03. 10. 2024

Dlaczego sprzedaż historyczna nie wystarcza do prognozowania jakości i zamówień?

Czy słyszeli Państwo kiedyś twierdzenie, że do dokładnego prognozowania wystarczy dostarczyć dane historyczne dotyczące sprzedaży, a sztuczna inteligencja zajmie się resztą? Jeśli tak, to proszę uważać.

Prognozowanie i zamówienia w Quant

Tak, analiza historycznych wzorców sprzedaży i zakupów ma fundamentalne znaczenie, a uczenie maszynowe znacznie poprawiło wydajność tradycyjnych algorytmów w ostatnich latach, umożliwiając dokładniejsze szacunki w krótszym czasie.

Jednak sama znajomość historii sprzedaży nie wystarczy.

Sztuczna inteligencja przynosi znaczące korzyści w świecie handlu detalicznego, ale bez połączenia ze szczegółowymi danymi prognozy nie będą wystarczająco dokładne. Przyjrzyjmy się konkretnemu przykładowi, aby pokazać, dlaczego konieczne jest uwzględnienie czegoś więcej niż tylko historycznej sprzedaży.

Czynniki wpływające na prognozy popytu

Proszę wyobrazić sobie następującą sytuację: sztuczna inteligencja analizuje produkt, który nie sprzedawał się przez wiele tygodni, ale w ciągu ostatnich kilku dni odnotował znaczny wzrost sprzedaży, a teraz ustabilizował się na wyższym poziomie.

Prognozowanie popytu

Jaka powinna być prawidłowa prognoza przyszłej sprzedaży, którą, mamy nadzieję, zapewni SI?

Prawidłowa odpowiedź nie jest jednoznaczna, ponieważ oprócz historycznej sprzedaży istnieją inne czynniki, które wpływają na prognozę. Rozważmy kilka przykładów:

1. Niewystarczające zapasy

  • Sprzedaż może pozostać na wyższym poziomie, jeśli produkt nie był wcześniej sprzedawany tylko dlatego, że nie było go w magazynie, a teraz jesteśmy w stanie uzupełnić go w wystarczających ilościach w sklepie.

Niewystarczające zapasy

2. Wydarzenie rabatowe

  • Sprzedaż może spaść do pierwotnego poziomu, jeśli wydarzenie rabatowe, które zwiększyło popyt, zakończy się i nie oczekuje się podobnej wysokiej sprzedaży do następnego wydarzenia.

Wydarzenie rabatowe

3. Promocje sezonowe - w tym samym okresie

  • Sprzedaż może spaść, ale powróci do wysokiego poziomu za rok, na przykład jeśli jest to produkt taki jak przybory szkolne, które rodzice kupują w ostatnim tygodniu wakacji.

Promocje sezonowe

4. Promocje sezonowe - cykliczność inna niż roczna

  • Być może sprzedaż ponownie wzrośnie, ale nie za rok, jeśli na przykład jest to produkt, który tradycyjnie sprzedaje się przed Wielkanocą.

Święta

Nie tylko promocje rabatowe wpływają na zachowania zakupowe klientów. Istnieje wiele innych czynników, które należy wziąć pod uwagę, a które bezpośrednio przekładają się na wyniki sprzedaży. Należą do nich wydarzenia takie jak mecze piłki nożnej czy koncerty w pobliżu sklepu, konkretny dzień tygodnia czy to, czy sklep jest nowy na rynku. Każdy z tych aspektów może mieć istotny wpływ na podejmowanie decyzji przez klientów.

Przykłady te pokazują, że aby dobrze prognozować, niezbędne jest uwzględnienie nie tylko danych dotyczących historii sprzedaży, ale także informacji o stanach magazynowych oraz przeszłych i przyszłych wydarzeniach, które mogą mieć wpływ na sprzedaż. Sztuczna inteligencja będzie wtedy w stanie dokładniej ocenić wpływ tych czynników na sprzedaż i zaoferować dokładniejsze prognozy.

Jakościowe prognozowanie jest podstawą automatycznych zamówień

Prognozy popytu i zamówień są ze sobą ściśle powiązane. Dzięki wysokiej jakości prognozowaniu i integracji z planogramami, sztuczna inteligencja może wybrać optymalny model prognozowania i zaprojektować zamówienia z większą dokładnością niż przeciętny kierownik sklepu.

Ponownie, zainwestowanie czasu i wysiłku, aby zrobić to dobrze, szczególnie w pierwszych miesiącach, jest tego warte. Pozwoli to sztucznej inteligencji lepiej zrozumieć, co chcemy osiągnąć, a czego należy unikać. To z kolei zaowocuje lepszymi zautomatyzowanymi reakcjami na konkretne potrzeby Państwa sklepów.

Wprowadzenie zautomatyzowanych lub przynajmniej półautomatycznych zamówień zapewni, że sklepy będą miały odpowiednie produkty we właściwych ilościach i we właściwym czasie, co doprowadzi do zwiększenia zadowolenia klientów i wzrostu przychodów.


Jeśli zdecydują się Państwo na Prognozowanie i planowanie popytu, mogą być Państwo pewni, że poradzi on sobie ze wszystkimi opisanymi powyżej przykładami, jeśli tylko dostarczą mu Państwo niezbędnych danych.




Petr Kavánek

CEO / Co-owner | Quant Retail s.r.o.

Połączyć się przez LinkedIn