Словарь ИИ
Что такое ИИ в ритейле
Коротко
ИИ в ритейле это программы, которые прогнозируют спрос, управляют запасами и ценами, отвечают покупателям и следят за выкладкой товаров в магазинах.
ИИ в отраслях · AI in retail
Михаил МозгПроверено: 1 минута чтения
Ребенку
Представь школьную ярмарку, где ты продаешь печенье. Если испечь мало, его разберут за минуту, а если много, половина останется. Умный помощник в больших магазинах смотрит, сколько покупали раньше, какая будет погода и не праздник ли завтра, и подсказывает, сколько товара привезти. Тогда полки не пустуют, а продукты не приходится выбрасывать.
Простыми словами
Магазин каждый день решает сотни мелких задач: сколько молока заказать, какую цену поставить, где выложить товар, что ответить покупателю в чате. Раньше это делали по опыту и таблицам. Программы на машинном обучении смотрят историю продаж, сезон, акции и погоду и считают прогноз для каждого товара в каждом магазине. Камеры замечают пустые полки, чат-боты отвечают о доставке и возвратах, рекомендательная система подбирает товары в корзину. Например, перед жарой система заранее увеличивает заказ воды для магазинов у пляжа.
Для бизнеса
Главные деньги в рознице лежат в запасах: дефицит теряет продажи, излишки уходят в списания и скидки. Поэтому чаще всего начинают с прогноза спроса и автозаказа, затем берутся за цены, работу с отзывами и поддержку покупателей. Стоимость проекта зависит от числа товаров и точек, качества данных в учетной системе и интеграции с кассами и складом. Риски: прогноз ломается на новинках и в кризисы, а персональные рекомендации требуют аккуратной работы с данными покупателей по 152-ФЗ. Перед запуском прогноз модели сравнивают с текущим способом заказа на нескольких магазинах и считают эффект в рублях. Точки внедрения с цифрами разобраны в нашем обзоре ИИ в торговле.
Для специалиста
Основу составляют прогноз спроса (demand forecasting) по иерархическим временным рядам, оптимизация запасов (inventory optimization), динамическое ценообразование (dynamic pricing), рекомендательные системы (recommender systems) и компьютерное зрение для контроля полок. Ориентир по методам дает соревнование M5 (Makridakis, Spiliotis, Assimakopoulos, International Journal of Forecasting, 2022): участники прогнозировали 42 840 иерархических рядов продаж Walmart в штуках и сдавали 30 490 прогнозов нижнего уровня, суммы которых давали прогнозы для верхних уровней иерархии. Поэтому согласование прогнозов между уровнями (hierarchical reconciliation) входит в задачу. На практике такие ряды часто прогнозируют градиентным бустингом (gradient boosting) с внешними признаками: ценами, акциями, календарем, а статистические методы служат базовой линией. Отдельная трудность розницы: прерывистый спрос (intermittent demand), когда у товара бывают дни без продаж, поэтому ошибку масштабируют по каждому ряду, чтобы редкие продажи не искажали оценку.
Пример
Сеть продуктовых магазинов подключила прогноз спроса к автозаказу. Управляющий утром видит предложенный заказ по каждой позиции и правит только товары, по которым модель отметила низкую уверенность.
Связанные термины
Вопросы и ответы
Где используется ИИ в ритейле?
С чего начать внедрение ИИ в магазине?
Источники
Где это применяют в компании
Не уверены, нужно ли это вашей компании?
Карта ИИ-решений