0/5
New Retail 105523, Москва, МКАД, 104-й км, д.8А, оф. 103 + 7 (903) 184-7006 Непослушные цены: как машинное обучение в ритейле прогнозирует продажи Количество данных, которое ритейлу нужно собирать и обрабатывать для создания конкурентной ценовой стратегии, постоянно растет. Эта динамика делает неэффективным ручной мониторинг цен: невозможно вручную обрабатывать большие объемы данных и вовремя переоценивать товары.
Непослушные цены: как машинное обучение в ритейле прогнозирует продажи

Непослушные цены: как машинное обучение в ритейле прогнозирует продажи

Непослушные цены: как машинное обучение в ритейле прогнозирует продажи
время публикации: 10:00  25 октября 2018 года
Количество данных, которое ритейлу нужно собирать и обрабатывать для создания конкурентной ценовой стратегии, постоянно растет. Эта динамика делает неэффективным ручной мониторинг цен: невозможно вручную обрабатывать большие объемы данных и вовремя переоценивать товары.
Непослушные цены: как машинное обучение в ритейле прогнозирует продажи

На фото: Николай Савин, Head of Products в Competera


Чтобы опережать конкурентов (более гибкие ритейлеры становятся лидерами рынка), ритейлеры собирают данные о рынке, адаптируют ценовые стратегии и ежедневно переоценивают товары с помощью искусственного интеллекта.


Ценообразование без искусственного интеллекта

Есть несколько основных проблем, с которыми ритейлер сталкивается, если полагается исключительно на человеческий ресурс в работе с ценой: 

  • разные команды ритейлера не могут эффективно собирать и обрабатывать весь необходимый объем данных;
  • постоянные ошибки в собранных данных приводят к ошибкам в анализе и переоценке;
  • категорийные менеджеры большую часть времени занимаются сбором и анализом данных, поэтому не могут сосредоточиться на стратегическом управлении ценами;
  • ритейлер становится заложником «симптоматического» ценообразования – переоценки определенных групп, а не всего ассортимента;
  • ценовые решения всегда субъективны и зависят от компетенции эксперта, поэтому их сложно декомпозировать, повторить и масштабировать;
  • сложно привлекать новых менеджеров, так как история переоценки нигде не хранится.

Непослушные цены: как машинное обучение в ритейле прогнозирует продажи


Преимущества искусственного интеллекта для ритейла

Искусственный интеллект обрабатывает данные обо всех транзакциях ритейлера, информацию о сезонности и поведении покупателей, и самообучается на их основе. Алгоритм учитывает бизнес-цели ритейлера, чтобы прогнозировать влияние переоценки на оборот, маржу и продажи. 

Информация о каждом успешном и неудачном решении по переоценке хранится в истории, а значит, команда ритейлера имеет постоянный доступ к ним. 

С искусственным интеллектом ритейлер:

  • прогнозирует эффект каждого принятого решения о переоценке;
  • повторяет и масштабирует успешные решения;
  • фокусируется на стратегических задачах вместо сбора и обработки данных;
  • использует структурированные данные в одном месте, а значит, новые члены команды могут быстро вникнуть в переоценку;
  • четко и безошибочно анализирует свое положение на рынке.

Разработка собственного решения на основе искусственного интеллекта обычно требует большого количества ресурсов. Высокая стоимость создания решения, постоянная поддержка со стороны  IT-отдела, доставка и структурирование качественных данных делают такой подход нерациональным в большинстве случаев. 

Сторонние решения для оптимизации ценообразования, лишенные перечисленных выше недостатков, позволяют ритейлерам с 98% точностью прогнозировать продажи и подходят большинству бизнесов. 








Сложности внедрения искусственного интеллекта

Несмотря на очевидные преимущества искусственного интеллекта для ритейла, он все еще достаточно редко используются из-за сложностей разного уровня:

  • Недостаток качественных данных: для эффективной работы алгоритму нужны структурированные и очищенные данные за последние три года (минимум). 

  • Сложная интеграция: вся команда ритейлера, от категорийного менеджера до топ-менеджмента, должна быть вовлечена в процесс.

  • Отсутствие доверия: после длительного использования сценариев и правил для переоценки товаров, менеджерам сложно довериться рекомендациям по ценообразованию из-за непонимания механизмов принятия решений алгоритмом.

***

Искусственный интеллект решает большинство проблем, с которыми сталкивается ритейлер. Он быстрее, эффективнее и без ошибок обрабатывает огромные объемы данных, прогнозирует влияние переоценки на ключевые показатели ритейлера и никогда не устает. 

В то же время, ритейлеры все еще опасаются отдавать управление маржинальностью алгоритмам. Это связано с непониманием принципов работы ИИ, недостатком качественных данных и необходимостью вовлекать большое количество участников в процесс интеграции. Но все эти сложности нивелируются, когда ритейлер видит рост маржи или продаж, обеспеченный алгоритмом.

Николай Савин, Head of Products в Competera 



0
Теги: цены

 
Реклама на New Retail. Медиакит
Close
Email
Подпишитесь на нашу рассылку и самые интересные материалы будут приходить к вам на почту
Нажимая «Подписаться» вы принимаете условия политики конфиденциальности