*Как нейросети решают задачи оффлайн розницы
Нейронные сети захватывают все больше сфер нашей жизни. Самый близкий пример использования нейросети – Facebook, распознающий лица на ваших фото и предлагающий вам новости на основе ваших предпочтений. Искусственный интеллект (искин) меняет экономику, медицину, медиа, розницу. Крупные игроки международной розницы уже вовсю пользуются возможностями нейросетей для управления спросом на товары и стимулирования сбыта. Российский бизнес пытается вскочить в вагон проходящего мимо поезда. Хотите знать как это сделано и какие горизонты открывают нейросети для продавцов? Читайте в нашем новом посте.
Нейросеть: что это такое и с чем ее едят
Нейронная сеть – математическая модель, принципы работы которой схожи с принципами функционирования нервной системы высших животных. Нейросети решают сложные задачи на уровне близком к человеческому мозгу, способны накапливать данные и экспериментировать, и даже в какой-то степени самообучаются. Их главная задача - суметь извлечь полезную информацию из массива разрозненных данных.
Предположим, вы много лет кропотливо собирали детальную информацию о ваших продажах: от данных складского учета до погоды на улице. Потом вы загрузили эти данные в нейросеть. Система их обработала и нашла определенные закономерности: с сезоном, выпуском новых групп товаров, отдельными промо-акциями, о которых вы раньше и не догадывались. На основании этих данных искин выдал прогноз: в следующем месяце нужно закупить больше апельсинов, поскольку погода будет солнечной и расположит покупателей к хорошему настроению. Чем точнее будет прогноз продаж на отдельную торговую точку, тем больше у продавца возможности для управления продажами и весомее ощутимый экономический эффект.
Прибыль кроется в деталях
Задача нейросетей – поиск связей между параметрами, которые слабо связаны друг с другом. Прогноз сбыта как раз и представляет собой такую задачу. Здесь нужно сопоставить большое количество информации: экономические показатели, данные поставок продукции, погоду, цены на недвижимость в районе магазина, половозрастную структуру потребителей, их средний заработок, колебания курсов валют, цены конкурентов и прочие, и прочие.
Решение задачи «прогноз сбыта» как раз требует учета всех параметров в цифрах и построения взаимосвязей между ними. Важно понять, как изменение одного показателя повлияет на другие. Выстроить систему зависимостей с большим количеством переменных человеку не по силам, а нейросеть как раз может с этим справиться. Искин проанализирует влияние параметров друг на друга, выстроит между ними связи и даст оценку уровню зависимости.
«Магнитная» аномалия
Аналитики сети «Магнит» на практике уже подтвердили экономическую обоснованность использования машинного обучения в рознице. По данным компании, проанализировав потребность в товарах с применением нейросети, сеть сможет добавить к своей годовой выручке еще 4 млрд рублей.
Об этом во втором квартале 2018 года сообщил ТАСС, ссылаясь на источники в самой сети «Магнит». Компания успешно завершила пробные испытания. По итогам тестового периода нейронная сеть провела глубокий анализ покупательского спроса и с учетом полученных данных скорректировала предлагаемый ассортимент товаров. «Основываясь на выводах, сделанных с помощью нейросети, мы тщательнее планируем поступление товаров и точно знаем пик активности покупателей. Мы видим, что использование методов машинного обучения увеличивает точность прогноза на 3-5%», - подчеркнул эксперт ритейлера.
Команда специалистов применила методы machine learning одновременно в нескольких товарных группах. Искусственный интеллект обработал сведения об истории продаж, плановых рекламных акциях, передвижениях покупателей, сезонной активности и прочие факторы объема продаж ритейлера, включая информацию о погоде. Аналитики ритейлера по завершении тестового периода выяснили, что помощь нейросети позволит сократить время на анализ спроса и предложения, уменьшить потери в тех магазинах, спрос был ниже предложения, и нарастить объемы реализации отдельных продуктов и брендов, востребованных потребителями.
Эксперты «Магнита» подсчитали, что внедрение нейросети на 2% снизит нехватку ассортимента в розничных магазинах. Этот показатель в свою очередь обеспечит увеличение годовой выручки до 4 млрд рублей и снижение суммы списаний до 5%, что прибавит к выручке еще 1 млрд рублей. Представители ритейлера подчеркнули, что успешное проведение пилотного проекта позволит ввести практику анализа всех линеек и категорий товаров на базе машинного обучения с начала июня 2018 года. В стадии запуска находится проект анализа предпочтений и выбора покупателей при проведении промоактивностей на основе нейросетевой технологии.
Попали в нейронные сети
Ритейлер X5 Retail Group (продуктовые сети «Карусель» и «Перекресток») использует нейросети для прогнозирования уровня потребления и управления складскими запасами. Директор по логистике ТС «Перекрёсток» Денис Шульга, заявил, что «возврат инвестиций от внедрения произошел за два месяца вместо восьми». Программа прогнозирует оптимальное количество товара, используя детальную информацию о продажах и маркетинговых активностях за несколько лет, а так же данных о событиях, которые могут повлиять на покупательское поведение и работу магазинов.
Сеть «Рив Гош» (косметика) тестирует систему на базе машинного обучения, чтобы предсказывать поведение клиентов. Компания рассчитывает с помощью искина увеличить продажи при одновременном сокращении маркетинговых затрат. Программа анализирует данные и делает прогноз вероятности совершения покупки в ближайшие недели среди всех владельцев карт лояльности, после чего предлагает индивидуальные товары каждому клиенту. Теперь у косметической сети есть возможность делать актуальные персонализированные предложения и скидки покупателям, значительно увеличив вероятность продаж. Тестирование подтвердило точность персональных рекомендаций свыше 30% в отдельных категориях продуктов.
Обувные сети «Эконика», RALF RINGER и ZENDEN используют отечественную программу VERME для прогноза динамики трафика клиентов и управляют количеством сотрудников в магазинах. Использование алгоритма увеличило продажи на 6-19%.
С ростом популярности нейросетей стало возможным автоматически настроить цены с учетом сразу многих показателей. Программа оценит объемы складских запасов, длительность хранения, даты следующих поставок, скорость сбыта продукции и учтет все эти факторы при определении оптимальной в конкретный момент для продавца цены. Об этом подробнее в нашей следующей статье о динамическом ценообразовании
#автоматизациябизнеса #ит-решения #нейронныесети #технологиивритейле
- Комментарии