eng
Заказать звонок
Заказать демо
Чат

Нейросеть для розницы

Рубрика:Экспертное мнение
Дата публикации: 16 Июля 2018
Автор:Максим Архипенков


Чем точнее прогноз продаж на каждый магазин, тем шире у ритейлера пространство для маневра. При этом возможность управлять аутофстоками и быстро корректировать объем поставки всегда дает выраженный экономический эффект.



Руководитель проекта ST SmartMerch Максим Архипенков рассказывает, почему для прогнозирования сбыта стоит использовать нейронные сети и как применять новую технологию в ритейле.

Формулы vs нейросети

Нейросети используются для нахождения зависимости между слабосвязанными параметрами. Это как раз история про прогноз сбыта, где нужно учитывать огромный пул данных: поставки, сезонность, погоду, курс валют, стоимость жилья в районе торговой точки, возраст покупателей, их средний заработок, цены в похожих магазинах и так далее и так далее.

Чтобы решить такую задачу, требуется описать все возможные варианты в цифрах и указать, как изменение каждого параметра повлияет на все остальные. Человек не может построить такую сложную систему зависимостей с огромным количеством переменных. А нейросети это под силу: она самостоятельно анализирует влияние показателей друг друга, улавливает связи между ними и оценивает их степень зависимости. Экономическую целесообразность такого подхода подтверждают аналитики «Магнита»: анализ спроса на базе искусственного интеллекта позволит компании увеличивать выручку на 4 млрд рублей в год*.

От «оптимизировать поставки» до «просчитать последствия»

Инструмент форекастинга (forecasting — прогнозирование, англ.) на базе нейронных сетей и машинного обучения сверхприменим в ритейле.

  1. Данные по анализу спроса помогают оптимизировать цепочки поставок, определить оптимальное количество сетевых торговых точек на город, найти место для нового магазина.

  2. Прогнозирование позволяет увидеть, когда ты растешь недостаточно или вообще не растешь. Получив прогноз, что продажи вырастут на 3% при инфляции 4%, начинаешь думать, как повысить спрос и сократить издержки.

  3. Перед тем, как внедрять изменения, можно с большой достоверность просчитать его последствия. Например, ритейлеру, который практикует именные программы лояльности, нейросеть может дать прогноз продаж определенного товара для каждого конкретного покупателя.

Для анализа ситуации внутри магазина в систему прогнозирования спроса можно встроить сервис цифрового мерчандайзинга ST SmartMerch. Если с большой частотой анализировать выкладку, можно увидеть скорость вымывания товара с каждой полки и спрогнозировать, например, эффективность установки нового холодильника или промо-палета с детализацией до уровня места продаж.

Насколько будут оправданы инвестиции конкретного ритейлера в технологию, зависит от уровня развития бизнеса и его целей.

Любое прогнозирование, — какая бы методика ни использовалась, будь то корреляционный прогноз или нейросети, — не дает стопроцентной точности. Но нейросеть однозначно полезна, особенно когда достигает определенного уровня: она очень помогает в стратегии и оперативной работе.

«Везде, где есть числа»

Когда разработчик выстраивает модель нейронной сети, он заранее затачивает ее под определенный набор параметров и обучает. Клиент работает с готовым продуктом: чтобы получить форекастинг, ты просто загружаешь данные. Это коробочное решение, адаптация под бизнес тут не нужна. Однако точность прогноза, сделанного разными нейросетями, будет отличаться — даже при одинаковом наборе параметров. Вся соль в деталях, а детали зависят от исполнения: от архитектуры системы, степени обученности и обучаемости конкретной нейросети и так далее. Я верю, что в скором будущем сети будут прогнозировать с точностью 95-97%.

Нейросети ультраприменимы в бизнесе и будут внедряться везде, где есть числа, где есть какая-то логика. Но они не заменят человека, поскольку не способны принимать решения на основе полученных прогнозов. Возможно, когда-нибудь искусственный интеллект возьмет на себя и управление бизнесом. Но это совсем далекая перспектива.

_______

* ТАСС: "Магнит" планирует внедрить анализ спроса на товары с помощью нейросетей


Вам также могут быть интересны статьи: