Předpověď prodejů v promocích spočítá přesně jedině umělá inteligence
Jak udržet optimální množství skladové zásoby? Jak zabránit nadbytečné alokaci peněz v zásobách a vyhnout se tak ztrátám způsobeným expirací a dalším logistickým nákladům? U menších prodejen může příliš mnoho kusů jednoho artiklu zabírat místo jinému artiklu. Horší situace nastane ve chvíli, kdy zboží během promoce prostě dojde. Poškozuje to obchodníka v očích zákazníků. Zvýšení poptávky během promocí může být z ničeho nic i desetinásobné. Každá chyba obchodníka se pak několikanásobně projeví hlavně v jeho obratu.
Nejpřesněji spočítá předpověď prodejů v promocích umělá inteligence. AI netrpí problémy klasických statistických metod, které dnes už nestačí na náročné situace s neelastickým zbožím, vysokými slevami nebo sezónností.
„S problematikou předpovídání promočních prodejů jsme se začali zabývat už před deseti lety na základě poptávky našich klientů. Běžná řešení se ukazovala jako málo účinná, proto jsme vyvinuli vlastní in-house řešení. Vyzkoušeli jsme několik přístupů a nejvíce se osvědčil ten, založený na umělé inteligenci,“ říká Petr Bulava, který má ve Slunu na starosti BI tým a datovou analytiku.
Petr Bulava
Jak se předpověď vytváří?
Data o artiklech získáváme od obchodníka, po menších úpravách se dají využít i data od výrobce. Vstupy, které potřebujeme jsou číselníky artiklů, prodejen, jaké promoce existují, jaká je jejich mechanika, jakým způsobem fungují, zda se jedná o přímou slevu atd. Zajímá nás především historie prodejů, kolik zboží se v minulosti prodalo a za jakou cenu. Data čistíme o nedůvodně extrémní hodnoty. Dáváme do vazby jednotkovou cenu a tomu odpovídající denní prodej.
Dalšími vstupy jsou podmiňující faktory. Například u nápojů se jedná o venkovní teplotu, u jiných artiklu v akci může jít o kanibalizaci, svou roli hraje i přítomnost konkurenční prodejny. Čím více podmiňujících faktorů, tím lépe. Potřebujeme také vědět, kolik zboží bude stát. Na základě ceny velmi přesně určíme, kolik zboží se prodá.
Statistice odzvonilo, dnes rozhodují stromy
Klasické statistické metody jako například časové řady jsou pro přesné výpočty nedostatečné. Proto používáme metodu Random Forest s umělou inteligencí založenou na rozhodovacích stromech.
Z historických prodejních dat si algoritmus vytvoří stovky až tisíce rozhodovacích stromů. 70 % dat použije pro sestavování stromů, na zbylých 30 % si ověřuje, zda se trefil. Pokud zjistí, že se netrefil, strom jednoduše zahodí. Ověřené stromy pak předpovídají prodej určitého artiklu. Každý strom sám určí, kolik se právě tohoto zboží prodá. Číslo s největším zastoupením, resp. průměr nebo medián se prohlásí za výsledek.
Sestavování stromů trvá i celou noc, ale samotnou předpověď dostaneme velmi rychle, v rámci minut. Není od věci, jednou za čas data obnovit a vytvořit nové stromy. Tím se aktualizují nové poznatky a předpověď je ještě přesnější.
Algoritmus nic nepřehlédne
Algoritmus funguje na lidskému přístupu „podívám se a vidím“. I přes obrovský objem informací ale vůbec nic nepřehlédne. Nevadí mu vysoké slevy ani extrapolace, kdy se nová cena artiklu nachází mimo rozsah toho, co je známo z minulých dat. Algoritmus navíc identifikuje křížové dopady slev – kanibalizaci nebo halo efekt. Pro běžné statistické metody jsou tyto efekty obtížně zvládnutelné.
Výstup má podobu tabulek a grafů, ale především se dá importovat do ERP obchodníka tak, aby se na základě těchto výpočtů daly rovnou vytvořit objednávky pro dodavatele či výrobce. Předpověď je velmi přesná.
