Искусственный интеллект для ритейла: какие результаты получит бизнес

И какие задачи можно решить с его помощью.

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.

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.

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.

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.

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%.

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.

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.

#ритейл #ценообразование #искусственный_интеллект #машинноеобучение #машинное_обучение #нейронные_сети #нейронныесети #торговля #выручка #прибыль #прибыль_бизнеса #технологии #технологии_будущего