Инсайт № 2. Аналитические решения и формирование четких задач Аналитическое решение представляет собой сервис, который получает от ритейлера 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 ритейле 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.
Инсайт № 3. Машинное обучение и ценовая эластичность Это метод быстрой маркировки и анализа больших объемов информации, которые непосильны для человека. Крупные ритейлеры 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 ритейлер 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 затратВ 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.