Машинное обучение в ритейле: как алгоритм борется за клиента

Машинное обучение в ритейле: как алгоритм борется за клиента

Мировую волну внедрения решений машинного обучения (ML) и искусственного интеллекта (ИИ) сегодня активно подхватывают и российские компании. По данным исследования «Актуальные тенденции рынка искусственного интеллекта и машинного обучения», проведенного аналитическим центром TAdviser и компанией «Инфосистемы Джет», сегодня объем рынка ИИ в России оценивается примерно в 1 млрд руб., но уже через два года он может вырасти до более чем 30 млрд руб.

В сфере розничной торговли ИИ-технологии применяются наиболее активно. И это понятно: именно ритейлу приходится иметь дело с большими объемами данных, и их моментальная обработка позволяет предприятиям этой высококонкурентной отрасли существенно повысить эффективность, усиливая свои позиции на рынке.

Просчитать лояльность покупателей

Высокую эффективность решения машинного обучения в ритейле уже демонстрируют в сфере развития программ лояльности.

Например, сеть магазинов «Пятерочка» благодаря внедрению технологий ИИ довольно успешно развивает программу лояльности «ВЫРУЧАЙ-карта». Она была запущена компанией в 2017 г., и сразу встал вопрос о необходимости обработки большого объема данных об участвующих в программе клиентах: ежегодно сеть фиксирует около 4 млрд посещений. По словам представителей «Пятерочки», сейчас в их программе лояльности более 30 млн покупателей.

Искусственный интеллект в новом решении помогает удерживать лояльных клиентов и возвращать ушедших. С этой целью были разработаны алгоритмы коммуникации с учетом профиля каждого покупателя: например, чтобы вернуть клиента, ушедшего в сеть конкурента, ему делается специальное предложение. Сегодня внедренная аналитическая платформа позволяет «Пятерочке» ежемесячно делать около 40 млн персонализированных предложений, предотвращая отток клиентов.

О тестировании системы на базе ML для предсказания поведения клиентов недавно рассказала и косметическая сеть «Рив Гош». Алгоритмы решения здесь определяют, кто из держателей карт лояльности может совершить покупку в ближайшие пару недель, а затем дается прогноз о конкретных покупках по каждому из них. Учитывая эти данные, ритейлер повышает вероятность продаж, делая лояльным клиентам персональные предложения. Первые результаты тестирования показали, что точность личных товарных рекомендаций у ритейлера составляет более 30%.

Что клиент купит завтра?

Наряду с поддержанием лояльности покупателей, пожалуй, самые большие успехи технологии ML и ИИ делают в области прогнозирования спроса на товары и оптимизации складских запасов.

Например, недавно представители торговой сети «Магнит» сообщили, что завершили тестирование ИИ-решения для анализа спроса на товары и переходят к его внедрению. В этом случае алгоритм поможет более точно планировать количество доставляемых товаров и прогнозировать пики покупательской активности. Это позволит решить проблему нехватки ходовой продукции, при этом, по подсчетам менеджеров «Магнита», новая система позволит увеличить выручку ритейлера на 4 млрд руб., еще 1 млрд руб. компания планирует сэкономить на уменьшении списания продукции.

Ранее похожую систему прогнозирования спроса и пополнения товарных запасов внедрила X5 Retail Group в своих сетях «Карусель» и «Перекресток». Система OSA (on shelf availability) на базе технологий машинного обучения, разработанная GoodsForecast, в сети магазинов «О’Кей» позволяет анализировать упущенные продажи. В частности, она оценивает данные из товарных чеков и приходит к выводу, что люди, скажем, вдруг перестали покупать какой-то популярный товар. Тут же анализируется причина, — чаще всего его не успели поставить на полку или доставить на склад. По словам представителей сети «О’Кей», устранение подобных ситуаций помогло увеличить оборот сети на 1%.

Машинное зрение: увидеть клиента

Что касается перспектив развития систем искусственного интеллекта в ритейле, то здесь сто́ит отметить возрастающие возможности машинного зрения. С помощью установленных в торговых залах камер алгоритмы, к примеру, могут просчитывать и прогнозировать максимальный поток клиентов и подстраивать под эти данные необходимое число персонала в зале. Подобные системы недавно внедрили у себя российские обувные сети «Эконика» и RALF RINGER. Представители ритейлеров заявляют, что прогнозирование клиентопотока и вывод в торговый зал необходимого количества сотрудников в часы пик позволяют увеличить продажи в некоторых случаях почти на 20%.

Перспективным можно назвать и применение решений, связанных с распознаванием расположения товара на полках. Сейчас в некоторых магазинах можно видеть, как менеджеры проходят вдоль полок с товарами, делая их фотографии. Снимки в этом случае отправляются в систему, которая на основе их анализа делает вывод, что с представленным в торговом зале товаром не так.

Кстати, в супермаркетах Walmart в США для подобного контроля уже используется робот — роботизированная тележка едет вдоль рядов и делает снимки. Причем она оснащена специальным датчиками, которые предотвращают столкновение с покупателями и сотрудниками компании.

Ну а следующий этап развития машинного зрения в ритейле — это распознавание лиц покупателей в торговом зале. Сегодня некоторые крупные компании заявляют, что успешно тестируют эту технологию: искусственный интеллект следит, например, за тем, как долго человек задержался у того или иного товара. Если клиент проводит значительное время рядом с конкретным продуктом, ему делается персональное предложение о покупке заинтересовавшего его товара.

Правда, вокруг таких технологий разгораются жаркие дискуссии: противники «умного» машинного зрения заявляют, что это вторжение в частную жизнь человека и незаконное использование информации о его поведении и местоположении. Но с другой стороны, внедрение систем распознавания лиц, так же как и в целом решений машинного обучения, позволит повышать качество сервиса и делать подходящие выгодные предложения покупателям. Что в конечном счете не может не понравиться клиентам.

Источник: NEW RETAIL