Ритейлеры после долгих экспериментов с искусственным интеллектом теперь стараются встроить понимание покупателей прямо в повседневные бизнес-решения. Компания First Insight из США, которая занимается предиктивной аналитикой отзывов потребителей, считает, что следующий этап развития ИИ в ритейле — это диалог вместо привычных дашбордов.
После трехмесячной бета-версии First Insight выпустила свой новый инструмент на базе ИИ под названием Ellis для брендов и ритейлеров. Ellis работает как разговорный интерфейс, где команды по мерчандайзингу, ценообразованию и планированию могут задавать вопросы о товарах, ценах и спросе прямо в платформе First Insight. По словам компании, такой подход сокращает время на принятие решений до минут.
Исследование McKinsey показывает, что крупные ритейлеры собирают огромные объемы данных о клиентах, но не всегда успевают превратить их в действия, влияющие на разработку продуктов. Инструменты ИИ, которые укорачивают путь от инсайта к реализации, приносят больше реальной пользы, чем простые системы отчетности.
От дашбордов к диалогу
First Insight сотрудничает с ритейлерами вроде Boden, Family Dollar и Under Armour, чтобы прогнозировать спрос потребителей, чувствительность к ценам и эффективность товаров на основе опросов и предиктивных моделей. Обычно такие данные приходят в виде дашбордов или отчетов.
Ellis позволяет запрашивать инсайты в разговорной форме. Например, команды могут спросить, что лучше сработает в конкретном рынке — ассортимент из шести или девяти позиций, или как отказ от определенных материалов повлияет на привлекательность. Система опирается на существующие модели данных компании для ответов.
Данные отрасли подтверждают, что такой подход помогает преодолеть узкие места в принятии решений в ритейле. Анализ Harvard Business Review подчеркивает проблемы с проектами аналитики.
Предиктивные инсайты уже на практике
Методы, на которых основана First Insight, давно применяются в ритейле. Under Armour рассказывала, как использует данные потребителей и предиктивное моделирование для корректировки ассортимента и стратегий ценообразования — это снижает риски распродаж и повышает продажи по полной цене.
Аналогично, модный ритейлер Boden подчеркивает значение инсайтов о клиентах при выборе ассортимента, особенно балансе между трендовыми новинками и базовыми товарами. Хотя компании не раскрывают детали своих систем, эти примеры демонстрируют, как предиктивные данные о потребителях интегрируются в планирование.
Похожие инструменты есть и у других игроков. Walmart и Target вкладывают в аналитику и машинное обучение для анализа регионального спроса, оптимизации цен и тестирования идей. Согласно исследованию Deloitte об ИИ в ритейле, фирмы с предиктивными инсайтами о клиентах добиваются точных прогнозов и меньших рисков по запасам, особенно если аналитика подключается на ранних этапах.
Ценообразование, ассортимент и конкуренция
Ellis работает на предиктивной большой языковой модели для ритейла, обученной на данных откликов потребителей. Благодаря этому система отвечает на вопросы об оптимальных ценах, ожидаемых продажах, размере ассортимента и предпочтениях сегментов.
Такой акцент соответствует научным данным: оптимизация цен и планирование ассортимента — среди самых ценных применений ИИ в ритейле. Исследование в Journal of Retailing подтверждает это. Данные Bain & Company показывают, что ритейлеры, сравнивающие свои товары с конкурентами, успешнее выделяются по ценности и стоимости. Идеальные инструменты объединяют такие сравнения в единую аналитическую систему.
Инсайты доступны шире
First Insight утверждает, что Ellis выводит понимание потребителей за пределы специализированных аналитических команд. Запросы на естественном языке позволяют топ-менеджерам и рядовым сотрудникам работать с данными без задержек на анализ.
Расширение доступа к аналитике — частая тема в отраслевых исследованиях. Gartner отмечает, что организации с широким доступом чаще достигают успеха с инструментами и окупаемости. Но предупреждает: системы нужно контролировать, чтобы выводы были верными и основанными на надежных данных.
First Insight подчеркивает, что Ellis сохраняет методологическую точность своей платформы, но убирает барьеры на этапе решений. Генеральный директор компании Грег Петро говорит, что цель — подвести предиктивные инсайты к моменту реального принятия решений.
«Почти 20 лет First Insight помогает ритейлерам прогнозировать цены, успех продуктов и ассортимент на основе реальных отзывов потребителей», — отметил представитель компании. «Ellis переносит эту экспертизу прямо в процесс проверки линеек, раннюю разработку концепций и совещания правления, ускоряя команды без потери уверенности».
Рынок полон конкурентов, но растет
First Insight не одна на этом поле. Поставщики вроде EDITED, DynamicAction и RetailNext предлагают ИИ-инструменты для мерчандайзинга и ценообразования. Новинки выделяются удобством и скоростью, а не сложностью моделей.
Недавний отчет Forrester о состоянии ИИ в ритейле отмечает, что разговорные интерфейсы накладывают на проверенные платформы аналитики — пользователи хотят интуитивного взаимодействия с данными. Такие инструменты улучшают решения, но зависят от качества данных и дисциплины в компании.
First Insight представила Ellis на недавней конференции National Retail Federation в Нью-Йорке, где инструменты ИИ для мерчандайзинга и цен сильно выделялись. В условиях нестабильного спроса, инфляции и меняющихся предпочтений потребителей способность тестировать сценарии остается ключевой.