Прорыв H&M: как крупнейший бренд одежды спасает себя с помощью AI и Big Data
Самая успешная в прошлом розничная сеть по торговле одеждой обратилась за помощью к AI, чтобы вернуть покупателей. И выбраться из крупнейшего падения продаж в своей истории. H&M разработала самообучающуюся систему, которая, анализируя продажи и последние тренды, предсказывает, какие вещи стоит продавать в каждом из её 4288 магазинов. Алгоритмы уже прошли испытание в Швеции, а затем свершилось некое чудо - компания убрала 40 проц товара из бутиков, при этом не снизив продажи. Но у ритейлера на неё гораздо более далекоидущие планы. Искусственному интеллекту придется попотеть, отмечается в статье habr.com.
Hennes & Mauritz несколько месяцев назад начала использовать технологию обработки больших данных с помощью AI для точечного заполнения своих магазинов – вместо распределения по ним одинакового набора стандартных продуктов, что до этого являлось обычной практикой у всех крупных сетей.
Причина – критическая необходимость в изменении практик ведения бизнеса. Отметим, что прибыль H&M падает уже десять кварталов подряд. После того, как покупатели покупают все больше товаров на Amazon и в других онлайн-магазинах, а H&M переключилась на это направление поздно, рассчитывая, что её покупатели всегда отдадут предпочтение бутикам, ради их «атмосферы», магазинам приходится устраивать регулярные снижения цен на 70 проц ниже себестоимости, – в попытке очистить свои полки и склады от нераспроданных товаров на 4 млрд долл. А акции компании за последние три года упали на 56 проц.
Сейчас H&M, как и все другие офлайн-магазины, при распределении товаров полагается на команду менеджеров и дизайнеров, которые пытаются предсказать, что будет интересно покупателям. Однако 20-30 проц вещей уходят в утиль, поэтому такая стратегия работы оказалась неэффективной. В мае компания объявила, что отныне вместо людей этой работой займутся самообучающиеся алгоритмы. Их предварительный запуск (с человеческим надзором, и только в Стокгольме) уже позволил сократить 40 проц товарных позиций (SKU) – без падения продаж, отмечается в статье habr.com.
Достигнуто это было за счет убирания с полок почти всех мужских продуктов. На их место была добавлена посуда – и эксклюзивные, дорогие предметы, вроде кожаных сумок по 118 долл и кашемировых свитеров по 107 долл – и всё это рядом с футболками по 6 долл и шортами за 12 долл. Каким-то образом, загадочным и для менеджеров H&M, и для ритейл-экспертов, такое размещение товаров оказалось успешным. Число вещей на складах сократилось в два раза.
Теперь эта технология выходит на полную мощность. Алгоритмы будут анализировать поступления, возвраты, спрос на товары, данные о лояльности, и автоматически согласовывать спрос и предложение, чтобы убрать уценки. Причем если раньше делать это для каждого конкретного магазина из 4288 – не представлялось возможным, и в большинство из них шли одни и те же товары, компьютерный интеллект позволит подбирать свою линию для каждого конкретного бутика. Вплоть до количества моделей, которые нужны там в определенный день недели.
Три главных прорыва (по мнению H&M) от AI
Умное складирование (алгоритмы AI анализируют историю продаж по каждому продукту в каждом магазине, смотрят на онлайн-тренды, и предсказывают, вплоть до конкретной цифры, сколько каких пар обуви и одежды потребуется в отдельной точке)
Актуальность товаров ( Раньше – менеджеры в магазине наблюдали повышение спроса на какой-то товар. Заказывали дополнительные партии. Пока те приходили, спрос мог уже спасть (или это мог быть фальшивый сигнал).Теперь – система сравнивает текущие данные с одними ей ведомыми паттернами в ежегодных заказах, чтобы за две-три недели раньше приказать «запастись» определенными вещами)
Выставление цены (алгоритмы эластично вычисляют цены на каждый товар, учитывая такие постоянно меняющиеся факторы, как курсы валют, налоги, цены конкурентов, остаток товара на складе, активность покупателей и их предпочтения), отмечается в статье habr.com.
На данном этапе сделать первые шаги в реальном мире самообучающейся системе помогает отдел из примерно двухсот специалистов – обработчиков данных, аналитиков и инженеров. Отдельно смотрят, как она проявит себя при «путешествии в прошлое». Алгоритмам «кормят» информацию за 2017-й год (5 млрд посещений магазинов и сайта, а также новости и фэшн-фото). И анализируют, какие решения система бы приняла по-другому.
Фото: H&M