Меня зовут Каролина Ильенкова. Более 18 лет занимаюсь маркетингом и категорийным менеджментом. Делюсь своим опытом на моём телеграм канале.
Кто-то из вас уже не первый год является категорийным менеджером и не понаслышке знает, что такое категорийный менеджмент.
Кто-то впервые сталкивается с этим понятием.
Поэтому в этой статье буду добавлять базовые понятия основных терминов, чтобы каждому из вас было понятно, о чем я говорю и какой смысл вкладываю в свои слова.
Большинство компаний в большей или меньшей степени сейчас применяют технологии Искусственного интеллекта. Кто-то видит в нем возможность, кто-то сильно опасается.
В этой статье хочу с вами порассуждать, могут ли инструменты категорийного менеджмента и технологии искусственного интеллекта дополнять друг друга. Или все же искусственный интеллект (ИИ) будет замещать категорийных менеджеров?
В статье сознательно не буду называть конкретные платформы, чтобы материал не приобрел рекламный характер. В интернете в открытом доступе данная информация широко представлена.
Итак, давайте рассуждать.
В последние несколько лет искусственный интеллект (ИИ) стал важным и неотъемлемым инструментом в работе категорийных менеджеров. AI Искусственный интеллект не просто повышает эффективность работы, он ускоряет процесс и влияет на качество принимаемых решений. С помощью алгоритмов машинного обучения и анализа больших данных компании могут получать новые ценные инсайты, которые ранее не могли быть выявлены при ручной обработке данных. Это помогает в оптимизации бизнес процессов, а так же позволяет снизить издержки и увеличить продажи, но и выявить будущие потребности клиентов, что можно использовать при формировании видения категории.
Искусственный интеллект в современном бизнесе точно важен и нужен. Его надо внедрять. Но всегда остается вопрос, зачем? Поможет ли он избавиться от дорогостоящих категорийных менеджеров и автоматизировать работу так, чтоб искусственный интеллект делал все сам?
Спешу вас огорчить – нет!
ИИ помогает лбой компании, независимо от размера и бизнес-направления, ускорить работу тех самых категорийных менеджеров: они будут быстрее и качественнее выполняют свои обязанности, у них появляется больше времени на решение стратегических задач по своим категориям товаров. При этом, что интересно, категорийные менеджеры с помощью искусственного интеллекта могут уже анализировать как статистику продаж (в прошлом), так и тенденции, тренды, изменение поведения покупателей и потребителей в будущем (прогнозирование будущих продаж), что помогает выявлять и планировать будущий спрос на конкретные категории и товары (если спрос спрогнозирован, значит товар закуплен и предложен покупателю, а значит будут продажи при наличии спроса!).
Это особенно актуально, так ка сейчас потребительские предпочтения не просто постоянно меняются. Они меняются очень быстро. И каждому категорийному менеджеру нужно уметь реагировать на эти изменения так же быстро. Именно такой подход позволяет повышать лояльность и уровень удовлетворенности покупателей и потребителей.
Если так происходит, то компания будет быстрее адаптироваться к быстро меняющимся условиям рынка. Станет более конкурентоспособной. Как минимум, не будет отставать от конкурентов, а может и обойдет их.
Итак, о чем поговорим в этой статье?
Что же такое категорийный менеджмент?
Искусственный интеллект – что это? И какова его роль в бизнесе? Искусственный интеллект и бизнес.
Анализ данных в категорийном менеджменте с помощью Искусственного интеллекта.
Ассортимент и Искусственный интеллект
Ценообразование и Искусственный интеллект
Маркетинг и Искусственный интеллект
Мерчендайзинг и Искусственный интеллект
Закупки и Искусственный интеллект
Какие существуют проблемы Искусственного интеллекта при его внедрении в категорийном менеджменте?
Как успешно внедрять Искусственный интеллект в категорийном менеджменте
Будущее категорийного менеджмента и искусственного интеллекта.
Заключительные слова
Категорийный менеджмент — это стратегический подход к управлению ассортиментом товаров.
Категорийный менеджмент – это маркетинг. Роль категорийного менеджмента переоценить нельзя. Именно поэтому компания максимизирует свою прибыль через создание потребительской ценности для покупателей.
Что это значит?
Для того чтоб получить максимальную выручку и прибыль покупателю важно предложить именно те товары, которые он хочет приобрести. Тогда, при возникновении новой потребности, он будет думать, прежде всего, о вашем магазине как месте, где он точно сможет купить то, что он хочет. То есть, вот она лояльность и, как следствие, повторные покупки в вашем магазине.
Если в традиционном подходе анализ ассортимента производится на уровне отдельных товаров, то в категорийном менеджменте анализируются товарные категории ассортимента. Оценка производится по принципу «сверху вниз» от категорий до конкретных товаров.
Это базовый принцип категорийного менеджмента. Он позволяет более эффективно управлять ассортиментом с учетом потребностей покупателей. При этом, если меняются тренды или покупательское поведение, вы максимально оперативно можете отреагировать, используя инструменты категорийного менеджмента.
Особо стоит остановиться на основных элементах категорийного менеджмента. Они являются основой, фундаментом категорийного менеджмента:
Удовлетворение потребностей покупателей,
Товарная категория в категорийном менеджменте,
Категорийный менеджер – центральное звено,
Сотрудничество с поставщиками (партнерский подход),
Всесторонний анализ.
Применяется Категорийный менеджмент в рознице, опте, интернет-магазинах.
Кто такой категорийный менеджер и чем он занимается?
Это человек, который управляет всем этим процессом. Он по своим категориям определяет роли и стратегии категорий в категорийном менеджменте.
Если хоть одного из элементов нет, компания не использует категорийный менеджмент в полной мере, значит не получает максимальной отдачи от своей деятельности.
Обратите внимание, что всесторонний анализ – это один из фундаментальных элементов категорийного менеджмента.
Значит, без анализа нет категорийного менеджмента.
В то же время, для повышения эффективности анализа ассортимента товаров нужны различные инструменты и технологии. Так вот как раз искусственный интеллект и предоставляет компаниям и, в частности, категорийным менеджерам, эти технологии.
1. И снова немного терминологии - понятие искусственный интеллект
Что такое искусственный интеллект?
Искусственный интеллект (ИИ, анг. - AI) — это область компьютерных наук, занимающаяся созданием систем, способных выполнять задачи, требующие человеческого интеллекта.
Википедия определяет AI Искусственный интеллект как интеллект, демонстрируемый машинами, в частности, компьютерными системами.
ИИ включает в себя такие функции, как обучение, рассуждение, восприятие и принятие решений.
В бизнесе чаще всего используется искусственный интеллект для автоматизации процессов, анализа данных и улучшения взаимодействия с покупателями, клиентами.
И хотя первые эксперименты с AI начались в 1950-х годах (более 70 лет назад), реальный прорыв произошел в 21 веке с развитием вычислительных мощностей и использованием больших объемов данных.
Так, активное развитие искусственного интеллекта привело к тому, что бизнес начал активно внедрять технологии Искусственного интеллекта с начала 2000-х годов. Это позволило получить новые возможности при анализе данных и прогнозировании потребительского поведения. К 2010-м гг. Искусственный интеллект стал неотъемлемой частью многих компаний (от стартапов до крупных корпораций) в различных отраслях: от финансов и здравоохранения до ритейла и маркетинга.
2. Основные технологии Искусственного интеллекта и бизнес
В бизнесе используются несколько основных технологий Искусственного интеллекта. Они играют важную роль в оптимизации процессов управления и повышении эффективности компаний:
Машинное обучение (ML) – технология Искусственного интеллекта, которая позволяет системам (компьютерам) обучаться на основе обработки данных, принимать решения и улучшать свои результаты без явного программирования. Машинное обучение используется для анализа больших объемов данных, выявления точек роста, инсайтов и прогнозирования будущих событий. Благодаря этому машинное обучение обнаруживает определенные закономерности и делает максимально достоверные прогнозы, базируясь на большом количестве данных и параметров. В отличие от машинного обучения человек не способен обработать такой объем информации и принимать на основании этого решения (просто для человека слишком много информации!).
Самый простой пример, торговые сети используют машинное обучение для прогнозирования спроса на товары, базируясь на статистике имеющихся продаж.
Впечатляет статистика. По данным НАФИ, 37% компаний из ритейла и торговли используют машинное обучение.
Обработка естественного языка (NLP) – это технология, которая позволяет компьютерам понимать, интерпретировать и преобразовывать данные в человеческий язык. Обработка естественного языка используется в чат-ботах, системах автоматизированного обслуживания клиентов и для анализа отзывов.
Яркий пример, когда компании могут использовать обработку естественного языка для анализа мнений клиентов о своих продуктах. Это помогает в принятии решений по улучшению качества продуктов.
Компьютерное зрение – это технология Искусственного интеллекта, которая позволяет системам (компьютерам) "видеть" и интерпретировать визуальную информацию.
Например, в розничной торговле компьютерное зрение может использоваться для анализа поведения покупателей в магазине, что помогает оптимизировать выкладку товаров и улучшить клиентский опыт.
Роботизированная автоматизация процессов (RPA) – это технология Искусственного интеллекта, позволяющая автоматизировать рутинные задачи с помощью программных (виртуальных) роботов. Их еще называют цифровыми роботами или ботами, для выполнения трудоемких ручных работ или задач.
Пример, Роботизированная автоматизация процессов используется для обработки данных, управления запасами и других повторяющихся процессов, что позволяет сотрудникам сосредоточиться на более стратегических задачах.
Нейронные сети (нейросети) – это модели AI Искусственного интеллекта, вдохновленные работой человеческого мозга, которые способны обрабатывать сложные данные и выявлять скрытые связи. Нейронные сети применяются в различных областях, включая распознавание изображений, обработку речи и прогнозирование.
По данным Яндекс «о существовании нейросетей с такой функцией знают 63 % россиян в возрасте 18–65 лет, пользуются ими 33 % респондентов.»
Простыми словами, это технология Искусственного интеллекта, которая повторяет модель человеческих нейронных связей.
Сейчас данная технология Искусственного интеллекта является наиболее быстро и широко распространяемой во всех сферах деятельности.
Пример 1. Маркетологи используют искусственный интеллект и нейросети для написания стратегий, постов для соц. сетей, писем, статей, инструкций, гайдов, ответа на вопросы, поиска нужной информации и др.
Пример 2. В бизнесе они могут использоваться для создания персонализированных рекомендаций для клиентов, что значительно повышает уровень удовлетворенности.
Сейчас самые популярные нейросети для работы с текстами: ChatGPT – OpenAI (GPT искусственный интеллект), Claude.ai, Copilot - Microsoft Bing-copilot.microsoft.com, Yandex GPT.
Таким образом технологии Искусственного интеллекта – это виды искусственного интеллекта.
В завершении этого мини обзора технологий Искусственного интеллекта можно утверждать, что искусственный интеллект становится важным, жизненно важным инструментом для бизнеса.
Почему?
Теперь рутина уходит в прошлое (не во всех компаниях, а только в тех, которые автоматизируют свои процессы и активно внедряют технологии Искусственного интеллекта!). Теперь можно обрабатывать различные виды информации гораздо быстрее и эффективнее. Меньше допускать ошибок на человеческом уровне. Теперь можно сотрудникам, в частности, категорийным менеджерам ставить более сложные и интересные задачи, которые позволят существенно увеличить доходность компании.
Анализ данных — это фундамент, основа категорийного менеджмента (помните, обсуждали это в начале?).
При использовании инструментов категорийного менеджмента в анализе ассортимента ни одно решение не может приниматься интуитивно, «по ощущениям». Все базируется на анализе данных, на цифрах, фактах, трендах.
И чем больший объём данных сотрудники компании в состоянии обработать, тем более точные и взвешенные решения они будут принимать. Поэтому так востребованы современнее технологии обработки данных.
Эффективный анализ данных позволяет выявлять тенденции и тренды, понимать изменения покупательского поведения, грамотно проводить оптимизацию ассортимента товаров, учитывая потребности и ожидания покупателей.
В частности, в категорийном менеджменте анализ больших данных помогает в оптимизации ассортимента, планировании закупок, управлении товарными запасами, формировании ценовой политики компании, разработке и анализе эффективности маркетинговых кампаний, оптимизации выкладки товаров на полке (мерчендайзинг).
Какие же технологии Искусственного интеллекта используются сейчас чаще всего в рамках применения категорийного менеджмента?
На самом деле все!
Современные технологии Искусственного интеллекта значительно упрощают и ускоряют процесс анализа данных, позволяя компаниям и их сотрудникам находить новые ценные инсайты (точки роста) на основе обработки большого массива данных.
Давайте подробнее разберем, в какой сфере категорийного менеджмента используются какие технологии Искусственного интеллекта.
Для начала вспомним, что категорийный менеджмент базируется на концепции 4P:
· Ассортимент
· Ценообразование
· Маркетинг
· Выкладка
+ к управлению ассортиментом в категорийном менеджменте стоит добавить закупки, т.к. контроль закупок и обеспечение наличия товаров на полке так же входит в зону ответственности категорийного менеджера.
Визуально пересечение инструментов категорийного менеджмента и технологий Искусственного интеллекта я вижу следующим образом.
Давайте разберёмся подробнее, какой смысл я вкладываю в эту систему инструментов и их совместное использование.
Управление ассортиментом — это процесс, направленный на создание наиболее эффективного и привлекательного для покупателей набора товаров. Важно, чтобы предложить, действительно, интересный и востребованный среди ваших целевых покупателей ассортимент, он должен учитывать потребности и интересы ваших целевых покупателей. В таком случае ассортимент формируется на основе дерева принятия решения в категорийном менеджменте.
Если покупатель постоянно у вас будет находить те товары, которые отражают или превышают его ожидания, он будет снова и снова возвращаться за покупками именно к вам. Будет расти уровень удовлетворённости и лояльность покупателей к вашему бренду (бренд компании). В условиях высокого уровня конкуренции на рынке грамотно составленный ассортимент становится критически важным условием успеха бизнеса.
И наоборот, постоянное отсутствие интересующих покупателя товаров, либо наличие только устаревших моделей формирует определенный образ компании (не самый лучший!). Что это значит? Часть покупателей, которые уже неоднократно имели негативный опыт взаимодействия с компанией, не захотят больше тратить свое время на поиски нужного им товара. Это ведет к потере покупателей и их уходу к конкурентам. То есть компания теряет покупателей, а значит имеет упущенные продажи.
И в то же время, излишний остатки по товарам, которые не нужны покупателям (например, уже не в тренде, продукт не понятен покупателю или его ценность для покупателя не очевидна), замораживают денежные средства компании и не позволяют закупать высокооборачиваемые и востребованные товары (за которыми покупатель может уйти к вашим конкурентам).
Что получаем в сухом остатке? Желания покупателей в последние годы меняются очень быстро. Тенденции и тренды сменяются все быстрее и быстрее. Все выше уровень неопределённости. Технологии развиваются с неимоверной скоростью. В этой реальности способность быстро реагировать на изменения становится важным и жизненно необходимым условием для сохранения конкурентных преимуществ на рынке.
Таким образом, управление ассортиментом товаров позволяет улучшить экономические показатели категории и компании в целом. При этом наличие востребованного ассортимента повышает уровень удовлетворенности клиентов, позволяя им найти и купить именно те товары, которые они хотят.
Именно поэтому так важно при формировании и управлении ассортимента товаров использовать возможности Искусственного интеллекта, позволяющего быстро и качественно обрабатывать различные виды информации для дальнейшего принятия решений.
1. Анализ продаж с использованием машинного обучения на основе анализа больших данных (Big Data)
AI Искусственный интеллект помогает лучше понять потребности покупателей, анализируя данные о покупках, отзывы и поведение клиентов.
Системы Искусственного интеллекта, в частности, машинного обучения могут выявлять аспекты, которые помогают определить, какие товары наиболее востребованы в определенных сегментах рынка.
Например, Искусственный интеллект может анализировать данные о продажах и выявлять, какие товары часто покупаются вместе (формирование покупательской корзины, наиболее частые связки).
Эта информация позволяет выявить перегруженные или незакрытые сегменты в текущем ассортименте, оптимизировать ассортимент, вывести невостребованные позиции и ввести новые, закрывающие потребности целевых покупателей.
Walmart - это крупнейшая сеть супермаркетов, которая использует Искусственный интеллект для анализа потребительских предпочтений и оптимизации ассортимента.
Walmart при принятии решения о вводе или выводе товаров из матрицы анализирует данные о продажах, учитывая отзывы клиентов. Так компания адаптирует свой ассортимент под потребности своих целевых покупателей и предлагает им наиболее актуальные и востребованные товары.
А это, в свою очередь, увеличивает выручку, прибыль сети и повышает уровень удовлетворенности клиентов. Не случайно сеть так популярна!
Zalando – торговая сеть модной одежды, который использует AI Искусственный интеллект для оптимизации ассортимента. Компания анализирует данные о трендах и предпочтениях клиентов.
Zalando применяет алгоритмы машинного обучения для прогнозирования, какие товары будут наиболее популярны в ближайшие сезоны. Это позволяет компании предлагать своим целевым покупателям наиболее интересные коллекции и актуальные товары.
Другой пример, рекомендательные системы, которые работают уже почти в каждом интернет-магазине.
Они на основе действий и выбора покупателя рекомендуют ему:
А. Товары, которые чаще всего хвалят и покупают с выбранным им товаром.
Б. Наиболее подходящие для него товары с учетом истории его покупок.
В каждом отдельном случае действует специально прописанный алгоритм машинного обучения, отражающий задачи, которые необходимо решить при формировании рекомендации.
Так, при необходимости может быть настроен алгоритм Искусственного интеллекта, содержащий одно или нескольких условий:
Наличие определенного остатка по товару;
Товар, имеющий низкие продажи и спрос;
Товар, имеющие высокие просмотры и высокие продажи;
Товар является новинкой.
Все зависит от цели компании, продающей товары!
А покупатель даже не будет об этом догадываться.
В тоже время, обработка больших массивов данных и использование машинного обучения позволяет:
формировать рейтинги и антирейтинги по разным показателям,
сегментировать товары покупателей,
строить прогноз спроса на товары,
выявлять разные характеристики товара, которые положительно / негативно влияют на продажи.
Еще один пример, Zara – испанская торговая сеть модной одежды, которая применяет Искусственный интеллект для прогнозирования спроса на свои коллекции. Zara анализирует данные о продажах, предпочтениях клиентов и трендах в моде, чтобы спрогнозировать, какие товары будут наиболее востребованы в следующем сезоне. Это позволяет компании быстро реагировать на изменения в потребительских предпочтениях и адаптировать свои коллекции под запросы покупателей.
2. Роботизированная автоматизация процессов
Настройка системы таким образом, чтобы категорийные менеджеры могли в одно месте получать все необходимые данные, не тратя часы на сбор и обработку данных: одним нажатием кнопки, выгружать нужные им данные в виде готового отчета.
Эти примеры показывают, как Искусственный интеллект помогает компаниям в процессе оптимизации ассортимента, принимать более обоснованные решения и повышать эффективность совершаемых операций.
3. Нейросети
Нейросети помогают прорабатывать дерево принятия решения в категорийном менеджменте покупателей и выявлять сегменты, которые были не закрыты на текущий момент. Возможно, что эти сегменты не закрыты и у конкурентов. Тогда при закрытии выявленного сегмента привлекательность компании существенно возрастает. Главное, нужно аккуратно вводить новые сегменты по принципу стратегии «Создатель желания» (быстро вводим наиболее популярные позиции на рынке, закрывая только основные потребности. Если товар привлек внимание покупателей и вызвал интерес, начинаем постепенно расширять ассортимент в рамках дерева принятия решения в категорийном менеджменте).
Стоит особо отменить, что любая информация, полученная от нейросетей, требует дополнительной обработки и анализа. Но в любом случае, использование Искусственного интеллекта в работе с такого рода задачами существенно ускоряет процесс и повышает качество их выполнения.
Ценообразование – важный, второй по значимости в категорийном менеджменте, блок.
И это не случайно. В условиях цифровизации и развития Искусственного интеллекта, покупателям становится все проще отслеживать цены у разных компаний, принимая решение в пользу компаний, предлагающих самых привлекательные цены. При этом означает ли это, что для выживания надо на все снижать цены?
Нет!
Есть определенные товары, на которые, действительно придется снижать цены и, возможно, даже продавать что-то в минус. Но таких товаров должно быть настолько мало, чтоб они не могли принципиально повлиять на доходность компании.
При этом как же быть?
Как оставаться в рынке, предлагать покупателю привлекательные цены и при этом зарабатывать?
Ответ прост. И здесь нам поможет Искусственный интеллект.
Как?
Когда мы говорим об использовании Искусственного интеллекта в ценообразовании, первое, что приходит на ум – это, конечно, дифференцированное ценообразование.
Теперь AI Искусственный интеллект позволяет обрабатывать большие объемы данных, учитывая разные факторы при прогнозировании эффекта от изменения цен. При этом все происходит достаточно быстро.
ИИ помогает анализировать поведение как покупателей, так и конкурентов в режиме реального времени, что позволяет разрабатывать новые, более эффективные стратегии для повышения уровня удовлетворенности покупателей. Это, в свою очередь, отражается на росте прибыльности компании.
Итак, какие технологии Искусственного интеллекта здесь участвуют?
1. Машинное обучение (на основе обработки Big Data) к стратегиям ценообразования
В случае с дифференцированным ценообразованием алгоритмы обучаются на размеченном наборе данных. Это позволяет системе научиться делать прогноз о влиянии цены на продажи, выручку или прибыль. С одной стороны, можно проводить оптимизацию алгоритма Искусственного интеллекта для достижения целей бизнеса. С другой стороны, алгоритм сам постоянно обучается на основе новых данных.
Этот подход позволяет автоматически учесть влияющие факторы: внутренние (базовые характеристики, текущая цена, рекомендуемая розничная цена, сезонность, бренд, цвет, размер, срок годности, товарные запасы, целевые даты продаж и др.) и внешние: данные конкурентов (цены товаров, цена доставки, присутствие на маркетплейсах, наличие / отсутствие на складе, география, рейтинги, отзывы), временные (дни недели, праздники), погодные и сезонные факторы, региональные тенденции.
Так, динамическое ценообразование позволяет обрабатывать огромные объемы данных, которые не в состоянии обработать человек. В результате, компания снижает цены на товары KVI и увеличивает свою доходность за счет увеличения цен на те товар, по которым для покупателя первая цена не является принципиально важной при принятии решения о покупке. В итоге, растет не только лояльность покупателей, но и доходность компании.
2. Роботизированная автоматизация процессов
Настройка системы таким образом, чтобы категорийные менеджеры могли в одно месте получать все необходимые данные, не тратя часы на сбор и обработку данных: одним нажатием кнопки, выгружать нужные им данные в виде готового отчета.
Эти примеры показывают, как Искусственный интеллект помогает компаниям выстроить систему оптимизации процессов ценообразования и интеграции данных, принимать более обоснованные решения и повышать эффективность совершаемых действий.
Маркетинг и маркетинговые кампании – важная часть работы с ассортиментом в рамках категорийного менеджмента. Современный покупатель ожидает от любой торговой компании различные предложения маркетингового характера. Поэтому для формирования лояльности покупателей недостаточно просто установки ежемесячных скидок на товары. Требуются использование более сложных механик, которые позволят работать с уровнем удовлетворенности покупателей и мотивировать их возвращаться в компанию за повторными покупками. В то же время, маркетинговые кампании должны быть максимально эффективными. Чтобы найти баланс между этими двумя противоречащими друг другу задачами целесообразно использовать технологии Искусственного интеллекта:
1. Машинное обучение (на основе обработки Big Data)
ИИ помогает анализировать данные о продажах и выявлять, какие товары часто покупаются вместе (формирование покупательской корзины, наиболее частые связки).
Эта информация активно используется для более эффективного проведения акций, в том числе используя кросс-продажи, что увеличивает средний чек и улучшает клиентский опыт.
Кроме того, торговыми компаниями активно внедряются виртуальные помощники. С чем это связано? Они помогают покупателю существенно сократить время ожидания ответа от службы поддержки. При этом внедрение ИИ в бизнес помогает компании снизить расходы на операторов – на 30%. Чат-боты отвечают на типовые вопросы клиентов, информируют их о статусе заказа и делают персональные предложения.
2. Обработка естественного языка
Анализ отзывов и комментариев покупателей и клиентов позволяет выявлять проблемы и провести оптимизацию ассортимента товаров учетом запросов покупателей.
ИИ активно применяется для разработки персональных предложений для клиентов, в том числе для персонализации ассортимента.
Искусственный интеллект анализирует историю поиска клиента по товарам, выявляет его интересы и предпочтения. Это позволяет снизить отток покупателей за счет регулярных персонализированных коммуникаций и индивидуальных предложений.
Sephora - косметическая торговая сеть, которая применяет AI Искусственный интеллект для разработки персонализированного ассортимента.
Система анализирует данные о покупках и предпочтениях клиентов. После этого система готовит индивидуальные рекомендации для каждого клиента.
Это не только улучшает клиентский опыт, но и способствует увеличению продаж, так как клиенты получают предложения, соответствующие их интересам.
3. Роботизированная автоматизация процессов
Настройка системы таким образом, чтобы категорийные менеджеры могли в одно месте получать все необходимые данные, не тратя часы на сбор и обработку данных: одним нажатием кнопки, выгружать нужные им данные в виде готового отчета.
Эти примеры показывают, как Искусственный интеллект помогает фирмам в процессе оптимизации маркетинговой деятельности, принимать более обоснованные решения и повышать эффективность совершаемых операций.
В частности, интеграция чат-ботов и голосовых помощников существенно повышает уровень обслуживания клиентов.
Например, торговая сетью «Л'Этуаль» в 2021 г. запустила виртуального бьюти-эксперта Лола. Бот обслуживает ежемесячно более 22 000 человек. Доля распознавания обращений покупателей - 90%. И самое главное, что 83% клиентов возвращаются к боту с повторными запросами.
4. Компьютерное зрение и технология распознавания изображений
Наиболее яркий пример - видеоаналитика в ритейле на основе нейросетей. Эта технология предоставляет маркетинговую аналитику для изучения предпочтений посетителей магазинов, поведение покупателей, интерес к витринам, время ожидания в очереди. Эта информация помогает разрабатывать и использовать наиболее актуальные маркетинговые инструменты.
Также маркетинговая ИИ-аналитика помогает рассчитывать посещаемость магазина, вычислять наиболее популярные маршруты по магазину и составлять тепловые карты наиболее привлекательных зон.
5. Нейросети
Нейросети используются для поиска новых идей и ускорения процесса подготовки любых маркетинговых материалов.
Так же нейросети успешно применяются при разработке маркетинговой стратегии, разработке механик акций и др.
Например, подготовка Искусственным интеллектом текстов для рассылки, статей на сайт, рекламных предложений, слоганов и др.
Например, разработка механик акций:
Например, торговая сеть «Ашан» с 2022 г. активно использует нейросети в клиентском сервисе, диджитал-маркетинге и в e-commerce для: составления описания и генерации изображений для карточек товаров, создания баннеров для интернет-магазина.
Другой пример, аналогичные инструменты использует «Яндекс.Маркет». С 2023 г. Продавцы генерируют описания товаров с помощью YandexGPT.
Выкладка товара и создание комфортной для покупателя атмосферы в магазине еще одна важная задача категорийного менеджмента.
С одной стороны, привлекательно и понятно выложенный товар существенно влияет на продажи, т.к. мотивирует человека совершить покупку.
С другой стороны, проработка и выкладка товара, создание той самой атмосферы – трудоемкий, долгий и дорогой процесс.
Как же его упростить, ускорить, удешевить и получить максимально лучшее решение?
И снова нам на помощь приходит Искусственный интеллект. Конечно, на первом этапе потребуются дополнительные финансовые инвестиции. Однако, если пересчитать, сколько компания в будущем будет экономить на уходе от ручного труда, все эти инвестиции точно окупятся.
Какие же технологии Искусственного интеллекта можно использовать в мерчандайзинге?
1. Компьютерное зрение и технология распознавания изображений.
Эта технология позволяет распознавать планограммы, продукты и цены на полках.
Как это работает?
Сотрудник фотографирует полку,
Система распознает товары, их наличие, соответствие цен и корректность выкладки,
Система рекомендует корректировки в выкладке в режиме реального времени.
По разным данным применение данной технологии позволяет увеличивать продажи примерно на 1,5%. Отсюда можно просчитать стоимость инвестиций и срок окупаемости.
Другой интересный аспект - видеоаналитика в ритейле на основе нейросетей. Эта технология позволяет учитывать полученную информацию при разработке концепции магазина и выкладки товаров в категориях.
2. Машинное обучение (на основе обработки Big Data)
ИИ помогает анализировать данные о продажах и выявлять, какие товары часто покупаются вместе (формирование покупательской корзины, наиболее частые связки).
Эта информация активно используется при кросс-мерчандайзинге. Это увеличивает средний чек и улучшает клиентский опыт.
Как это работает?
Если мы знаем, какие товары покупатели чаще всего приобретают вместе (например, к пельменям часто дополнительно покупают майонез или соус), то их (майонез, соус) можно выкладывать дополнительно рядом с основным товаром (пельменями) для привлечения внимания покупателей и повышения продаж.
3. Роботизированная автоматизация процессов.
Настройка системы таким образом, чтобы категорийные менеджеры могли в одно месте получать все необходимые данные, не тратя часы на сбор и обработку данных: одним нажатием кнопки, выгружать нужные им данные в виде готового отчета.
Эти примеры показывают, как Искусственный интеллект помогает фирмам выстроить систему оптимизации процессов мерчандайзинга, принимать более обоснованные решения и повышать эффективность совершаемых действий.
Так же при использовании нескольких систем, данные могут интегрироваться с другими бизнес процессами. Это существенно улучшает общую эффективность работы компании и ее сотрудников.
4. Нейросети
Использование нейросетей позволяет разработать различные варианты привлекательных визуальных концепций для торговых пространств.
Если нужного покупателю товара не будет в наличии, то все усилия категорийного менеджера по проработке ассортимента, цен, маркетинга и мерчандайзинга будут сведены на нет.
Именно поэтому точное прогнозирование спроса — это важный аспект для успешного применения категорийного менеджмента.
Эффективное прогнозирование спроса позволяет компаниям не только оптимизировать запасы, но и минимизировать затраты, связанные с наличием излишних и / или дефицитных запасов товаров.
Так, излишки товаров ведут к дополнительным затратам на хранение и обслуживание этого товара. А дефицит может привести к упущенным продажам и снижению уровня удовлетворенности покупателей.
Именно поэтому так важно инвестировать ресурсы компании в автоматизацию закупок и управления запасами. Инновации в закупках – это важно и необходимо для успешного развития бизнеса.
И здесь Искусственный интеллект тоже сможет нам помочь!
Современные технологии Искусственного интеллекта значительно улучшают точность прогнозирования спроса, позволяя компаниям использовать данные более эффективно. Благодаря автоматическим алгоритмам система может отслеживать уровень запасов и прогнозировать, когда и в каком объеме необходимо пополнить запасы, основываясь на данных о продажах и прогнозах спроса.
Какие же применяются технологии Искусственного интеллекта в закупках и управлении товарными запасами?
1. Машинное обучение (на основе обработки Big Data),
Алгоритмы машинного обучения (ML) способны анализировать большие объемы статистических данных и выявлять сложные связи и зависимости, которые могут быть неочевидны при использовании традиционных методов анализа данных в закупках.
Например, алгоритмы могут учитывать множество факторов, таких как сезонность, экономические условия, маркетинговые кампании и даже погодные условия. Это позволяет создавать более точные модели, которые прогнозируют спрос на товары с высокой степенью вероятности.
В зависимости от выбранной стратегии, компания может снижать затраты или повышать уровень обслуживания клиентов. В зависимости от выбранной стратегии будут меняться настройки алгоритмов системы.
Искусственный интеллект позволяет анализировать данные, собранные за определенный период времени, выявляя тренды и сезонные колебания. Это особенно важно для товаров, спрос на которые зависит от времени года или других циклических факторов. Это позволяет создавать гибкие и точные модели, которые могут быстро адаптироваться к изменениям.
Пример 1. Coca-Cola использует алгоритмы машинного обучения для прогнозирования спроса на свои напитки в различных регионах. Coca-Cola анализирует данные о продажах, погоде и событиях, чтобы спрогнозировать, в каком объеме продукция потребуется в каждом конкретном магазине. Это позволяет существенно оптимизировать запасы и снизить затраты на логистику.
Пример 2. Target - американская сеть супермаркетов, которая использует Искусственный интеллект для прогнозирования спроса на товары в зависимости от времени года и местоположения магазина. Это позволяет существенно оптимизировать запасы и улучшить клиентский опыт.
2. Роботизированная автоматизация процессов
Настройка системы таким образом, чтобы категорийные менеджеры могли в одно месте получать все необходимые данные, не тратя часы на сбор и обработку данных: одним нажатием кнопки, выгружать нужные им данные в виде готового отчета.
Эти примеры показывают, как Искусственный интеллект помогает фирмам в процессе оптимизации товарных запасов компании, принимать более обоснованные решения и повышать эффективность работы
При использовании нескольких систем, данные могут интегрироваться с другими бизнес процессами. Это существенно улучшает общую эффективность работы компании и ее сотрудников.
В первой части статьи мы с вами обсуждали, скорее, преимущества и выгоды, которые компания получает от использования категорийного менеджмента и технологий искусственного интеллекта.
В то же время, нужно понимать, что у каждой монеты есть обратная сторона. Поэтому в этом блоке рассмотрим основные проблемы и ограничения использования этих инструментов:
Долго. Внедрение категорийного менеджмента и технологий искусственного интеллекта требует времени. За неделю подобные инструменты не внедряются, поэтому при запуске нового проекта это важно учитывать и не ждать моментального эффекта.
Дорого. Внедрение категорийного менеджмента и технологий искусственного интеллекта требует существенных инвестиций. Это затраты на людей (привлечение дорогостоящих специалистов), технологии, обучение сотрудников. Поэтому при планировании подобных проектов важно заранее все детально просчитать и учесть все возможные затраты, чтобы в процессе реализации проекта не возникла ситуация, когда деньги закончились и проект оказался незавершенным (кстати, частая история!).
Недостаточный уровень цифровизации в компании. Многие компании не обладают достаточным количеством ресурсов для обработки и анализа больших объемов данных. Это могут быть:
устаревшие системы,
недостаточные мощности,
отсутствие интеграции данных между различными платформами.
Нехватка квалифицированных специалистов. Внедрение искусственного интеллекта требует не только технических знаний, но и понимания бизнес процессов. Компании часто сталкиваются с проблемой поиска и удержания специалистов, способных разрабатывать и внедрять AI-решения. Это ведет к тому, что проекты по внедрению Искусственного интеллекта затягиваются или в итоге, не решают поставленных задач.
Из моего личного опыта, при внедрении технологий по автоматизации процессов столкнулись с проблемой низкого уровня квалификации сотрудников ИТ отдела. В результате, как руководитель, заинтересованный в реализации и успешном завершении проекта, мне пришлось лично за ИТ специалистов погружаться в технические задания, их корректировать и согласовывать. В результате проект реализован успешно, но какими усилиями!
Сопротивление изменениям со стороны сотрудников. Оно может существенно замедлить процесс внедрения новых технологий. Многие сотрудники боятся, что Искусственный интеллект заменит их на рабочем месте, поэтому так важно создавать корпоративную культуру, поддерживающую инновации и обучение.
Необходимость перестройки существующих бизнес процессов. Это требует одновременно много времени, это дорого. При этом сотрудники должны быть готовы к переменам, содействовать, а не противостоять данным изменениям.
Внедрение Искусственного интеллекта предполагает предоставление доступа к информации, в том числе персональной.
Это может вызвать негатив и опасения у клиентов. Неправильное использование данных или их утечка будут иметь серьезные последствия для компании, в том числе финансовые и репутационные.
Искусственный интеллект может на основе не верной интерпретации данных сделать неверный вывод. Поэтому следует проверять результаты, предоставляемые Искусственным интеллектом. И в случае необходимости дорабатывать алгоритмы и настройки.
Для того, чтоб эффективно внедрять в компании категорийный менеджмент и искусственный интеллект важно:
Инвестировать ресурсы в современные информационные технологии. Да, это долго и дорого. Но эти инвестиции окупаются и позволяют компании выйти на новый уровень. Успешная компания не может «считать на счетах». Сейчас минимально необходимым условием для развития любой компании является наличие системы, позволяющей быстро и качественно обрабатывать, и анализировать большие объемы данных.
Обучать сотрудников. Корпоративное обучение позволит:
повысить уровень навыков сотрудников (как в области категорийного менеджмента, так и в вопросах цифровизации, технологий искусственного интеллекта);
усилить командную работу категорийных менеджеров;
снизить страх перед новыми технологиями.
Создавать корпоративную культуру, поощряющую инновации и новые идеи. К примеру, это может быть создание межфункциональных команд по реализации различных проектов, в частности, по внедрению технологий Искусственного интеллекта. Так сотрудники разных отделов будут сотрудничать в процессе оптимизации работы и достижения общей цели. Так же важно давать возможность сотрудникам озвучивать и реализовывать свои идеи и предложения, если они выгодны для компании.
Тестирование. Перед началом использования в рабочей базе новых инструментов и технологий Искусственного интеллекта, важно в демо версии проводить тестирование алгоритмов. Это помогает выявлять возможные ошибки и отклонения в работе прописанного алгоритма. Из моего личного опыта, при тестировании почти всегда выявляется несоответствие реализованного инструмента первоначальной идее и тех. заданию. Поэтому лучше потратить время, все протестировать, пройти путь «от начала до конца» и только после этого начинать использовать продукт в рабочей версии системы.
Безусловно, использование инструментов управления категорийным менеджментом и искусственного интеллекта требует значительных усилий и финансовых вложений. Но важно понимать, что сейчас ведение бизнеса «на счетах» уже не получится. Важно следовать тенденциям рынка, учитывать потребность покупателей и возможности конкурентов.
Но прежде, чем внедрять технологии Искусственного интеллекта или запускать новый проект в этой области:
Важно четко определить, какие цели и задачи вы планируете достичь,
Назначить ответственных лиц,
Просчитать инвестиции,
Оценить риски,
Спланировать сроки реализации проекта.
Поэтому перемены нужны, но для грамотного использования новых возможностей и технологий необходимо правильно спланировать и рассчитать процесс их внедрения. Именно тогда они дадут максимальную отдачу для компаний.
Безусловно, интеграция инструментов управления категорийным менеджментом и технологий искусственного интеллекта будет только усиливаться. Что же нас ждет в ближайшем будущем?
Одним из ключевых трендов ближайших лет станет усиление персонализации предложений. Искусственный интеллект будет анализировать данные о поведении клиентов, их предпочтениях и покупательских привычках. И на основании этого предлагать персонализированные предложения. Этот инструмент позволяет повысить уровень удовлетворенности покупателей, увеличить конверсию и, как следствие, выручку и прибыль компании.
Также продолжится тренд по использованию аналитики для прогнозирования спроса, изменений в рыночной среде, покупательском поведении и др. Используя эти инструменты компании смогут быстрее адаптироваться к любым изменениям рынка.
Продолжится и даже усилится тренд по автоматизации процессов категорийного менеджмента. Искусственный интеллект сможет обрабатывать данные, давать рекомендации, принимать решения на основе полученных выводов и найденных инсайтов. Это позволит компаниям сократить время на процесс принятия решений, снизить вероятность ошибок, связанных с человеческим фактором, высвободить время категорийных менеджеров на решение стратегических задач.
Все более активно будут использоваться технологии Искусственного интеллекта для улучшения взаимодействия с клиентами. Чат-боты и виртуальные помощники, в основе которых технологии Искусственного интеллекта, будут взаимодействовать с покупателями, предлагать им персонализированные предложения, давать рекомендации и оказывать поддержку в режиме реального времени. Эти инструменты так же позволят улучшить клиентский опыт, сократят расходы на выполнение маркетологами рутинных задач, позволят сотрудникам сконцентрироваться на выполнении стратегических задач.
Сохранится тренд по использованию Искусственного интеллекта в процессе управлении запасами. Системы, основанные на технологиях Искусственного интеллекта, будут прогнозировать потребность в запасах с достаточно высокой точностью. Это позволит компаниям избежать дефицита товара (а значит и потери продаж), не допустить возникновения излишков и неликвидов товаров (а значит, увеличения затрат на доставку, хранение и обслуживание этого товара).
Категорийный менеджмент с использованием технологий Искусственного интеллекта в ближайшем будущем будет активно развиваться за счет появления новых возможностей и поиска точек роста за счет более быстрой и качественной обработки различных видов информации и больших объемов данных.
Большой объем информации, более высокая скорость принятия решений, автоматизация процессов позволят компаниям быстрее реагировать на изменения покупательских предпочтений, новые тенденции и тренды, адаптироваться под конкурентов и отстраиваться от них.
Теперь внедрение Искусственного интеллекта — это уже не просто тренд. Это необходимость для любой компаний, ориентированной на рост и развитие.
Искусственный интеллект кардинально меняет подход использованию инструментов категорийного менеджмента. Он дает новые возможности и перспективы. Как мы обсудили ранее, ИИ для бизнеса позволяет анализировать большие объемы данных за короткий период времени, прогнозировать спрос, сокращать издержки, проводить оптимизацию товарного ассортимента, принимать более обоснованные и взвешенные решения, повышать эффективность выкладки и маркетинговых кампаний, автоматизировать процессы, улучшать покупательский опыт взаимодействия с компанией и др. Теперь технологии Искусственного интеллекта становятся неотъемлемой частью компаний, ориентированных на рост и развитие.
Важно помнить, что внедрение Искусственного интеллекта — это долгосрочная стратегия.
Технологии недостаточно один раз внедрить и использовать в работе.
После внедрения новых технологий требуется постоянное обучение сотрудников, обновление и совершенствование технологий с учетом трендов и тенденций рынка, возможностей Искусственного интеллекта.
Внедрение новых технологий — это теперь не просто тренд. Это необходимость для успешного ведения бизнеса. Компании, ориентированные на развитие, следуют трендам рынка, что невозможно без современных технологий Искусственного интеллекта.
И все же?
Способен ли искусственный интеллект заменить категорийного менеджера?
Мое мнение – нет!
А что думаете вы?
Больше контента о категорийном менеджменте, маркетинге и закупках на моем Telegram-канале