Искусственный интеллект стал значить для ритейлеров больше, чем просто чат-боты и системы рекомендаций. Искусственный интеллект нашел свое место в качестве важнейшего инструмента, особенно для компаний, управляющих сетью магазинов. Это, безусловно, относится к Puma и PVH Corp., которые стали полагаться на эту технологию в критические месяцы пандемии коронавируса.
Кэти Дарлинг, вице-президент Puma по мерчандайзингу, и Кейт Надольный, старший вице-президент по бизнес-стратегии и инновациям PVH, рассказали о том, как их компании использовали искусственный интеллект для улучшения прогнозирования и мерчандайзинга в течение сложного года, который, как никто другой, повлиял на розничную торговлю. Надольный объяснил ведущему Прашанту Агравалу из Impact Analytics, что, когда PVH Corp.
Пару лет назад начала свой путь с прогнозирования с помощью искусственного интеллекта, компания не была полностью уверена в том, что это повлечет за собой. “Мы определили очевидную необходимость и возможность для нас быть более разумными в том, как мы составляем наши прогнозы”, — сказала она. “Но мы не были до конца уверены в том, какие инструменты и возможности нам нужны”.
Являясь материнской компанией Van Heusen, Tommy Hilfiger, Calvin Klein, Izod, Джеффри Бина и многих других, PVH имела больший вес, чем сеть магазинов под одним брендом. Мы имели дело с мультибрендовым портфолио, с разными целевыми клиентами и местоположениями, что создавало дополнительный уровень сложности.
Но это именно та задача, с которой ИИ сталкивается лицом к лицу. Сначала компания планировала провести мозговой штурм с техническими партнерами по таким вопросам, как ассортимент и распределение, но COVID-19 быстро изменил приоритеты. Внезапно, по словам Надольного, PVH осознала, что ей необходимо быстро принимать решения, поскольку в ее магазинах действовали разные правила, которые означали, что некоторые магазины закрывались, в то время как другие оставались открытыми или менялись в зависимости от уровня заражения. Тем временем правила розничной торговли переписывались по мере того, как менялось поведение потребителей.
Это был период, когда магазины осваивали возможность покупки у обочин, а ритейлеры, которые никогда раньше не предлагали покупки по предварительной записи, внезапно бросились соответствовать новым ожиданиям покупателей. И такие услуги могут работать не одинаково хорошо во всех областях, особенно в регионах, сильно пострадавших от экономического спада, или, возможно, лучше всего подходят для определенных категорий товаров или сегментов покупателей, которые могут варьироваться в зависимости от магазина.
Надольный объяснил, что, зная, куда и как перемещать запасы или изменять цены в режиме реального времени, искусственный интеллект просто быстрее обрабатывает данные и извлекает информацию, чем люди. Дарлинг согласился. В Puma она обнаружила, что тщательное планирование, вплоть до уровня магазина, через несколько дверей невозможно без искусственного интеллекта. Кроме того, “это позволяет находить закономерности, которые вы не ищете”, — пояснила она, особенно по сравнению с тем, как люди копаются в электронных таблицах. Это не только медленнее, но и менее эффективно при выявлении важных моментов. Если какой-то товар распродается, какой следующий по популярности товар на складе может восполнить этот пробел? Если какой-то товар работает хорошо, но на самом деле продажи растут из-за меньших размеров в данном конкретном стиле или в складском подразделении, может ли сотрудник точно определить это? В обычный год такие вопросы указывали бы на упущенные возможности, но в 2020 году эти знания могут повлиять на выживание. “Идея использования искусственного интеллекта для того, чтобы помочь нам принимать более разумные решения, будь то на уровне категорий, коллекций или даже размеров, действительно важна”, — сказал Дарлинг.
Но прежде чем ИИ сможет быть по—настоящему полезен в розничной торговле — или в любой другой сфере, — необходимо создать фундаментальные основы. Надольный отметил, что инициативы в области ИИ должны начинаться с надежных данных, что было одной из самых серьезных проблем PVH на раннем этапе. “Как говорится, ”Мусор на входе, мусор на выходе», — сказала она. “Итак, как вы можете убедиться, что ваши данные верны? Что атрибуты верны, что информация, которой мы располагаем, верна и согласована? Таким образом, хотя у нас есть довольно много данных, которые очень и очень полезны для нас, они не всегда находятся в одном и том же месте, в одной и той же структуре, в одном и том же формате. “По мере того, как мы начинаем продвигаться к более эффективному использованию этих типов инструментов, мы тратим много времени, уделяя особое внимание четкости управления данными и их структуре, чтобы мы могли использовать эту информацию надлежащим образом в инструменте”, — добавила она.
Надольный отметил, что человеческий фактор также остается важным, поскольку персонал должен пройти соответствующую подготовку о том, как наилучшим образом использовать инструменты для бизнеса. Этот процесс может стать сложной задачей для людей, признал Надольный.
Это может даже ощущаться как потеря контроля, но в идеале они увидят и оценят технологию по достоинству. “Машина действительно может быстрее обучаться и адаптироваться к происходящему в пространстве — в большей степени, чем наш набор инструментов на базе Excel, который у нас есть сегодня”, — сказала она.
