0/5
Подпишитесь на новости ритейла

Я ознакомлен с политикой конфиденциальности и принимаю её условия

Непослушные цены: как машинное обучение в ритейле прогнозирует продажи

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

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 



    время публикации: 10:00  25 октября 2018 года
    0
    Теги: цены, ритейл

    Комментарии (0)


    Чтобы оставить комментарий, Вам необходимо авторизоваться:  
    Retailtrust
    BBI ДЖЕФФРИ ЛАЙКЕР