ИИ помог «Верному» повысить точность прогнозирования промоакций

Сеть супермаркетов «Верный» повысила точность прогнозирования эффекта промоакций в 1,5 раза, внедрив систему GoodsForecast.Promo. Система с помощью технологий machine learning самостоятельно анализирует ключевые параметры предыдущих промоакций и прогнозирует результаты будущих. Исходные данные для прогнозирования загружаются в нее автоматически.

«Наша сеть проводит промоакции еженедельно, в них участвует 500–600 товаров, — рассказывает Денис Вечканов, заместитель генерального директора по коммерции и маркетингу сети супермаркетов «Верный». — И число таких акций постоянно растет — мы всегда готовы радовать наших покупателей интересными предложениями и бонусами».

До внедрения системы GoodsForecast.Promo специалисты сети «Верный» прогнозировали эффекты промоакций на уровне филиалов сети. Новый инструмент позволяет строить прогнозы уже на уровне магазинов, что позволяет избежать избыточности или, наоборот, недостаточности акционных товаров в конкретных торговых точках. «Ключевыми параметрами, которые учитываются для эффективного прогнозирования результатов промо, являются: товар и его категория, механика и период проведения акции, глубина скидки, — говорит Кирилл Черников, руководитель проектов компании GoodsForecast (компания-разработчик системы). — Помимо них, учитываются и другие свойства промоактивностей, например, сезонные коэффициенты для отдельных товаров и восстановление спроса в дефицитных акциях-аналогах. Для формирования максимально точного прогноза система учитывает данные по схожим и аналогичным акциям, которые проходили в сети в течение последних двух лет».

Внедрение GoodsForecast.Promo в сети «Верный» началось в октябре 2018 года и заняло около 9 месяцев. В итоге сети удалось значительно сократить товарные остатки после проведения промо в каждом из своих магазинов, не создавая при этом дефицита товара. Показатель абсолютной ошибки прогноза эффекта промоакций снизился в 1,5 раза. При этом время работы персонала компании, задействованного в прогнозировании товарных остатков, сократилось, что позволило перейти к детальному анализу конкретных прогнозов, на которые требуется обратить внимание. Основой системы являются база данных под управлением Microsoft SQL Server, а также интегрированные в БД самообучающиеся модели прогнозирования, реализованные на языке R. Бизнес-пользователи системы работают в удобном web-интерфейсе, стилизованном в корпоративном стиле торговой сети. Сейчас компания GoodsForecast совместно со специалистами сети «Верный» развивает функциональность системы и интерфейса. «Мы совершенствуем систему в первую очередь с точки зрения эргономичности и прозрачности для пользователей, — говорит Кирилл Черников. — Но также стараемся расширять ее функционал с помощью учета дополнительных параметров при прогнозировании, таких как ценовые сегменты похожих товаров, наличие дополнительных мест выкладки в магазинах, перетекание спроса на товары в конкретной акции и смежных промоактивностях».