Сеть супермаркетов «Верный» внедрила искусственный интеллект для повышения точности прогнозирования эффекта промоакций

Российская розничная сеть «Верный» внедрила решение GoodsForecast.Promo для повышения точности прогнозирования эффекта промоакций. Платформа работает на базе технологий машинного обучения, автоматически проводит анализ основных показателей прошлых промоакций, а также предугадывает результаты последующих. В результате внедрения системы компания повысила точность прогнозирования в полтора раза, сообщает retail-loyalty.org.

По словам заместителя гендиректора по коммерции и маркетингу компании Дениса Вечканова, в ежедневных промоакциях «Верного» участвуют 500-600 наименований товаров. Для своих клиентов компания постоянно увеличивает число акций, чтобы радовать их новыми предложениями.

Ранее ритейлер прогнозировал эффект от промоакций на уровне своих филиалов. Благодаря GoodsForecast.Promo специалисты сети могут прогнозировать эффект на уровне торговых точек. Это позволяет избежать избытка или недостатка акционной продукции в конкретных магазинах. Как отметил руководитель проектов GoodsForecast Кирилл Черников, при прогнозировании результатов прежде всего учитывают категорию товара, время и механику проведения акции, а также размер скидки. Кроме того, обращают внимание на сезонные коэффициенты для отдельных товаров и восстановление спроса в дефицитных акциях-аналогах. Для максимально точного прогноза платформа сопоставляет информацию аналогичных или похожих акций сети за последние пару лет.

Внедрять ИИ-решение в компании начали два года. Это заняло 9 месяцев. В результате во всех торговых точках «Верный» уменьшил товарные остатки после проведения промоакций без недостатка товара. Также компания экономит время работы сотрудников, которые прогнозируют товарные остатки. Благодаря этому компания смогла заняться детальным анализом важных прогнозов. Основой системы являются базы данных под управлением Microsoft SQL Server, а также интегрированные в них самообучающиеся модели прогнозирования, реализованные на языке R.

По словам Черникова, систему оптимизируют с точки зрения понятности и удобства для пользователей, а также расширяют ее опции. Для этого учитывают дополнительные параметры в процессе прогнозирования. К ним относятся ценовые сегменты схожих товаров, наличие дополнительных мест выкладки в торговом зале, перетекание спроса на товары в конкретной акции и смежных промо.

Узнать больше о применении информационных технологий в сфере розничной торговли вы сможете на Пятой встрече дискуссионного клуба «Информационные технологии в ритейле: диалог на высшем уровне», которая пройдет 13 февраля 2020 года в Москве.

Комментарии