На международной бизнес-арене компании неизбежно сталкиваются с автоматизацией. Если с большинством своих сотрудников вы ни разу не виделись, а менеджерам уже не обойтись без CRM-систем, – скорее всего, и вас ждет схватка с этим монстром.

Как машинное обучение может помочь ритейлерам, которые уже не справляются с обработкой данных о своих клиентах, – далее в статье.

Какие задачи в ритейле решает машинное обучение?

Крупнейшие мировые ритейлеры и другие корпорации сейчас вовсю используют data-driven-подход. Это целостная стратегия компании, при которой все ее дальнейшие решения отстраиваются от данных, полученных от клиентов.

Есть много инструментов аналитики, которые позволяют отследить поведение пользователя, динамику спроса и другие важные параметры. Однако сбор данных – только первый этап. Далее их нужно интерпретировать и скорректировать маркетинг в соответствии с результатами исследования.

Машинное обучение поможет в случае, если данных о клиентах/покупках накопилось слишком много. Таким образом, искусственный интеллект справится с:

• прогнозированием. ИИ может обработать данные о продажах за предыдущие года и поможет вычислить, какие результаты ожидают компанию в этом времени. Иногда аналитику важно определить класс или статус объекта, понять, закроется магазин или нет. Такие задачи тоже решаются с помощью машинного обучения;
• оценкой посещаемости торгового объекта. На основе пространственных данных (численность населения, доходы, популярные специальности/интересы), данных о конкурентах и о торговой сети можно построить математическую модель, которая показывает, сколько в торговой точке будет посетителей или чеков в день/месяц и т. д.;
• оценкой и прогнозированием поведения клиентов на основе геолокации. Если ритейлеру нужно знать, какой доход у людей в конкретном районе или городе, то МО поможет собрать данные о стоимости аренды жилья, покупках людей в этом месте или другие показатели, связанные с доходами: таким образом можно составить показатель среднего дохода у потребителей, проживающих в конкретном квартале.

К тому же, после того как клиенты ощутили всю прелесть персонализированного подхода, безликие email-рассылки мало кого удивят.

Машинное обучение также поможет в построении эффективных маркетинговых коммуникаций. С какого гаджета пользователь открывал письмо, сколько раз заходил на сайт, по какому рекламному сообщению перешел, – все это дополнит картину об интересах клиентов и поможет найти подход к каждому из них.

Также ИИ-алгоритмы умеют анализировать износ оборудования, а это существенно сокращает сроки работ, затраты на их реализацию и количество расходных материалов.

В 2023 году южнокорейский производитель электроники LG планирует открыть завод, где все процессы – от закупки расходных материалов до контроля выпускаемой продукции и ее отгрузки будет контролировать искусственный интеллект. Также ИИ будет мониторить износ оборудования, выполнение поставленных планов и другие факторы, которые обычно отслеживает человек.

Согласно планам компании, частичный перевод производства со старых заводов на новый начнется в 2021 году.

Как внедрить машинное обучение в работу компании

Искусственный интеллект – не целостный готовый продукт. Для его использования компания должна пройти ряд трансформаций. По мнению Владимира Кучканова, Data Scientist в Competera, для внедрения машинного обучения компании необходимо:

• собрать чистые структурированные данные как минимум за три года, – чтобы обучить нейросеть;
• быть готовой к изменениям, – причем как руководству, так и команде, иначе одно из этих звеньев будет тормозить процесс;
• обладать собственным отделом разработки из 6–10 разработчиков либо оформить партнерство с технологической компанией, – чтобы поддерживать систему в рабочем состоянии.

Такой подход Competera использоваладля сотрудничества с украинским ритейлером Foxtrot. В результате во время тестирования нейросети в магазинах, где работал ИИ, выручка за месяц выросла на 16%, а продажи – на 14%.

Итоги

Новые технологии позволяют снизить издержки, минимизировать риски, персонализировать обслуживание, оценивать платежеспособность клиентов и осуществлять прогнозирование. С ИИ компании работают быстрее и больше – конкуренцию с такими выдержать крайне сложно.

Больше о машинном обучении в ритейле вы узнаете 4 июня на AI Conference Kyiv.

На конференции расскажут, какие инструменты и подходы нужно использовать, чтобы внедрить ИИ в свои проекты, как управлять миллионной базой потребителей и маркетинговыми активностями.

Подробнее о докладах и спикерах – в программе мероприятия.

Регистрация уже открыта ►►►