Покупці поводяться по-різному в різних магазинах, з різними товарами і в різні дні. Чи є в розпродажі абсолютно нові товари? Ви знаєте, як на це відреагують покупці? Наближається якесь свято чи чемпіонат світу? Чи можете ви передбачити, як ці події вплинуть на продажі акційних товарів? Штучний інтелект – так. Він працює з такою великою кількістю даних водночас, що жодна людина не змогла б швидко і правильно опрацювати в теперішній час.

Продажі після свого запуску постійно розвиваються, а штучний інтелект їх безперервно відстежує, оцінює і перевіряє на співвідношення з ринковими даними. Він враховує поведінку покупців і вплив усіх можливих факторів, від погоди і до цін на інші товари.

ШІ вміє

ШІ вже збільшує продажі в магазинах словацького ритейлера Coop Jednota Čadca. “Ми давно думали про те, щоб застосувати ШІ для прогнозування промо-продажів. Результати перевірки концепції Promo Forecast AI від компанії Sluno переконали нас запустити пілотний проєкт у 10 магазинах. Через шість місяців ми оцінили його і вирішили поширити використання ШІ на всю мережу”, – коментує хід впровадження ШІ Мартін Янік, заступник голови правління Coop Jednota Čadca.

Перша колонка показує середній приріст продажів у пілотних магазинах. Але що ще цікавіше: у другому стовпчику показано зростання продажів на 12,9% у 5 магазинах, де довелося чітко слідувати передбаченням штучного інтелекту і не втручатися в його роботу. Збільшення продажів на 9,1% досягли магазини, які втручалися в рекомендації АІ. І для порівняння, в четвертій колонці показано зростання продажів, досягнуте магазинами, які керувалися іншими факторами.

Це також чудовий інструмент для роздрібного продавця для переговорів про ціни з постачальниками. Він моделює, скільки товарів буде продано і за якою ціною. Він також може змоделювати знижку і запропонувати оптимальний варіант для переговорів з постачальником.

Від перевірки концепції до автоматизації

Ви можете протестувати ШІ для прогнозування продажів на власних даних. Від минулого року він надає набагато більше варіативності вхідної інформації. Оскільки не всі клієнти мають однакові дані про свої промо-акції, а іноді певної інформації бракує. Підготовка даних займе близько 14 днів.

Після того, як дані потрапляють до системи, відбувається їх обробка. На цьому етапі видаляються помилки та явні нісенітниці, спричинені ручним втручанням або невірно поставленою десятковою крапкою. Після цього відбувається власне розрахунок, який дає дуже чітку відповідь на те, яким буде попит на товар. Потім цей попит можна трансформувати в остаточне замовлення.

Те, що повертається в ERP-систему, може бути як попитом: Протягом чотирнадцятиденної акції продано 1548 штук йогурту, так і замовленням: За три дні до події ми замовляємо 700 штук, через п’ять днів – ще 300 штук. Система також передає інформацію у вигляді графіків.

На етапі переходу до пілотної експлуатації, коли система вже налаштована і стабільна, вона все ще працює в напівавтоматичному режимі. Людина може вручну втручатися в результати. Потім втручання оцінюються, і якщо вони приносять користь, відбувається подальша параметризація, щоб не було необхідності в подальших втручаннях.

З цими модифікаціями система досягає майже досконалості і переходить в автоматичний режим, де не потрібне втручання людини, а ноу-хау не йде на пенсію разом з покупцем, а залишається з компанією.

Він також вирішить поширене питання ритейлерів про те, чи була акція успішною. Завдяки інтуїтивно зрозумілій інформаційній панелі штучний інтелект графічно оцінить, наскільки успішними були акції. Він також враховує кількість товарів, які фізично поміщаються в магазині, чи то на палетах, чи то на полицях. Він також вирішує проблеми цінової еластичності, дивлячись на історію та спостерігаючи за поведінкою покупців під час різних знижок.

Принаймні рік тому

Скільки одиниць певного товару було продано, в якій торговій точці і за якою ціною. Це вхідні дані, які повинні бути відомі принаймні за минулий рік. Не потрібна щоденна історія, достатньо даних по тижнях. Чим більше даних отримає ШІ, тим кращі прогнози він зробить.

Однак не потрібно думати про те, які дані важливі, а які ні. Якщо йде Чемпіонат світу з футболу, а ви плануєте рекламу зубної пасти, алгоритм оцінить інформацію як марну і не буде її використовувати.

Він також може впоратися з ситуацією, коли на ринку з’являється щось нове. Більше не потрібно, щоб людина, як у випадку зі статистичними методами, визначала силу нового регресора, чи це 2%, чи 20%. Він також враховує, які інші товари також є в розпродажі, як вони продаються і чи є синергія або канібалізм.

Про те, як саме працює штучний інтелект для прогнозування продажів товарів у дії, читайте в цій статті.