и использовать проактивно. Например, для увеличения объема вычислительной мощности лучше использовать гибридные облака. Это лучший вариант для масштабирования инфраструктуры в будущем и проведения анализа и вычислений в настоящем. А правильный выбор поставщика ИТ-решений поможет получить скидку в случае крупного заказа и возможность бесплатной техподдержки.

Инсайт № 2. Аналитические решения и формирование четких задач

Аналитическое решение представляет собой сервис, который получает от ретейлера и анализирует информацию о таких параметрах, как: цена, продажи, остатки, наличие промоакций и перечень товаров. В ходе анализа система выявляет аномалии.

Например, если в ходе анализа чеков и остатков товаров на складе сервис выявил несовпадение плана продаж с фактом, аналитическое решение инициирует проверку информации.

Подобные задачи формируются автоматически, и руководителям магазинов не нужно тратить ресурсы сотрудников на фотосъемку и анализ полок и стеллажей, персонал магазина подключается только после инициации проверки. Автоматизация части процессов в ретейле имеет ряд преимуществ:

  • экономия времени персонала;

  • экономия средств, не нужно оплачивать дополнительно работу сотрудников;

  • исключение ошибок из-за человеческого фактора;

  • контроль действий «полевых» сотрудников магазина.

Кроме того, аналитические сервисы предоставляют возможность отслеживания упущенных продаж. Мониторинг чеков дает представление о покупках, которые могли бы быть совершены. На основании этой информации сервис строит план продаж, а с помощью мониторинга деятельности сотрудников определяют, когда продажи возобновляются. Благодаря этому сервису можно оценить влияние его работы на сокращение упущенных продаж.

Читайте также
Банальная опечатка в данных может обойтись бизнесу очень дорого, но автоматизация систем управления способна устранить этот риск. Павел Горбачев, генеральный директор МКСКОМ, объясняет, как автоматизированные решения помогают исключить человеческий фактор, повысить точность данных и оптимизировать работу отделов компании.

Инсайт № 3. Машинное обучение и ценовая эластичность

Это метод быстрой маркировки и анализа больших объемов информации, которые непосильны для человека. Крупные ретейлеры уже применяют технологии искусственного интеллекта и машинного обучения для повышения продаж. Например, для создания персонализированных рекомендаций товаров в почтовых рассылках или для анализа данных о покупателях: частоте и сумме покупок, стиле жизни, предпочтительном уровне цен и любимых категориях товаров.

Алгоритмы учатся на исторических данных, таких как транзакции, история взаимодействия с клиентами, информация из интернет-источников, данные о выручке и т. д. Качество и объем данных, а также длительность периода, на протяжении которого они собраны, определяют точность модели, которая будет получена в итоге.

Кроме того, машинное обучение используется для определения ценовой эластичности: распределения цен на товары с учетом ниши, особенностей аудитории, сезона продаж и позиции продукта в общей линейке цен. Самообучающиеся алгоритмы могут обеспечить быструю реакцию на изменения на рынке и динамическое ценообразование для тысяч товарных позиций. В результате ретейлер поддерживает необходимый товарооборот без потери прибыли.

Инсайт № 4. Автоматизация и алгоритмы

Алгоритмы помогают выстраивать систему приоритетных задач для персонала. Это своего рода акцент, который сигнализирует сотрудникам о необходимости уделить внимание проблеме.

Например, задача по продвижению новинок в розничной торговле заключается в том, чтобы гарантировать, что новый товар был вынесен на полки магазина и получил должное внимание со стороны покупателей. Этому могут препятствовать два момента:

  • Человеческий фактор. Например, продавцы могут забыть вынести товар или не найти для него место на полке.

  • Технические проблемы, связанные с обновлением планограммы магазина и сопутствующими процессами.

Преодолеть обе проблемы можно с помощью бизнес-алгоритмов и технических решений.

Новинки играют важную роль в бизнесе. Для их продвижения сотрудникам магазина нужно как минимум: не забыть их на складе, вынести в торговый зал, найти место на полке и выставить. Если места на полке нет, это дополнительный триггер для операционной службы, чтобы проверить правильность планограммы. с проблемами, которые не являются крупными, но все же очень важны.

Инсайт № 5. Big Data и прогнозы

Благодаря развитию культуры сбора и хранения информации в ритейле, особенно в крупных компаниях, накапливаются огромные объемы данных. Они предоставляют колоссальное количество возможностей для получения ценных инсайтов. Некоторые сценарии уже активно применяются в розничной торговле. Например, прогнозирование продаж или эффективности промоакций. Но лишь малая часть предпринимателей знает, как работать с этими данными. Также по цифровым следам покупателей можно персонализировать работу с клиентами с учетом их особенностей: например, наличия или отсутствия у них детей, домашних животных, вероисповедания, диетических предпочтений и т. д. Применение технологии искусственного интеллекта, включая машинное обучение и продвинутую аналитику, позволяет реализовать множество подобных сценариев.

Помимо цифрового следа покупателя, цифровизации в ритейле способствуют:

  • информация об используемом оборудовании;

  • установка датчиков для определения местоположения и состояния товара на этапах логистической цепочки;

  • полная информация о продукции;

  • сведения о камерах, которые отвечают за безопасность и распознавание покупателей.

Процесс полноценной цифровизации ритейла сейчас находится в стадии развития и может занять все следующее десятилетие. Это очень простая логика: чем больше данных оцифровывает каждая компания, тем больше увеличивается общее количество полезной информации в ритейле.

Вывод: ИИ решает две основные задачи бизнеса: рост выручки и сокращение затрат

В перспективе интеграция ИИ-решений в ритейле не только исключает ошибки человеческого фактора, но и обходится дешевле. Приобретенное один раз оборудование, выгоднее регулярной оплаты труда дополнительных сотрудников, а искусственный интеллект способствует генерации дополнительного времени, что в свою очередь, приводит к "спасению продаж" в ритейле.

Таким образом, искусственный интеллект не только решает прикладные задачи, но также решает две основные задачи бизнеса: рост выручки и сокращение затрат.

Опубликовано 22.05.2023

Похожие статьи