+30% эффективности в работе с доступностью: опыт пилота «Дикси» с новой моделью машинного обучения Imredi OSA

Больше года назад одна из крупнейших продуктовых сетей России «Дикси» пилотировала решение для работы с доступностью товаров на полке Imredi OSA, и, несмотря на высокие результаты, выбор был сделан в пользу другого поставщика цифровых услуг с большим опытом работы в этой сфере.

«Когда заказчик выбирает нашего конкурента – это не провал, а вызов – сделать систему еще лучше, эффективнее, «докрутить» модели машинного обучения (ML), чтобы в перспективе работа с доступностью в торговой сети ассоциировалась у ритейлеров только с Imredi OSA.

Поэтому мы взяли длительную паузу и пришли к коллегам из «Дикси» с уже разработанной прогрессивной математической моделью машинного обучения, которую предстояло откалибровать и «обучить» уже на данных торговой сети. Коллеги поддержали идею повторного пилотирования, рискнув вынести на первый план проекта решение некоторых ключевых проблем сети с помощью решения Imredi OSA», – комментирует Труфанова Татьяна, Директор по развитию продуктового направления Imredi OSA.

О том, что изменилось в продукте Imredi OSA всего лишь за год, с каким запросом руководство «Дикси» пошло на повторное пилотирование, а также о полученных результатах расскажем в статье. 

Вызов: Максимальная эффективность при ограниченных ресурсах

Острая нехватка сотрудников в ритейле сохраняется, поэтому главной задачей для «Дикси» на старте пилота было оптимизировать работу с операционными сигналами. Исходя из этого за основу взяли стремление компании: 

● Снизить количество сигналов для разгрузки линейного персонала.

● Повысить точность каждого оповещения, чтобы сотрудники тратили время только на проверку реальных инцидентов.

● Сохранить и превзойти достигнутый ранее экономический эффект.

Таким образом, фокус сместился с количества на качество: необходимо было обеспечить максимальную отдачу при минимальных трудозатратах с учетом нехватки линейного персонала и преизбытка задач, который ежедневно сваливается на каждого сотрудника.

«Каждый рабочий день сотрудников наших магазинов включает огромный объем задач – это общение с покупателями, выкладка товара, соблюдение стандартов, приемка, инвентаризация и замена ценников и др. Все это – необходимая «рутина», которую нельзя исключить, поэтому нет возможности нагружать людей дополнительной работой, которая не будет приносить результат. 

Поэтому работа с доступностью должна быть выстроена очень продуманно – минимальный список для проверки, позиции которого должны давать максимальный эффект для бизнеса.

Вручную или интуитивно выбрать такие товары просто невозможно, поэтому без новейших технологий с использованием машинного обучения не обойтись. Исходя из этой стратегии, мы и сформировали основные цели на повторное пилотное тестирование Imredi OSA по работе с доступностью товаров на полке», – комментирует Сергей Огарков, Руководитель Отдела розничных технологий.

Решение: Совместная разработка прогрессивной модели

В основе совместной работы «Дикси»-Imredi лежали несколько ключевых улучшений:

1. Динамическая кластеризация точек. Вместо единого подхода ко всем магазинам, модель научилась адаптироваться под специфику каждой отдельной точки сети, что позволило максимизировать экономический эффект для разных форматов и локаций.

2. Расширенный анализ сценариев. Если предыдущая модель реагировала в основном на полную остановку продаж, то новые алгоритмы учитывают более сложные и ранние признаки потенциальных потерь, например, аномально высокие продажи, замедление продаж без полной остановки. Это позволило выявлять риски проактивно, до наступления значительных финансовых потерь.

3. Устойчивость к деградации. Новая модель обладает улучшенной адаптивностью к изменениям в продажах и более стабильной точностью в долгосрочной перспективе.

Результат: Цифры говорят сами за себя

 
В основу обновленной модели машинного обучения легли новые ключевые показатели эффективности (KPI):

● Точность подтвержденных сигналов (T1): от 50% до 60% в зависимости от магазина (в среднем — 52%).

● Количество сигналов: сократилось на 20%, что существенно снизило нагрузку на персонал. Например, раньше нужно было направить 50 сигналов, а сейчас достаточно 40 для получения той же эффективности.

● Экономический эффект: вырос более чем на 30% благодаря более точному и целевому выявлению инцидентов.

Эти цифры означают, что сотрудники «Дикси» теперь тратят меньше времени на проверки, но каждая их проверка с большей вероятностью приводит к реальному экономическому результату.

«Совместно с коллегами из Imredi мы полностью пересмотрели и обновили методологию и структуру модели машинного обучения, чтобы она полностью отвечала нашим требованиям и решала задачи нашего бизнеса. Предыдущий опыт пилотирования и сравнение различных технологических решений позволило нам практическим путем выбрать и сформировать стратегию работы с доступностью товаров на полке, которая дает максимальную эффективность при минимальных трудозатратах», – рассказывает Дмитрий Капитонов, Руководитель проектов департамента цифровой трансформации.

---

Читайте также: Как добиться оптимальной представленности товаров на полке (OSA) минимумом инвестиций?

---

Залог успешного проекта - совместная работа на каждом этапе

Достичь таких показателей позволил не только технологический прорыв, но и правильная организация процесса. У эффективной командной работы есть три базовых принципа, которые были реализованы в пилоте с «Дикси»: 

1. Совместное определение целей и метрик. Мы заранее согласовали с заказчиком, какие показатели являются критически важными, а какие – второстепенными.

2. Правильное позиционирование инструмента. Продукт был внедрен не как инструмент надзора, а как система помощи сотрудникам, которая облегчает их работу и помогает предотвращать потери.

3. Беспрерывная обратная связь. Регулярный обмен данными «с полей» и от Imredi позволил непрерывно улучшать качество модели и тонко настраивать ее под реальные бизнес-процессы.

«Этот проект наглядно демонстрирует, что переход от точечных пилотов к полноценным совместным стратегическим проектам на основе современных ML-технологий открывает новые возможности для оптимизации и роста в ритейле», – комментирует Труфанова Татьяна, Директор по развитию продуктового направления Imredi OSA.

Ключевые преимущества ритейлера, которые гарантирует работа с доступностью товаров в Imredi OSA:

1. Снижение потерь продаж от 1%

2. Снижение товарного запаса до 3–5 дней

3. Индивидуальные сигналы по SKU для каждого магазина на основе ML-модели

4. Систематическую отработку сигналов OSA персоналом торговой точки

5. Отсутствие перегрузки сотрудников (процесс занимает около 60 мин)

6. Выявление узких мест в бизнес-процессах

7. Дополнительная аналитика и алертинг для территориальных менеджеров.

Оставить заявку на демонстрацию функционала, получить расчет эффектов и обсудить персональные задачи вашей сети можно бесплатно, оставив контакты для связи.

Реклама. ООО "ИМРЕДИ", ИНН 7731369734
erid: F7NfYUJCUneTVSht9rWD