Поможет ли искусственный интеллект стать ритейлу рентабельнее?
Фото: JuliusKielaitis / Shutterstock.com
Экономика

Поможет ли искусственный интеллект стать ритейлу рентабельнее?

Крупнейший в мире ритейлер одежды шведская H&M внедрила искусственный интеллект для подбора ассортимента магазинов. Станет ли это всеобщей тенденцией в ритейле и как скажется на итоговых экономических показателях?

Wall Street Journal уточняет, что шведская сеть — это фактически последний ритейлер одежды, который решил спасти продажи с помощью современных технологий. Причина внедрения достаточно проста. За 70 лет продаж впервые спад идёт десять кварталов подряд. До сегодняшнего момента ассортимент магазинов составляли дизайнеры. H&M — один из последних ритейлеров, который обратился к технологиям для завоевания клиентов.

Для сравнения, Inditex (Zara, Bershka, Massimo Dutti и другие подсети холдинга) использует роботов, чтобы облегчить покупателям подбор онлайн-заказов в магазинах (хотя это больше имиджевая история), а Gap использует данные Google Analytics для мониторинга потребительских предпочтений. Кстати, у продуктовых ритейлеров внедрение технологических историй — это необходимая данность.

В отношении новой стратегии одёжного ритейлера аналитики настроены крайне скептически. Но пилотное внедрение в Стокгольме, вопреки сомневающимся, прошло достаточно успешно. Магазин был семейным, ассортимент общим. Но оказалось, что большая часть покупателей -женщины. На них была сделана ставка, изменён ассортимент, что и дало рост продаж. Объем которых, правда, журналистам не раскрыли. Но успешными были не все советы. Например, в прошлом году алгоритмы посоветовали H&M продвигать свитера с принтами в январе, но пришлось корректировать алгоритм на декабрь, перед рождественскими продажами.

Почему оказалось, что полностью полагаться на алгоритм всё же нельзя? Потому что, когда внедряется искусственный интеллект, некоторые аналитики пытаются подменять понятия. Дело в том, что у шведов была внедрена система поддержки принятия решений. Красивое название «искусственный интеллект» не должен при этом восприниматься как Skynet из фильма «Терминатор». На входе у такой системы большое количество данных, которые система отфильтровывает, сортирует и проводит простой первичный анализ по заранее настроенным алгоритмам. Новый алгоритм себе же система пока не напишет. По крайней мере, лучше человека, а это принципиальная разница.

И тут оказывается, что алгоритм, программа, внедрённая система, сколь хорошей она бы ни была, сама по себе денег не приносит. Важно, что «допиливать» алгоритмы нужно прямо по ходу работы. Вот с точки зрения тонкой настройки — это то, что может дать добавленную ценность. Но при этом совместную работу взаимодействующих отделов никто не отменял. Это ключевой вопрос, вопрос качества внедрения. Если один из отделов саботирует новинку и делает по-старому, то внедрение просто провалится.

магазинФото: Sorbis / Shutterstock.com

Следующее важное замечание — не стоит собирать данные ради данных. Совсем недавно термин «большие данные» или big data стали настолько модными, что в очередной раз игрокам рынка показалось, что они нашли универсальный ключ к росту продаж. Но, опять, возможно, я вас разочарую, его просто нет. Просто собрать много данных, отсортировать их, даже получить какие-то гипотезы — мало. Нужно на основе обработки этих данных внедрять управленческое решение. В том же ритейле таким сборщиком данных зачастую становится система лояльности.

Тот же X5 Retail Group, «Магнит», «Лента», «Азбука вкуса», «ВкусВилл» и другие сети в России с помощью программ лояльности анализируют спрос на конкретные категории товаров с геопривязкой и по категориям потребителей. Оценка внедрения работающей программы лояльности среди экспертов это рынка для крупной сети — порядка нескольких миллионов долларов и год работы по внедрению во всю географически распределённую сеть. Окупается ли такая работа? Да, и достаточно быстро. Дело в том, что после того, как программа внедрена, можно не вливать деньги в ненужную рекламу, точнее знать желания своей аудитории и в соответствии с этим уже принимать управленческие решения.

Куда, например, везти 200 фур зелёного горошка, и нужен ли он в таких количествах. Поэтому срок окупаемости работы такой системы при правильном внедрении составляет от полугода до года. Почему тогда не бросаются внедрять её повсеместно? Хотя бы потому, что команд, которые готовы это сделать результативно, не так много. Одно дело говорить про «искусственный интеллект», а другое -внедрять «скучную» систему лояльности и обработку больших данных. При том, что второе гораздо важнее.

Но это сегодня, конечно, для ритейла вопрос выживаемости. Потому как фактическая практика сегодняшнего дня для покупателя — омниканальность. Под этим термином прежде всего нужно понимать, что потребитель может прийти откуда угодно. Важно его заметить, обслужить, продать, и довести до повторной покупки. Не только уже в офлайне и онлайне, но, фактически, сразу во всех каналах. И точно знать, какой канал сколько приносит прибыли. Тогда вместо красивых картинок об «искусственном интеллекте» в бухгалтерском балансе нарисуется совсем другая картина.

Подписывайтесь на канал "Царьград" в Яндекс.Дзен
и первыми узнавайте о главных новостях и важнейших событиях дня.

Читайте также:

Секретный проект Amazon: Домашние роботы Цифры Рунета: Интернет-экономика достигла 2 трлн рублей Афера "Открытия": В краже триллионов никто не виноват?
Загрузка...