Про прогнозирование промо

520

Периодически приходят новости о том, что ритейлеры пытаются использовать в своей работе искусственный интеллект и «большие данные», в т.ч. чтобы спрогнозировать результаты промо.

Так в магазинах группы «М.Видео-Эльдорадо «черную пятницу» спланировал и спрогнозировал искусственный интеллект, которому «скормили» для обработки данные о потребителях, покупавших товары во время различных акций компании в последние годы. Также была использована информация о взаимодействии клиентов с ритейлером и их предпочтениях в отношении цен и скидок. Полученные результаты были использованы в разработке стратегии для распродажи – были определены «нужные» категории, скидки и цены.

Или вот еще похожий пример в розничной сети «Пятерочка» тоже тестируют решение для промо. Суть в следующем - система автоматически подбирает предложения, наиболее актуальные для покупателей, на основе обезличенных данных о прошедших акциях. Проводя анализ и тестирование на контрольных группах, определяются наиболее прибыльные типы промо и коммуникации.

Я уже не раз высказывался об использовании «больших данных». Это нужный, востребованный и важный инструмент, но пользоваться им необходимо с учетом, прежде всего, глобально стратегии сети.

Стратегия сети определяет с какими основными покупательскими сегментами она должна работать, т.к нельзя «удовлетворить всех» покупателей. И именно стратегия сети определяет, какими должны быть категории и какие категории нужно продвигать, а какие нет. А это означает, что определение,  в каких категориях нужно делать то или иное промо, а в каких нет, зависит от стратегии.

Когда-нибудь «искусственный интеллект», может быть, и будет сам автоматически корректировать стратегию и сам определять нужные покупательские сегменты, но сегодня, пока еще, это входит в функционал человека.

Какое промо проводить (тип и механика, ценовая политика, конкретные СКЮ) – все это зависит от очень многих вещей. Здесь есть свои законы и закономерности - важны ширина и глубина конкретной категории, конкурентная ситуация на рынке, с учетом конкуренции сетей, их брендов, позиций отдельных СКЮ и отдельных брендов производителей, тарифной политики сетей и производителей, рекламных активностей конкурентов и многого другого. А опыт предыдущих промо – это следствие ситуации, которая была в момент проведения предыдущего промо.

 Изменения в ритейле происходят очень быстро и просто анализировать предыдущие промо без учета ситуации на тот период – не очень правильная затея. Изучая «неполное» прошлое и строя на этом «прошлом» определенные прогнозы, можно запросто нарваться на «черного лебедя», а то и на целую стаю «черных лебедей».

Я вот прекрасно помню свой скептический пост, который написал несколько лет назад о том, что Яндекс и Пятерочка сотрудничают в области предсказания промо и достигли фантастических результатов.  Однако больше новостей на тему такого эффективного сотрудничества я не слышал и почему-то не удивлен этим.

Большие данные и искусственный интеллект можно и необходимо применять в ритейле. И прогнозировать эффективность и прибыльность промо с помощью больших данных и ИИ тоже можно и нужно. И результаты будут хорошими и позволят более эффективно проводить промо. Это не так просто, но можно сделать. Только для этого нужны другие подходы – необходимо анализировать причины, а не следствия (коими являются результаты предыдущих промо) плюс эффективно работать с настоящим, и вот тогда, можно будет предсказывать будущее.

Сегодня уже все понимают, что бессмысленно предсказывать погоду исходя из температуры в прошлом году. А в ритейле некоторые компании почему-то все равно пытаются это сделать.