ИИ-агент для управления розничным бизнесом
Разработали ИИ-агента для предиктивного планирования спроса и ассортимента.
Предыстория
Федеральная сеть магазинов женской одежды страдала от двух противоположных бед: затоваривания складов неликвидами и дефицита хитовых позиций. Категорийные менеджеры закупали коллекции «на глаз», основываясь на прошлогодних продажах и интуиции. В результате 40% коллекции уходило в распродажу с убытком, а на трендовые позиции (например, маленькие черные платья определенного фасона) выстраивалась очередь, и товар заканчивался через неделю после старта сезона. Система аналитики показывала, что уже продано, но не могла подсказать, сколько закупать в будущем.
Решение
Разработка ИИ-агента для предиктивного планирования спроса и ассортимента. Мы обучили модель на данных за 5 лет: продажи по дням, погода в регионах, макроэкономические индексы (реальные доходы населения), активность в соцсетях и данные с поисковых запросов (тренды). Агент для каждого магазина сети (с учетом его локации и профиля покупателей) выдавал прогноз спроса на каждую модель в разрезе размеров и цветов с точностью до недели. Например: «Магазин в ТЦ «Мега», прогноз на платье арт. 1245 — 47 единиц до конца сезона. Распределение по размерам: S-12, M-20, L-10, XL-5. Рекомендуемый первичный заказ — 35 единиц, дозаказ через 4 недели». Агент также автоматически пересчитывал прогноз в реальном времени, если тренд «взлетал» в Instagram.
Результат
Уровень распроданных по полной цене товаров (без уценки) вырос на 18%. Остатки неликвидов на складах сократились на 35%. Оборачиваемость товара ускорилась в 1.5 раза. Компания впервые смогла планировать производство частных марок (СМ) не вслепую, а под гарантированный спрос, спрогнозированный ИИ.
