{"id":13755,"url":"\/distributions\/13755\/click?bit=1&hash=4a49bc9ad259aa8d20fdf5f5cb6cf844e7de4bb2ba8ca3a458efcedefcf5ada8","title":"\u041d\u043e\u0432\u044b\u0435 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u0438 \u0434\u043b\u044f \u043a\u043e\u043c\u043f\u0430\u043d\u0438\u0439, \u0441\u043e\u0437\u0434\u0430\u044e\u0449\u0438\u0445 \u043a\u043e\u043d\u0442\u0435\u043d\u0442 \u043d\u0430 vc.ru","buttonText":"","imageUuid":"","isPaidAndBannersEnabled":false}

Искусственный интеллект для ритейла: какие результаты получит бизнес

И какие задачи можно решить с его помощью.

Сумерки автоматизации

Цена остается одним из основных факторов принятия решения о покупке. Подход к ценообразованию меняется в зависимости от поведения покупателей и трендов рынка.

Эволюция ценообразования началась с базовых переоценок «от закупочной цены» и разных ценовых проектов. Результат полностью зависел от уровня экспертности человека, принимающего решение.

По мере усложнения процесса, в помощь эксперту добавлялись BI-системы и отделы аналитики. Однако, рост популярности e-commerce и омниканальности требовал принимать решения еще чаще. При этом, количество SKU на менеджера возрастало, как и ожидания потребителей.

Ответ был найден в автоматизации. Для бизнеса это нетривиальная задача, требующая времени для настройки системы, а также вовлечения нескольких отделов. Автоматизация уменьшает скорость обработки данных и время на принятие решений, но взамен лишает гибкости. Нередки случаи, когда войны ценовых роботов загоняют индустрии на дно доходности или еще немного ниже.

Но решение, как всегда, есть.

Эволюция подходов к ценообразованию

Заря эры искусственного интеллекта в ритейле

Сейчас 70 % компаний, которые демонстрируют динамику прибыли выше среднего, остаются гибкими и быстро реагируют на изменения спроса и ситуацию на рынке. Дело не только в том, кто быстрее всех переклеит ценники. Теперь необходимо понимать настроения и поведение потребителей, а не фокусироваться только на действиях конкурентов. В таких вопросах искусственный интеллект имеет огромный потенциал для ритейла.

Искусственный интеллект в ритейле — это набор алгоритмов машинного обучения, в основе которых лежат нейронные сети.

Алгоритм обучается по тому же принципу, что и человек — на опыте прошлых транзакций. Разница только в том, что алгоритм делает это намного быстрее, никогда не устает и ничего не забывает. Проживая каждую транзакцию, он улавливает нелинейные связи между набором факторов.

Нелинейность — ключевой аспект.

Нужно не только понять, как изменение цены на этот продукт отразится на его продажах. Важно отделить сезонность, действия конкурентов от изменений потребительских настроений и промо-активностей, а затем отследить связи между позициями и как изменение набора цен скажется на всем портфеле. С этими и другими задачами справляется искусственный интеллект.

70 % компаний с динамикой прибыли выше среднего — гибкие и быстро реагируют на изменения спроса и ситуацию на рынке.

Deloitte Digital. Consumer Experience In The Retail Renaissance

Какие бизнес-задачи решает искусственный интеллект

1. «Поднять цены так, чтобы это не сказалось на количестве продаж». Искусственный интеллект учитывает эластичность спроса на каждый товар и рекомендует оптимальную цену, при которой можно сохранить количество проданных штук и получить максимальную маржинальность.

2. «Учесть поведение потребителей при формировании цены». Помимо действий конкурентов и зависимости продаж товара от его цены искусственный интеллект учтет изменения потребительских настроений, сезонность и промо-активности. В результате, цена улучшит покупательский опыт.

3. «Прогнозировать эффект от принимаемых решений в ценообразовании». Искусственный интеллект моделирует разные рыночные ситуации с прогнозируемой точностью, что дает возможность понимать эффект от принимаемых решений.

4. «Избавиться от ненужных промо, убивающих маржинальность». Моделируя зависимость продаж от промо, искусственный интеллект оценивает влияние разных промо-механик на продажи, и предлагает оптимальный сценарий без привлечения человека.

5. «Использовать весь опыт ценовых и промо-экспериментов, за который ваш бизнес заплатил деньгами». Обучаясь на данных бизнеса, искусственный интеллект учтет каждую транзакцию, сезонность и промо, и подсчитает оптимальную цену намного быстрее и точнее, чем человек.

Какие результаты получит бизнес

Результаты внедрения искусственного интеллекта в ценообразование зависят от положения магазина на рынке, стартовых показателей бизнеса, а также от эффективности и скорости принятия решений на стороне клиента.

Gartner Quаdrant подсчитал предварительные результаты внедрения алгоритмов в ценообразование:

  • увеличение выручки от 1% до 5%;
  • рост маржинальности от 2% до 10%;
  • сокращение невыгодных промо до 80%;
  • увеличение цикла жизни клиента на 20%.

По результатам кейса Competera с британским магазином, внедрение искусственного интеллекта в ценообразование крупного бизнеса уже через месяц дает такие результаты:

  • рост продаж в штуках на 22,3%;
  • увеличение прибыли на 13,9%.

Рост выручки — от 1% до 5% при внедрении машинного обучения в ценообразование.

Gartner Quаdrant. Market Guide for B2B Price Optimization and Management Software

Перспективы ценообразования

Алгоритмы идеально подходят крупным ритейлерам, которые работают на динамичных рынках, требующих изменения цен на тысячи позиций еженедельно, а то и несколько раз в день, игрокам со сложной структурой регионального или канального ценообразования, либо тем, кто исчерпал источники быстрого роста и готов получить дополнительные 5—15% от оптимизации процессов.

Данные — главный актив компании в любых инициативах, связанных с ценообразованием. Критически важно убедиться, что данные бизнеса правильно структурированы и хранятся надлежащим образом.

Мобильность команды — залог успешной реализации проекта оптимизации ценообразования. Внедрение искусственного интеллекта влечет за собой изменения ролей в команде. Технология забирает на себя сложную рутину, освобождая человека для стратегических задач:

  • договориться о специальных условиях с поставщиком;
  • выбрать стратегию работы с категорией, а не с отдельными товарами;
  • освободить склады для хорошо продающихся позиций;
  • корректировать выбор сценария на основе полученного прогноза.

Выводы

Мы находимся на заре эры машинного обучения в ценообразовании крупного бизнеса. В следующие два-три года нас ждет волна экспериментов и внедрений систем на основе машинного обучения.

Конкурентное преимущество получает тот бизнес, который внедряет технологичный подход в формировании оптимальных цен, основываясь на поведении потребителей, сезонности и активности конкурентов.

0
2 комментария
Nivenor

Скажите мне, люди, почему сегодня так модно стало называть автоматику любого уровня примитивности искусственным интеллектом? Будильник 60-х годов в терминах сегодняшнего маркетинга - это ИИ, ведь он умеет вовремя разбудить человека. Утюг с биметалличесой пластиной - ИИ, ведь он умеет поддерживать температуру.

Ответить
Развернуть ветку
Nikolay Savin
Автор

Действительно, словосочетание “искусственный интеллект” используют маркетологи, чтобы нагнать трафик и привлечь внимание к компании, а под капотом у технологии часто лежит просто набор скриптов. Конечно же я не говорю, что мы создаем искусственный интеллект, который будет разговаривать с вами или заваривать вам кофе. Мы используем самообучающуюся систему, основанную на нейронных сетях. Для ритейла это означает быстрые многофакторные подсчеты для большого ассортимента товаров, которые физически не может осуществить человек в нужном объеме и качестве. Оставить эту задачу человеку равно потерять прибыль, которую можно получить, внедрив систему оптимизации.

Ответить
Развернуть ветку
Читать все 2 комментария
null