Predpoveď predajov v promóciách presne spočíta jedine umelá inteligencia
Ako udržať optimálne množstvo skladovej zásoby? Ako zabrániť nadbytočnej alokácii peňazí v zásobách a vyhnúť sa tak stratám spôsobeným expiráciou a ďalším logistickým nákladom? V menších predajniach môže príliš mnoho kusov jedného artiklu, zaberať miesto inému artiklu. Horšia situácia nastane vo chvíli, keď tovar počas promócie jednoducho dôjde. Poškodzuje to obchodníka v očiach zákazníkov. Zvýšenie dopytu počas promócií môže byť z ničoho nič aj desaťnásobné. Každé pochybenie obchodníka sa potom niekoľkonásobne prejaví hlavne v jeho obrate.
Najpresnejšie spočíta predpoveď predajov v promóciách umelá inteligencia. AI netrpia problémami klasických štatistických metód, ktoré dnes už nestačia na náročné situácie s neelastickým tovarom, vysokými zľavami alebo sezónnosťou.
„S problematikou predpovedania promočných predajov sme sa začali zaoberať už pred desiatimi rokmi na základe dopytu našich klientov. Bežné riešenia sa ukazovali ako málo účinné, preto sme vyvinuli vlastné in-house riešenie. Vyskúšali sme niekoľko prístupov a najviac sa osvedčil ten, založený na umelej inteligencii.“, hovorí Petr Bulava, ktorý má v Slune na starosti BI tím a dátovú analytiku.
Ako sa predpoveď vytvára?
Dáta o artikloch získavame od obchodníka, po menších úpravách sa dajú využiť aj dáta od výrobcu. Vstupy, ktoré potrebujeme sú číselníky artiklov, predajní, aké promócie existujú, aká je ich mechanika, akým spôsobom fungujú, či sa jedná o priamu zľavu atď. Zaujíma nás predovšetkým história predajov, koľko tovaru sa v minulosti predalo a za akú cenu. Dáta čistíme o nedôvodne extrémne hodnoty. Dávame do väzby jednotkovú cenu a tomu odpovedajúci denný predaj.
Ďalšími vstupmi sú podmieňujúce faktory. Napríklad u nápojov sa jedná o vonkajšiu teplotu, u iných artiklov v akcii môže ísť o kanibalizáciu, svoju úlohu hrá aj prítomnosť konkurenčnej predajne. Čím viac podmieňujúcich faktorov, tým lepšie. Tiež potrebujeme vedieť, koľko tovar bude stáť. Na základe ceny veľmi presne určíme, koľko tovaru sa predá.
Štatistike odzvonilo, dnes rozhodujú stromy
Klasické štatistické metódy, ako napríklad časové rady, sú pre presné výpočty nedostatočné. Preto používame metódu Random Forest s umelou inteligenciou založenou na rozhodovacích stromoch.
Z historických predajných dát si algoritmus vytvorí stovky až tisícky rozhodovacích stromov. 70 % dát použije na zostavovanie stromov, na zvyšných 30 % si overuje, či sa trafil. Ak zistí, že sa netrafil, strom jednoducho zahodí. Overené stromy potom predpovedajú predaj určitého artiklu. Každý strom sám určí, koľko sa práve tohto tovaru predá. Číslo s najväčším zastúpením, resp. priemer alebo medián sa vyhlási za výsledok.
Zostavovanie stromov trvá aj celú noc, ale samotnú predpoveď dostaneme veľmi rýchlo, v rámci minút. Nie je od veci, raz za čas dáta obnoviť a vytvoriť nové stromy. Tým sa aktualizujú nové poznatky a predpoveď je ešte presnejšia.
Algoritmus nič nepriehľadne
Algoritmus funguje na ľudskom prístupe „pozriem sa a vidím“. Aj napriek obrovskému objemu informácií, ale vôbec nič neprehliadne. Nevadí mu vysoké zľavy ani extrapolácia, kedy sa nová cena artiklu nachádza mimo rozsah toho, čo je známe z minulých dát. Algoritmus navyše identifikuje krížové dopady zľav – kanibalizáciu alebo haló efekt. Pre bežné štatistické metódy sú tieto efekty obťažne zvládnuteľné.
Výstup má podobu tabuliek a grafov, ale predovšetkým sa dá importovať do ERP obchodníka tak, aby sa na základe týchto výpočtov dali rovno vytvoriť objednávky pre dodávateľov alebo výrobcov. Predpoveď je veľmi presná.
Čomu hovoríme dobrá zhoda a ako posúdiť, že sme sa trafili, sa dozviete z druhej polovice Petrovho webinára:
V druhej polovici webinára ukazujeme príklady na reálnych dátach našich zákazníkov.
Promo Forecast AI
Tento nástroj sme nazvali Promo Forecast Artificial Intelligence alebo PFAI. Beží v cloude s vysokým zabezpečením. Často sa stretávame s tým, že zákazníci nechcú, aby ich dáta opúšťali ich firmu. Dokážeme to pochopiť, a preto ponúkame aj variantu, kedy celé riešenie beží on premise.
Z procesného pohľadu sa nejedná o posledný krok. Následným krokom je prevzatie týchto výpočtov a spracovanie nákupných objednávok na základe mnohých ďalších faktorov: tovar na ceste, expirácia, kapacita predajní, závozové dni dodávateľov atď. S tým si tiež vieme poradiť a radi o tom napíšeme niekedy nabudúce.
