Skip to content

Машинное обучение + Retail Execution = оптимальные посещения магазинов и возможности анализа данных

By Нина Лунд (Nina Lund), управляющий директор, глобальное подразделение по работе в сфере товаров широкого потребления, Microsoft on 03/10/2017

Filed under Розничная торговля и потребительские товары

Machine Learning Retail Execution

Вы когда-либо представляли, как сильно изменилась бы ваша жизнь, если бы в вашем распоряжении был личный помощник? Который мог прийти пораньше и остаться подольше, выполняя всю работу, требующую беготни, чтобы вы могли оптимально использовать свободное время. С этим вам поможет машинное обучение — новая технология, которая позволяет компьютерам учиться и прогнозировать данные без явных инструкций. Например, компании, торгующие товарами широкого потребления, могут использовать машинное обучение для эффективного планирования посещений магазинов торговыми представителями и ускорения выполнения повседневных задач. Представьте, что вы можете приказать роботу проверить торговые ряды на соответствие требованиям, освободив время сотрудников для более важных задач. Сокращая время, проводимое торговыми представителями в магазине, вы увеличиваете число посещений, что позволяет существенно сократить расходы. Однако машинное обучение не только упрощает процесс посещения магазинов — это эффективный способ применения ретроспективных данных для решения задач, создающий модель для точного прогнозирования поведения в будущем. С течением времени система машинного обучения выявляет закономерности и тенденции (например, работает ли рекламная акция и с какими параметрами), которые компании могут использовать для улучшения корпоративной стратегии. Далее рассказывается, как машинное обучение помогает компаниям, торгующим товарами широкого потребления, планировать свою работу, повышать производительность и использовать глубокий анализ данных.

Автоматизация и оптимизация планирования маршрутов

Для определения точек продажи, которые стоит посетить, частоты визитов и требуемых действий необходимо много усилий и времени. Представьте, что у вас есть программное обеспечение, которое учитывает множество факторов, а не только географическое расположение, чтобы спрогнозировать лучшее время для посещения того или иного магазина и повышения эффективности всех маршрутов. Если продажи в магазине каждый год проседают в июле, недавно на работу устроился новый менеджер или предстоит провести рекламную акцию, решение скорректирует маршруты соответствующим образом, чтобы оптимизировать рабочее время сотрудника. Технология машинного обучения также создает адаптированные списки дел для посещения магазинов, которые зависят от потребностей каждой точки продаж. Перед тем как торговые представители попадут в магазин, они уже будут знать о проблемах, например неисправном оборудовании, и не будут тратить время на определение задач, которые предстоит выполнить. На месте они смогут с помощью программного обеспечения упростить процедуры аудита.

Реализация идеальной модели посещения магазинов

Торговым представителям часто приходится проводить аудит магазинов. Представьте, что существует технология, которая позволяет эффективно распределить время их работы. Они смогут избавиться не только от бумажной волокиты (64 % специалистов до сих используют ручку и бумагу[1]), но и использовать распознавание образов и преобразование речи в текст, чтобы не вводить данные на цифровом устройстве. Благодаря цифровому распознаванию образов торговые представители могут фотографировать полки с товарами в магазине, а не записывать результаты осмотра вручную. С помощью изображения модель сможет оценить остатки товаров, упаковку, долю на полке и соответствие планограмме. Программное обеспечение находит ошибки и несоответствия за несколько секунд, а человеку требуется визуально оценить каждую деталь, чтобы обнаружить неверное размещение продуктов. Машинное обучение также позволяет специалистам диктовать заметки, команды и заказы, используя носимое устройство, например часы или гарнитуру. Система изолирует ключевые слова, которые активируют действия в программном обеспечении Retail Execution. Сохранение данных в цифровом формате экономит время торговых представителей и предотвращает ошибки, связанные со сбором данных вручную. Результаты посещений распространяются в реальном времени, а менеджеры получают данные аудита незамедлительно, а не через несколько месяцев после визита.

Углубленный анализ данных

После сбора данных машинное обучение предоставляет еще одно преимущество — поиск закономерностей для определения оптимальных дальнейших действий. Компании, занимающиеся товарами широкого потребления, работают с огромными объемами данных о продажах, запасах продуктов, доставке и рекламных акциях в тысячах магазинов. Использование электронных таблиц для отслеживания и анализа отнимает много времени. Кроме того, электронные таблицы делают только то, на что они запрограммированы. Однако машинное обучение автоматически определяет общие шаблоны и тенденции, которые обычно очень сложно уловить. Например, решение может анализировать данные для точного прогнозирования результатов рекламной акции в крупной сети магазинов или определить окупаемость инвестиций программы лояльности в отдельном магазине. Анализ данных на более детальном уровне упрощает оценку эффективности продукта, поиск проблем и применение рекомендаций во всех подразделениях.

Microsoft Machine Learning

Машинное обучение позволяет эффективно планировать маршруты торговых представителей, автоматизировать повторяющиеся ручные процессы и анализировать данные в рамках всей организации. Кроме того, используя эти преимущества, вы сможете развивать бизнес вместе с ростом рынка и принимать взвешенные решения о рекламных акциях, маркетинговых кампаниях и инвестициях. Корпорация Microsoft и ее партнеры продолжают работать над системами машинного обучения и решениями для розничной торговли, чтобы с их помощью компании, занимающиеся товарами широкого потребления, могли развиваться в цифровую эпоху. Чтобы узнать больше о готовых решениях для розничной торговли, изучите материалы о AFS POP Retail Execution и AFS Retail Execution на портале AppSource. [1]EKN Outlook, 2016

Useful Links

Свяжитесь с нами