Чи вірите ви в те, що деякі гіганти харчової промисловості досі використовують Excel для прогнозованої аналітики або покладаються на інтуїцію досвідчених менеджерів? Складно уявити, але це правда. Ритейл – динамічний домен, що є лакмусовим папірцем будь-яких змін в економіці. Вибагливі споживачі, нестабільні ринки та сильні конкуренти – інтуїції не місце в царині стількох ризиків. Нещодавно я взяла участь у розробці нового продукту для фуд-ритейлу на базі AI і хочу поділитися власними відкриттями на шляху динамічного customer journey.
Майже все в ритейлі ґрунтується на аналітиці, починаючи від суміжних інтересів споживачів і закінчуючи залишками товару на складах. Програмне забезпечення для роздрібної аналітики не є чимось новим, але його запровадження і бажання не відмовлятися від старих методів – челендж. Якщо коротко розкласти типи аналітичних даних в цьому домені, ми отримаємо:
Описову аналітику. Розв'язує фундаментальне питання «скільки, коли, де і що» – основні інструменти бізнес-аналітики та інформаційні панелі, які надають щотижневі звіти про рівні продажів та запасів.
Діагностичну аналітику. Об'єднавши дані з кількох джерел, таких як відгуки клієнтів, фінансові показники та операційні показники, роздрібні торговці отримують більше розуміння першопричин проблем, з якими вони стикаються.
Прогностичну аналітику. Допомагає передбачати майбутні події на основі кількох змінних, включаючи погоду, економічні тенденції, перебої в ланцюжку постачання та новий конкурентний тиск.
Розпорядчу аналітику. Місце, де ШІ та Big Data об'єднуються, щоб взяти результати прогнозної аналітики та рекомендувати наступні дії.
Коли ми були на стадії ідеї розробки продукту, я дійшла особистого висновку, що покрити це все якісно й комплексно не вийде, бо домен доволі широкий.
Бізнес-аналітику важливо розуміти, яку саме проблему продукту плануєте вирішувати і конкретно якого департаменту.
Отже, висновок перший – локалізація доменної експертизи (логістика, маркетинг, продажі та інше). Кожен з департаментів має свої цілі та метрики. Поспілкувавшись із доменним експертом, я звузила коло до департаментів маркетингу та продажів. Пізніше ми ще більше локалізували проблему. Так виникло рішення продукту з трейд-промоушеном.
Висновок другий – не просто оптимізувати аналітичні дані, а робити прогнозування і, відповідно, планувати. Кожен департамент зберігав та обробляв дані по-своєму, рішення мало привести це все до єдиної системи та виду. Якщо це все зібрати в одну систему, до якої буде мати доступ і менеджер, і ритейлер, і власник бюджету, – вони будуть одразу бачити, з чого починається customer journey.
І з цього я дійшла третього висновку – ритейлери не знають, що робити зі своїми даними далі. У ритейлі досі використовують інтуїтивний підхід до управління продажами та запасами, базуючись на досвіді менеджерів. Наприклад, досвідчений менеджер може знати, що певні продукти краще продаються влітку, спираючись на свій багаторічний досвід. Однак цей підхід хоча і корисний, він має свої обмеження.
Отже, три стовпи ідеї рішення:
- локалізація доменної експертизи до департаментів
- єдиний формат обробки та збору даних (чого не може дати Excel)
- прогностична та розпорядча аналітика за допомогою AI/ML, що на 80% є безпомилковою
5 болів ритейлу, які хочуть вирішити за допомогою технологій
1 – відсутність аналітики на основі реальних даних
2 – погана синхронізація і комунікація між департаментами
Наприклад, невідома точна кількість товару на складі, а відповідно й неможливо ефективно домовлятися з ритейлерами щодо постачання. Відсутність централізованої системи управління призводить до того, що кожен департамент створює власні аналітичні файли, що не тільки неефективно, але й небезпечно з погляду безпеки даних, оскільки файли можуть зберігатися без належного захисту.
3 – процес управління даними в компанії є не оптимізованим та неефективним
Попри існування сучасних інструментів, таких як Power BI та Tableau, компанії використовують застарілі методи для аналізу даних. Навіть великі гравці в індустрії не мають централізованих систем і продовжують користуватися старими підходами.
Дані накопичуються без належної обробки та аналізу і прогнозування. Замість системного підходу менеджери аналізують дані вручну, що створює залежність від індивідуальних підходів та рішень кожного менеджера. Це означає, що один менеджер може працювати так, а інший зовсім інакше, що ускладнює процес прийняття рішень і знижує ефективність.
4 – боротьба з упередженнями щодо нових систем
Тут скоріше не про біль, а про страх, який треба побороти ефективним рішенням, яке не зламає систему і буде зручним у використанні.
Люди звикають до своїх робочих інструментів і неохоче переходять на нові системи. Якщо людина вже багато років працює з Excel і досягла в ньому високої майстерності, їй важко розлучитися з цим інструментом і перейти на щось нове, навіть якщо нова система пропонує більше можливостей. Нова система має автоматизувати деякі процеси та зробити їх зручнішими, має бути звичною та інтуїтивно зрозумілою для користувачів. Іншими словами, продукт повинен допомагати оптимізувати процеси, не ламаючи їх повністю, і бути зручним у використанні, а це та ще задача із зірочкою.
5 – швидка зміна споживчих уподобань
Споживчі уподобання можуть швидко змінюватися, а відповідно до цього мають змінюватися і підходи до маркетингу та промоцій. Наприклад, популярність продуктів може різко зростати або падати через тренди, змінні потреби та маркетингові кампанії. Це вимагає від ритейлерів не тільки швидкої реакції, а й бути завжди на крок попереду за допомогою розпорядчої аналітики.
А що по KPI?
Я працювала переважно з фінансовими метриками, такими як дохід та чистий дохід. У роздрібній торгівлі чистий дохід дуже залежить від собівартості товарів і витрат на виробництво. Наприклад, у харчовому ритейлі виробники враховують, скільки витрачено на закупівлю сировини, загальне виробництво, собівартість, і від цього вже визначають, скільки зароблено чистого прибутку. При розробці ідеї, я також аналізувала, як зміни цін на продукти впливають на кількість продажів за певний період часу. Наприклад, якщо на цьому тижні знизити ціну продукту, на наступному вже можна подивитися, скільки було продажів, й відповідно це дає нам інформацію для наступних промоцій. Для ритейлу важливо віднайти ту ідеальну ціну, де з мінімальною знижкою буде максимальне досягнення цілі – прибуток або кількість продажів. Не завжди великі продажі з маленькою ціною є метою. Є мета максимізувати прибуток, а є ще кейси, де треба просто зменшити кількість товарів на складі.
І ось нарешті після виявлення болів та вимог ми зрозуміли, яким має бути продукт:
- здатним покрити різні аналітичні потреби клієнтів, такі як середній чек, середня вартість продукту тощо;
- мати можливість налаштування аналітичних інструментів та прогнозування відповідно до даних, які має клієнт. Це досягається завдяки аналітику, який відстежує певні тренди та патерни в даних і підлаштовує модель прогнозування відповідно до них:
- бути здатним оптимізувати час на 10-30%
Система та рішення не замінює людей, а надає лише додаткову інформацію, яка допомагає маркетологам приймати обґрунтовані рішення. Наприклад, у ритейлерів є продукти, які завжди добре продаються, і продукти, які є лише філерами для заповнення полиць, щоб створювати конкуренцію на ринку та варіацію продуктів. Основні продажі здійснюються завдяки трьом популярним продуктам, тоді як інші два продукти створюють ілюзію вибору для споживачів.
Нішові болі в кейсах
Питання: яку кількість промоцій на один продукт можна дати в місяць, на квартал, за пів року, якщо продажі однакові за умови знижки у 10% та у 20%.
Ціна помилки: Знижка не завжди є вирішальною для покупки (святкові дні, сезон). Наприклад, якщо пачка кави постійно на промоції, це може знизити попит надалі, бо люди звикають до зниженої ціни. При поверненні до стартової ціни споживачі перейдуть до конкурента, який якраз в цей момент поставив свою промоцію.
AI майже виключає фактор людської помилки у розрахунках.
Питання: як уникнути продуктової канібалізації, коли товари одного виробника шкодять продажам один одного.
Ціна помилки: Коли один продукт перешкоджає продажам іншого продукту від того ж виробника, це може призвести до значних втрат. Наприклад, велика знижка на один продукт може призвести до того, що інші товари цієї категорії майже не продаються, що в кінцевому підсумку знижує загальний прибуток компанії.
Використання аналітичних інструментів і AI для відстеження продажів та взаємозв'язків між різними продуктами. Система повинна автоматично аналізувати дані про продажі та виявляти, які продукти продаються разом, а які конкурують між собою. Це дозволить налаштувати промоції таким чином, щоб максимізувати загальний прибуток, замість того, щоб знижки на один продукт вбивали продажі іншого.
Питання: як продукти, що знаходяться на промоакціях, можуть негативно впливати на продажі основних товарів одного й того ж виробника і як це впливає на відносини між ритейлерами та постачальниками?
Ціна помилки: Розміщення дешевшого продукту на промоакції та витрати на його рекламу можуть тимчасово збільшити його продажі, але це може призвести до падіння продажів основного продукту, який коштує дорожче. Така ситуація може знизити загальний прибуток компанії. Це також може призвести до погіршення відносин з ритейлерами, які очікують певного рівня прибутку від кожної промоакції. Якщо кілька акцій поспіль не принесуть очікуваного результату, ритейлери можуть зменшити закупівлі та знизити рівень співпраці з постачальником.
Система на базі AI повинна допомагати передбачати, як акції на одні продукти впливають на інші, і розробляти стратегії, що мінімізують негативний вплив на продажі основних товарів. Це дозволить постачальникам ефективніше планувати акції, знижки та маркетингові кампанії, щоб уникнути продуктового канібалізму та підтримувати стабільні відносини з ритейлерами, які можуть бути розірвані в односторонньому порядку.
Майбутнє індустрії
Колись я почула думку, що через можливість більш точного прогнозування ми будемо мати менше товарів і не такий насичений непотребом ринок – менше, але якісніше. Але моя думка, що буде якраз навпаки. Останні 10 років відбувається значна боротьба між постачальниками за увагу клієнта. Вони активно збирають інформацію про користувачів з різних джерел – від Instagram до смартгодинників. Вже не дивує, як після запуску ТікТок тренду з продуктом на полицях магазинів магічним чином перед тобою зʼявляється саме він, і так усюди. Маркетинг ефективніше формує попит і відповідне ціноутворення, звертаючись до нашої психології, страхів і бажань. Навіть якщо цього бажання ми до цього не мали.
У нульових цілком розповсюдженою була розчинна кава, її реклама була усюди. Після 2015 року ми отримали справжній вибух кавової індустрії та експертів навколо неї. Кав'ярня і кавова локація для багатьох є привабливим шляхом утворення бізнесу, тому що тут дуже низький поріг входу. І ось кава в зернах не те щоб тримає позиції, в Україні утворилася автентична кавова культура.
Якщо виробники не запровадять рішення з AI, скільки ще років вони зможуть протриматися на ринку, зберігаючи позиції? Є три основні фактори.
Перший – розкрученість бренду. Якщо бренд великий і відомий, то, ймовірно, він ще може протриматися до 10 років, але реалістичніше – це 5-7 років. Локальні й малі бізнеси, які не впроваджують технологічні інновації, мають лише 3-5 років до втрати позицій.
Другий фактор – конкурентне середовище. Якщо конкурент швидко розвивається і впроваджує новітні технології, бізнес, який не адаптується, швидко втратить свої позиції.
Третій фактор – тип продукції. Продукти найпершої потреби – сіль або цукор – можуть триматися довше. Але продукти, на які швидко змінюються смаки та попит, як-от кава чи шоколад, можуть втратити свою популярність дуже швидко, якщо не реагувати на ринкові тренди.
Ритейл – океан можливостей для всіх, а особливо для аналітика.
Читайте також
