Как обеспечить рост товарооборота от 1% за счет управления сигналами OSA

Если на полках нет ходовых позиций товара, то объем продаж закономерно падает, и это не зависит ни от качества продукции, ни от ее характеристик. Возникает катастрофическая ситуация: есть спрос, но нет предложения, и чем больше торговая сеть, тем сложнее контролировать не только процессы своевременной закупки товара, но и его корректного размещения в торговом зале. Средства заморожены, растут потери на списание, а неудовлетворенные клиенты уходят к конкурентам, которые зачастую находятся в соседнем помещении.

Доступность товаров на полке (OSA) — гарантия эффективного и комфортного взаимодействия всех участников процесса торговли: поставщика (производителя), ритейлера и покупателя. От своевременной и грамотной выкладки товаров напрямую зависит выручка магазина, а правильно организованный процесс отработки сигналов OSA позволяет спланировать нагрузку на персонал торговой точки.

В результате таких плановых проверок торговая сеть получает уставших сотрудников, на которых с завидной периодичностью сваливается огромный объем работы — проверки требуют сотни или тысячи SKU, снижается доступность товаров и падает РТО (по статистике каждые 2% снижения доступности уменьшают РТО на 1%), бонусом формируются неоптимальные товарные запасы.

Процесс в целом отнимает много времени, требует вовлеченности большого числа сотрудников для формирования списков, проверки, анализа результатов и устранения проблем.

Компания Imredi разработала продукт Imredi OSA, который позволяет автоматизировать работу с сигналами отсутствия товаров на полке и максимально упростить процесс.

Важную роль играют заинтересованность и активное участие команды ритейлера при внедрении продукта: центрального офиса — при формировании оптимальных сценариев работы и линейного персонала — в планомерной работе с приложением и оперативной обратной связи для повышения эффективности. Ключевое значение имеет выстраивание бизнес-процесса таким образом, чтобы снизить нагрузку на линейных сотрудников, мотивировать и упростить работу в магазине. Также опыт работы с Imredi OSA показывает, что персонал торговой точки привыкает к такому процессу отработки списков товаров без продаж и начинает попутно корректировать выкладку по такому же алгоритму даже тех позиций, которые не попали в текущий список проверки.

Чтобы сразу получить не только качественный эффект, но и ощутимые количественные результаты и окупить цифрового помощника Imredi OSA, компания разработала авторский подход к адаптации сотрудников ритейлера и сценарий внедрения решения. Полная вовлеченность, личное посещение магазинов специалистами Imredi и совместная отработка сигналов OSA с сотрудниками торговых точек позволяют внести индивидуальные корректировки в ML-модели и процессы работы.

Наличие мобильного приложения Imredi позволяет отрабатывать сигналы максимально оперативно. Большинство аналогичных решений, имеющихся на ИТ-рынке, не предоставляют такую возможность, что снижает оперативность отработки сигналов и усложняет процесс работы для сотрудников в торговой точке.

Большую роль в достижении результатов играет слаженная работа команд — вовлеченность рабочих групп как на стороне Imredi, так и со стороны ритейлера. Высокая мотивация помогает получить ощутимые результаты от любого цифрового решения.

Автоматизация процесса отработки сигналов OSA с помощью продукта Imredi OSA позволяет выстроить интеллектуальный сценарий формирования списка товаров. К примеру, нет смысла проверять спички даже если они не продаются, а вот стейк за тысячу рублей требует внимания. Если он испортится на складе сеть будет нести серьезные потери. ML-модели отбирают самые важные по заданным параметрам сигналы, сортируют их и направляют в магазины. Физические возможности персонала ограничены, максимум, который можно задать для проверки — 60−80 SKU, поэтому очень важно выбрать из огромного ассортимента именно те позиции, корректировка выкладки которых позволит повысить продажи. Преимущество продукта Imredi OSA — в удобном интерфейсе (сотрудникам легко работать в приложении), быстрой обучаемости модели под задачи ритейлера.

При адаптации моделей проводится кластерный анализ. Это делается для того, чтобы внутри важных категорий для каждого сегмента ритейла было предложено лучшее решение ML-алгоритмами. Такие подходы используются в продуктовом, географическом и временном срезах аналитик. Учет нескольких десятков драйверов и фичей прогноза качественно изменяет результат. Ведь, например, ремонт дороги, открытие нового транспортного узла, локальные спортивные мероприятия, годовая миграция населения или изменение конкурентного окружения могут значительно изменить трафик в точке. Технологии на основе ML в Imredi OSA формируют сигналы, отслеживая влияние тех факторов, которые проанализировать вручную или с помощью классических аналитик невозможно.

Помимо очевидных результатов от внедрения продукта в одном из кейсов среди ритейлеров, использующих это решение, был выявлен интересный дополнительный эффект. Бывают ситуации, когда цена на кассе не соответствует промоценнику на витрине (его не успели заменить), и товар, естественно, пробивается по сниженной стоимости. Ритейлер замерил такие продажи до внедрения Imredi OSA и уже в период использования ПО. Еженедельная разница составляет порядка 3 млн рублей из-за того, что система вовремя подавала сигнал о замене промоценников на регулярные. Экономический эффект для каждого ритейлера рассчитывается индивидуально и будет зависеть от масштабов сети и других факторов.

Контроль доступности товаров на полке с помощью Imredi OSA — процесс, который легко осуществлять на регулярной основе в каждой торговой сети. Применение технологий искусственного интеллекта можно сравнить с «профилактикой здоровья» магазинов: оно дает ощутимый рост качества розничной сети и финансовых результатов за счет удобной и функциональной организации работы.