Автоматизация в рознице: вызовы и решения

Использование технологий для выполнения задач в магазинах вместо людей — тренд, который с каждым годом набирает обороты. Одни решения доказали свою эффективность и активно внедряются на рынок, другие — только тестируются и дорабатываются. В статье разбираем примеры и то, как системы автоматизации торговли помогают магазинам работать эффективнее.

Согласно прогнозам, рынок автоматизации розничных продаж будет расти в среднем на 14,66% в год с 2024 по 2029 год. Среди причин — растущая урбанизация, изменения образа жизни людей, рост потребительских расходов. Остановимся на ключевых трендах индустрии и некоторых актуальных примерах.

ИИ анализирует данные о прошлых покупках клиентов и предлагает дополнительные продукты или услуги, повышая вероятность перекрестных продаж. Например, платформа может анализировать клиентские данные для предоставления индивидуальных рекомендаций.

Исследования показывают, что подобные механики способны увеличить выручку на 5% и конверсию до 20-25%. Netflix увеличил вовлечённость пользователей на 50%, где 80% – контент, просматриваемый по рекомендациям. Это привело к более 90% удержанию подписчиков, благодаря способности платформы предлагать индивидуальный контент.

Виртуальные помощники и голосовые ассистенты, такие как Amazon Alexa, позволяют компаниям взаимодействовать с клиентами через технологии обработки естественного языка и распознавания голоса. Эти технологии становятся неотъемлемой частью клиентского опыта, значительно повышая удобство покупок.

Роботы умеют отвечать на вопросы, предоставлять информацию о товарах и услугах, а также оформлять заказы. В сочетании с технологиями дополненной реальности (AR) возможно реализовывать интерактивные и иммерсивные решения, которые улучшают общее впечатление покупателей и уменьшают количество возвратов.

Оператор сотовой связи Vodafone внедрил машинное обучение для улучшения работы службы поддержки клиентов, в частности с помощью чат-ботов и виртуальных помощников на базе искусственного интеллекта. Это привело снижению на 50% переводов звонков между командами и на 26% обращений путем переноса определённых запросов на систему электронной почты, что улучшило клиентский опыт и сократило затраты. Дополнительно увеличился индекс лояльности клиентов (NPS) на 30%.

Появление самообслуживающих касс, терминалов для оплаты и возврата товаров упрощает процесс покупки и позволяет сократить очереди.

Оплата через смартфоны становится всё более удобной и безопасной.

Использование отпечатков пальцев, распознавания лиц и других биометрических данных для аутентификации покупателей повышает уровень безопасности.

Омниканальная стратегия с использованием API для синхронизации данных позволяет выстраивать единую коммуникацию с клиентами в разных каналах, создавая бесшовный опыт взаимодействия с брендом. За счёт этого повышается вероятность завершения покупки и удовлетворённость покупателей. Компании с интегрированными каналами фиксируют рост выручки на 20-30%. Покупатели, зашедшие на сайт розничной сети в течение 24 часов после визита в магазин, в 3 раза чаще совершали покупки.

Возможность заказывать товары онлайн и забирать их в магазине повышает удобство для покупателей. Это особенно актуально для тех, кто хочет сэкономить на доставке или получить товар в кратчайшие сроки.

Прогнозирование спроса с использованием ML позволяет значительно улучшить управление запасами. Алгоритмы машинного обучения анализируют данные, минимизируя ошибки в управлении цепочками поставок, и повышают точность прогнозов. Есть возможность оптимально управлять запасами, что снижает потери и обеспечивает наличие товаров, а также позволяет оптимизировать складские процессы для сокращения издержек на хранение и обработку продукции.

Например, мы, в aim digital, протестировали модель прогнозирования количества заказов и расписания сборщиков на одном из ведущих ритейлеров. Команда начала с проверки трех пилотов. За ключевую метрику взяли время ожидания сборки, то есть время от момента, когда пришёл заказ, до момента, когда его начали собирать. В первой итерации 2 недели тестировали один магазин, в котором время ожидания было 72 минуты, что превышало средние показатели по ритейлу в несколько раз. Решение сократило время сборки в 3 раза, до 17 минут.

Во втором пилоте одну неделю тестировали 5 магазинов. Обученная командой модель временных рядов прогнозировала 2 часовые отрезки. Но фактическое расписание сборщиков сильно отличалось от планируемого системой. Также выяснилось, что сборщики самовольно уходили на обеды в пиковое время. В итоге, из-за операционных причин время ожидания сборки увеличилось в среднем на 4,5%.

В третьей итерации также участвовали 5 магазинов. Ошибки прошлого пилота были учтены. В новой модели расписание обедов формировалось полуавтоматически с учётом физиологических потребностей, ограничений расписаний, и планируемого объема заказов. Также система перешла на прогнозирование часовых отрезков. Точность модели выросла на 20% по сравнению с изначальной моделью самого ритейлера. Пилот показал улучшение операционных показателей по 4 из 5 магазинов. Среднее время от прихода заказа до завершения сборки сократилось на 17,4%.

На масштабе всех магазинов сети команда заложила улучшение на 10%. Чтобы достигнуть таких результатов без ИИ, ритейлеру пришлось бы привлечь на 11% сборщиков больше. Таким образом система планирования экономит бизнесу 11% от текущего фонда оплаты труда сборщиков, а это до 500 млн рублей в год.

Это процесс определения клиентов, которые с наибольшей вероятностью прекратят использовать продукт или услугу. Используя машинное обучение и предиктивную аналитику, компании могут разрабатывать стратегии для удержания этих клиентов, что позволяет минимизировать потери и сохранить доход.

Оптимизация ценообразования с использованием ИИ позволяет динамически регулировать цены в зависимости от поведения клиентов, рыночных трендов и конкурентной среды. Это помогает компаниям максимизировать выручку и прибыль в условиях изменяющегося спроса.

Flipkart Commerce Cloud (FCC) разработали и внедрила динамическую ML-модель ценообразования для клиента в сфере модных аксессуаров. Ранее клиент испытывал трудности в конкурентной борьбе из-за необходимости вручную отслеживать изменения цен. Благодаря новой модели удалось увеличить маржинальность на 30%.

Роботизация складов представляет собой внедрение автоматизированных систем для повышения эффективности, точности и производительности складских операций. Современные WCS (Warehouse Control Systems) координируют перемещение товаров, минимизируя человеческие ошибки и повышая скорость обработки заказов. Внедрение роботов Quicktron на складах Cowell привело к значительному повышению точности комплектации и снижению затрат на складские операции.

Беспилотники используются для доставки товаров на небольшие расстояния.

Компьютерное зрение используется для автоматического обнаружения дефектов продукции, что помогает снизить количество ошибок и повысить качество производственных процессов. Например, использование компьютерного зрения для контроля уровня запасов и размещения товаров на полках в Walmart привело к сокращению отсутствующих товаров на складе и увеличению точности инвентаризации.

Использование энергоэффективного оборудования и упаковки, а также сокращение отходов становится все более актуальным для розничных компаний.

Рост интереса к местным продуктам и сокращение транспортных издержек.

Автоматизация предприятий торговли повышает эффективность бизнеса, улучшает качество обслуживания клиентов, снижает затраты и повышает конкурентоспособность на рынке. Рассмотрим эти факторы подробнее.

1. Повышение эффективности

Одно из ключевых преимуществ и причин, по которой компании начинают автоматизировать процессы. Точный учёт товаров и прогнозирование спроса помогают избежать дефицита или переизбытка продукции в магазине. Автоматизация рутинных задач, например, приёмка товара, инвентаризация и формирование заказов, значительно повышает скорость работы персонала.

2. Улучшение качества обслуживания клиентов

Использование данных о покупателях позволяет предлагать индивидуальные рекомендации и акции, повышая лояльность клиентов. Чат-боты и виртуальные помощники помогают оперативно отвечать на вопросы клиентов и решать возникающие проблемы без привлечения человека в любое время суток.

3. Повышение точности данных

Автоматизация кассовых операций, учёта товаров и других процессов снижает вероятность человеческой ошибки. Системы автоматизации предоставляют актуальную информацию о продажах, запасах и других показателях, что позволяет принимать взвешенные управленческие решения.

4. Сокращение затрат

Автоматизация рутинных операций позволяет сократить количество персонала и снизить затраты на заработную плату. А точный учёт товаров помогает предотвратить кражи и сократить потери от недосдач. Некоторые решения автоматизации позволяют снизить энергопотребление, например, за счёт использования светодиодного освещения и энергоэффективного оборудования.

5. Принятие решений на основе данных

Автоматизированные системы собирают и анализируют большие объемы данных, позволяя выявлять тренды, прогнозировать спрос и принимать более обоснованные решения. Собственники бизнеса могут оперативно реагировать на изменения спроса и конкурентной среды.

В итоге автоматизация розничной торговли — это инвестиция в будущее бизнеса. Она позволяет компаниям повысить эффективность, улучшить качество обслуживания клиентов и получить конкурентное преимущество.

Для сохранения конкурентоспособности ритейлу всегда нужно искать новые точки автоматизации и роста. В этом поможет регулярное изучение и мониторинг лучших практик. Другой вариант – обращаться к командам, которые усилят внутреннюю экспертизу с помощью кросс-индустриальных решений и глобального опыта, а также агрегируют международные инновации, адаптируя под ваш бизнес.