Передовые технологии активно внедряются в украинском ритейле, но несмотря на заинтересованность в инновациях искусственный интеллект (ИИ) и различные ИИ-решения все еще воспринимаются неоднозначно. Многие торговые сети отказываются от подобных проектов из-за сложности реализации, отсутствия правильного представления о принципах работы ИИ или сомнений в качестве полученных результатов. Правда, легко проверяемый эффект постепенно разрушает барьеры, уверены в харьковской сети супермаркетов «КЛАСС». Именно поэтому реальные возможности и кейсы успешного применения искусственного интеллекта в ритейле все чаще преодолевают мифы и нивелируют страхи.

Роль ИИ в ритейле повышается, примеров успеха — все больше

Если анализировать различные сегменты экономики, то сфера розничной торговли (по мировым меркам) входит в топ лидеров по внедрению решений на базе ИИ. Причина на поверхности — эти технологии тут действительно эффективны, а инвесторы могут оценить результаты в виде прироста объемов продаж, улучшения различных показателей по складским запасам (как по списанию, так и по проблеме пустых полок) и увеличения прибыли.

Эксперты консалтинговой компании McKinsey&Company подкрепляют позитивный эффект от внедрения ИИ в ритейле статистическими выкладками. Благодаря искусственному интеллекту торговые сети повышают выручку до 5% и маржу EBIT, по сути прибыльность — до 0.4%. И это без кардинальных перемен в бизнес-модели, а просто за счет внедрения полезного софта на базе ИИ, который оптимизирует отдельные рабочие процессы, улучшает аналитику, позволяет лучше планировать деятельность. Если же вести речь о масштабных цифровых трансформациях с применением искусственного интеллекта, то отдача может быть еще выше, свыше 8% роста продаж и увеличение прибыли до вычета налогов до 7-10%.

Позитивное влияние ИИ-решений особенно хорошо прослеживается среди предприятий категории food & beverage, то есть продуктовых ритейлеров и производителей пищевых продуктов и напитков. Все дело в том, что этим видам бизнеса ИИ позволяет не только эффективнее собирать различные данные для анализа (а затем сформировать действенные стратегии — в логистике, маркетинге, складской работе), но и улучшать управление каналами сбыта и в целом повышать качество взаимодействия с потребителями.

Как убеждены в сети «КЛАСС», ИИ-решения позволяют ритейлерам вместо работы «наугад» или оперирования только интуицией (+опытом) действовать на основе точных данных, что крайне важно и для прогнозирования спроса, и для ценообразования, и для разработки персональных маркетинговых предложений. Собственно благодаря ИИ торговые сети могут буквально вывести пресловутую персонализацию на кардинально новый уровень — в плане пользы для клиента и эффективности для бизнеса.  

Как ИИ помогает ритейлерам с ценообразованием?

Искусственный интеллект в розничной торговли используют для разных задач. Чаще всего с его помощью улучшают взаимодействие с клиентами, управление складскими запасами и ценообразование. Подробнее остановимся на последнем направлении. За счет ИИ торговые сети могут от ручного расчета ценников перейти к динамическим моделям ценообразования, в рамках которых учитывается целый массив важных параметров (переменных), а именно:

• цены конкурентов ритейлера;


• сезонность;


• остатки товара на складе;


• история покупок и колебаний спроса.

Специалисты Boston Consulting Group подтверждают, что внедрение ИИ в ценообразование дает возможность торговым сетям оптимизировать стоимость на разных уровнях (как по отдельным магазинам, так и в рамках товарной категории). На выходе это все дает пользу, которую легко измерить, — прирост валовой прибыли от 5% и более. Плюс помимо роста продаж ритейлер может рассчитывать на улучшение клиентского опыта, убеждены в сети «КЛАСС».

Создатели профильных ИИ-решений, то есть программного обеспечения для помощи в ценообразовании, зачастую помогают представителям ритейла в построении новых ценовых стратегий. Плюс они активно совершенствуют свой софт, например, расширяют спектр учитываемых параметров, а ИИ «учится» лучше реагировать на рыночные изменения и повышать конкурентоспособность ритейлера, добавляют новые возможности аналитики в режиме онлайн и т.д.

Как ИИ помогает прогнозировать спрос?

Искусственный интеллект также можно (и нужно) использовать для точного прогнозирования спроса. Особенно хорошо в сфере ритейла ИИ-инструменты справляются с задачами резких колебаний, где традиционные методы зачастую малополезны. Тут также имеются успешные кейсы, так что можно говорить не о теории, а о практике.

Одна компания хотела улучшить прогнозы продаж для своего магазина и конкретных товарных единиц. Основная загвоздка заключалась в том, что показатели спроса отличались не только в рамках одного региона, но и в отдельных точках. Факторов неопределенности тоже было немало — сезонность, локальные события и т.д. Выбор пал на ИИ-инструменты, которые обеспечили следующие результаты:

• точность прогнозов продаж для каждой точки составила 80% и более за первый месяц после внедрения;


• точность снизилась в среднем не более, чем на 3% в целом за первый квартал.

Даже несмотря на массу примеров и успешных кейсов, а также широкую доступность технологий на базе ИИ, опасений и барьеров для активного внедрения все еще предостаточно.

Страхи и мифы относительно внедрения ИИ в ритейле

В целом можно сказать, что современные ИИ-решения отличаются прозрачной логикой, позволяют легко верифицировать результаты (просчитать эффективность), как правило, без проблем интегрируются в системы Business intelligence, отмечают специалисты сети «КЛАСС». Плюс можно добавить, что они могут быть полезны в разных направлениях работы ритейлеров, о чем мы уже немного рассказали выше. Но несмотря на эти явные плюсы, многие компании опасаются искусственного интеллекта. Разберем основные страхи:

• «Из-за ИИ мы утратим контроль над процессами». Якобы «машина» заменит человека и его опыт, искусственный интеллект не сможет понимать контекст, а ответственным за провал все равно будет человек — руководитель или другой специалист. Опасения можно считать отчасти обоснованными, но все они могут быть развеяны (нивелированы) на практике. Как именно?

ИИ не заменяет человека и не является истинной в последней инстанции, итоговые решения по полученным данным принимает ответственное лицо и может опираться на свой опыт или лучшее понимание контекста. Плюс, как правило, степень автоматизации также настраивается — с уровня рекомендаций до полной автономии. Если опасений много, то начинать стоит именно с рекомендаций от ИИ. И в целом с помощью искусственного интеллекта наоборот повышается уровень контроля, ведь имеется больше информации для принятия решения. Выходит, что этот страх — миф. Человеческая экспертиза сохраняет значимость, просто свои усилия можно тратить не на рутину и тактические моменты, а на стратегические задачи.

• «У нас нет компетенций для внедрения ИИ». Ритейлеров часто пугает, что у команды нет профильных специалистов или предыдущие попытки оказались безуспешными. Нередко внедрение кажется затратным, трудным, а обучение персонала займет слишком много времени и сил.

Что на самом деле с этими опасениями? Если это не собственная разработка, а софт от поставщика, то хороший подрядчик обеспечивает сопровождение, отмечают в сети «КЛАСС». Необходимый уровень поддержки всегда можно обсудить и найти требуемый баланс на том или ином этапе запуска (реализации) проекта.

Сегодня не ритейлер должен адаптироваться к инструменту, а ИИ-продукт к вашим потребностям. То есть поставщик показывает и доказывает, как на практике это будет работать и что вам даст.

Внедрение ИИ-инструмента сегодня занимает несколько недель, иногда — до 2 месяцев. То есть о кварталах и годах речь точно не идет. Сложная процедура интеграции, непонятный интерфейс для взаимодействия, «кривые» настройки — все это тоже не про современный софт. Рынок технологий столь же конкурентен, как и ритейл: те, кто предлагают плохие ИИ-решения, быстро проигрывают успешным аналогам.

То есть данный страх — тоже миф. ИИ — это не для подготовленных торговых сетей или избранных компаний, которые готовы ждать годами или тратиться на персонал. Это очень универсальные инструменты. Да, нельзя сказать, что они «для всех и каждого» — для продавца на рынке они вряд ли подойдут, но для современного ритейлера с базовым уровнем автоматизации — вполне.    

Конечно же, на практике плавность и легкость внедрения ИИ — весьма индивидуальный вопрос. Все зависит от гибкости самой торговой сети, от выбранного программного обеспечения и подрядчика. Но в целом чаще всего встречается сценарий с разработкой дорожной карты каждого этапа внедрения — от подготовки до финального запуска или даже момента отказа от поддержки. Заказчик (ритейлер) тут видит все действия исполнителя и четко понимает свои задачи. Плюс предусматривается комплексная поддержка, с которой стереотипы о сложности ИИ быстро теряют актуальность.

Как определить, в чем именно использовать ИИ?

Если торговая сеть (любой другой бизнес) уже развеяла для себя опасения относительно внедрения технологий искусственного интеллекта, то первоочередной задачей для нее является выбор того направления (процесса), в котором ИИ действительно нужен и окажется полезным. В данном вопросе специалисты сети «КЛАСС» рекомендуют отталкиваться от проблемных зон: иными словами оптимизировать за счет ИИ стоит наиболее затратные или наименее эффективные прямо сейчас направления. Соответственно, до внедрения стоит разобраться со следующими вопросами:

• где ритейлер сейчас больше всего теряет (средств и времени);


• какие бизнес-процессы сейчас наиболее нестабильны, неоптимальны;


• где даже условный 1% прироста точности даст ощутимые позитивные результаты.  

Для большинства украинских торговых сетей среди критичных зон оказывается прогнозирование спроса или ценообразование. Иногда проблемным местом является качество взаимодействия с целевой аудиторией. В ситуации, когда слабости есть в разных бизнес-процессах, то лучше всего, по мнению экспертов из McKinsey & Company, начинать именно с прогнозирования спроса. Почему? Тут ошибки в работе более критичны, то есть неудачный прогноз зачастую выливается в серьезные финансовые потери. Здесь все срабатывает по следующей цепочке:

• слабый (откровенно неточный) прогноз спроса;


• неправильные объемы закупки товара;


• дефицит на полках или избытки на складе (необходимость списаний);


• задержки с логистикой;


• потеря клиентов или снижение лояльности;


• падение продаж, убытки.

И наоборот, повышение точности прогноза спроса становится фундаментом для успешных закупок, логистики и высоких продаж.

Инструменты прогнозирования, которые базируются на ИИ, имеют ощутимые преимущества перед традиционными подходами к планированию. Уровень точности может повышаться на 20-50%, что снижает издержки от списаний и недополученной прибыли (из-за пустых полок) на 65%. Помимо этого ритейлер за счет точного прогноза оптимизирует и другие статьи расходов, например, меньше тратит электроэнергии на хранение запасов и т.д.

В завершении напомним про еще один важный плюс ИИ в бизнесе — планомерное самообучение моделей и, как следствие, рост эффективности. Специалисты сети «КЛАСС» отмечают, что каждый новый цикл продаж с применением профильного ПО позволяет снижать количество ошибок и повышать точность прогнозов или данных для анализа. В этом смысле можно рассчитывать на накопительный эффект даже без учета доработок конкретного инструмента (выхода новых версий софта).