Aké úlohy zveriť v maloobchode umelej inteligencii?
- Podrobnosti
- Uverejnené štvrtok, 22. jún 2023
Šetrné správanie spotrebiteľov, ktoré spôsobil nárast cien, mení vývoj a smerovanie maloobchodu na Slovensku. Nakupujúci začali byť pri výbere tovaru selektívnejší, venujú viac pozornosti akciám a veľké nákupy odkladajú. Cenová konkurencia medzi maloobchodníkmi tak pritvrdila.
Vysoká konkurencia v maloobchode núti hľadať nové spôsoby, ako prilákať viac zákazníkov a zvýšiť predaj. Zamestnanci marketingových oddelení sa snažia zlepšiť kvalitu služieb, presne pochopiť, čo spotrebitelia potrebujú, včas ponúkať zľavy a akcie a rozvíjať efektívny vernostný program. Pomáhajú im v tom aj technológie: systémy CRM a BI, neurónové siete a Data Science, počítačové videnie, chat-boty atď.
Mike Savitsky, Tech Lead počítačového riešenia Goods Checker pre maloobchod v spoločnosti IBA Group zdieľa príklady toho, ako maloobchodníkom dokážu pri zvyšovaní ich efektivity pomôcť neurónové siete.
Pomôžu skontrolovať tovar, analyzovať zákazníkov aj predikovať predaj
Neurónové siete sú schopné rozpoznať objekty, ľudí, analyzovať dáta, nájsť nezrejmé informácie a vytvárať prediktívne modely. Predstavme si teda úlohy pre tri typy neurónových sietí, ktoré sa uplatnia v maloobchode.
Rozpoznávanie objektov
Neurónové siete dokážu rozpoznávaním predmetov určiť, či je tovar v regáloch vystavený správne. Vedia spočítať aj počet ľudí v predajniach a v radoch, aby návštevníci dlho nečakali na platbu za nákup.
Rozpoznávanie tváre
Neurónové siete môžu kontrolovať pracovný čas zamestnancov: ako dlho sú zamestnanci v predajni, ako často majú prestávky v práci. Môžu tiež analyzovať návštevníkov: určiť ich pohlavie, vek, čas návštevy a rozpoznať emócie. Pomáha to presnejšie zostaviť portrét publika a určiť jeho preferencie.
Predpovedanie
Pomocou údajov nahromadených predajcom za niekoľko rokov môžu neurónové siete predpovedať úroveň predaja počas a po reklamnej akcii, určiť dopyt a optimálne rozdeliť rozpočet medzi propagačné kanály.
TOP 5 príkladov využitia Data Science v maloobchode
1. Analýza vystavenia tovaru v regáloch. Veľký multiznačkový distribútor čokolády, sladkostí, čaju, kávy, korenín a iných potravinárskych produktov kontroloval prezentáciu tovaru v regáloch predajní a vďaka systému Goods Checker znížil náklady na merchandising.
Goods Checker je ekosystém na automatizáciu procesov merchandisingu. Riešenie pomáha kontrolovať, či sa tovar zobrazuje správne, plánovať logistické dodávky a včas dodávať tovar na miesto predaja. Výsledky práce sa ukladajú do databázy pre ďalšiu analýzu.
Využívanie systému Goods Checker zvýšilo správnosť súladu s planogrammi zo 60 % na 90 %. Vďaka jeho vysokej rýchlosti sa skrátil aj čas auditu v teréne v maloobchodných predajniach: jeden obrázok sa spracováva najdlhšie 30 s. Presnosť rozpoznávania dosahuje úroveň až 90%.
2. Predpovedanie dopytu, predaja a doplňovania zásob. Veľký predajca začal pred niekoľkými rokmi využívať neurónové siete na zlepšenie logistických procesov a zabezpečenie dostupnosti tovaru v regáloch predajní. Walmart napríklad analyzuje údaje zo sociálnych médií, aby sa rýchlo dozvedel o nových produktoch a rýchlo ich dodal do svojich obchodov.
Výrobca nealkoholických nápojov testoval Data Science v úlohe „predpovedania predaja“. Vďaka tomu sa marketéri spoločnosti dozvedeli, čo a ako ovplyvňuje objem distribúcie, vrátane predaja podobného tovaru v inom objeme a obale. Analyzovali prognózované hodnoty objemu distribúcie za štvrťrok pre jednotlivé produkty a kategórie ako celok: odchýlka od skutočnosti na úrovni kategórie nepresiahla +/-3 %. Pre jednotlivé produkty bola výsledná hodnota dvojnásobkom toho, čo spoločnosť očakávala.
3. Predvídanie správania zákazníkov. V sieti kozmetických predajní funguje neurónová sieť v dvoch fázach. V prvej fáze určí, ktorý z členov vernostného programu môže v najbližších 2-3 týždňoch nakúpiť. V druhej predpovedá, čo zákazník kúpi. Na základe týchto informácií predajca môže ponúknuť včas osobnú zľavu na správny produkt. Spoločnosť bude môcť ušetriť na akciách a zároveň zvýšiť tržby. Testovanie ukázalo, že systém je účinný.
4. Tvorba rozvrhov zamestnancov. Niekoľko obuvníckych reťazcov používa Data Science s cieľom vytvoriť optimálny pracovný harmonogram pre zamestnancov. Riešenie analyzuje počet kupujúcich a vypočíta, koľko konzultantov by malo byť v predajni. V dôsledku toho sa predaj zvyšuje o 6 až 19 %.
5. Správa radov. Sieť predajní domácich spotrebičov implementovala neurónovú sieť, ktorá spracováva dáta z analýzy videa. Riešenie rozpozná, keď sa pri pokladniach tvoria rady a upozorní zamestnancov, aby otvorili ďalšiu pokladňu. Neurónová sieť upozorní aj na osamelých návštevníkov a pošle avízo na pracovný chat, aby sa ku klientovi priblížil voľný konzultant.
Ako technológie zmenia budúcnosť maloobchodu
Veľkosť maloobchodného trhu na Slovensku sa v roku 2021 odhadovala na 27,1 miliardy EUR a očakáva sa, že v rokoch 2021 až 2026 porastie o viac ako 4 % medziročne. Možno predpokladať, že úspech či prežitie maloobchodníkov na trhu bude závisieť od schopnosti prispôsobiť sa digitálnemu prostrediu. Porozumenie zákazníkom, prevádzková efektivita, personalizované produkty a služby, kvalifikovaní zamestnanci a jedinečná firemná kultúra, to je päť kľúčov k úspešnému maloobchodu budúcnosti.
Vďaka rozvoju a širokému využívaniu technológií Data Science v maloobchode začala nová éra. Výskum pokračuje a vo vývoji sú stále dokonalejšie metodológie analýzy údajov a algoritmov počítačového videnia. Systémy vyvinuté na základe takýchto technológií pomáhajú obchodným reťazcom poskytovať lepšie služby svojim zákazníkom. Predaj a elektronická korešpondencia, vyhľadávacie dopyty a predchádzajúce nákupy sú sledované a analyzované, aby bol výsledkom dokonalý nákupný zážitok pre zákazníka a rast tržieb a zisku pre obchodníka.
Zdroj a foto: IBA GROUP
PR
