エピグラフ別名免責事項として、私たちは現代の小売業者にサービスを提供するためにMLに関する一連の資料を計画していると言いたいと思います。機械学習が日常的で低マージンからビジネスをどのように救うかについて、「ストーブから」細部（ボルトやネジを含む）に伝える予定です。このトピックがHabrの聴衆にとって興味深く、読者の間で急性アレルギー反応を引き起こさないことを願っています。記載されているトピックについて個人的な経験がある場合は、コメントで遠慮なく共有してください。
企業の80％が機械学習テクノロジーを採用しています-この数字は、12月のAIジャーニー会議でMicrosoft Jean-Philippe Courtoisのリーダーの1人によって名付けられ、パンデミックが世界経済に与える影響について語っています。クルトワ氏によると、56％の企業が機械学習への投資を増やすことを計画しています。
小売業では、AIとMLは、供給の計画やマーケティング効率の向上から小売店の従業員の勤務スケジュールの計算まで、すでに多くの業務で使用されています。M.Video-Eldoradoはさらに進んで、高度な分析に基づいた品揃え、価格、プロモーションを顧客に提供しています。それがどのように機能するかについては、コマースの分野におけるさまざまなMLソリューションに関する一連の資料で説明します。
いくつかの明白な考え
まず、機械学習が解決できるタスクと、それが小売業に適している理由を思い出しましょう。あなたが牛からミルクを売るなら、あなたはあなたの隣人のどれがそれを必要とするか、彼らがどれくらい買うか、そして彼らが魅力的であると考える価格をコンピュータなしで完全によく知っています、そしてここでも単純な会計スキルは傷つきません。
それは別の問題です-数万または数十万の商品アイテムと数百万のバイヤーを抱える大規模小売チェーン。これらのうちどれが簡単かつ迅速に「人々に行く」のでしょうか、そしてどれが何年も棚に立つのでしょうか？それでもサプライヤーに何を注文し、何を諦めるべきですか？
ホリデー割引を提供できる製品、コンテンツターゲット広告で提供するものは何ですか？それを「手動で」正確に定義することは不可能です。そして、MLは、製品カテゴリ、特性、個々のポイントの地理、商品の販売速度などによって「レイアウト」できる大量のデータのレスキューマシーン処理を行います。
もちろん、MLアルゴリズムは教義ではありませんが、調達、価格設定、プロモーションの最終決定を下す専門家のための行動のガイドです。簡単に言うと、「マシン」は、需要、競合他社の価格、およびその他の特定のパラメーターに基づいてフォークを提供します。
たとえば、1つの同じオーディオシステムの場合、モスクワでは2,000〜4,000ルーブル、1人あたりの収入が少ない地域センターでは1,500〜3,400ルーブルの入札が行われる可能性があります。より早く販売するという目標がある場合は、より低いしきい値を設定します。
もっと稼ぎたい場合は、正反対のことをしてください。そして、一定の時間が経過すると、MLツールは、あなたが正しいことをしたかどうか、そしてあなたがあなたの行動を調整する必要があるかどうかを教えてくれます。最大の利益を追求するのではなく、資金の回転率に賭けるとしましょう。
ウイルスはデジタルに駆り立てる
機械学習機能は現在、市場や連邦ネットワークから地元のブランドまで、多くの人に使用されています。 MLへの移行は、ビジネスが「オンラインおよびデジタル」に大規模に移行し始めたパンデミックの際に特に顕著になりました。これは、「マシン」処理のためにはるかに多くのデータが出現したことを意味します。小売業は、顧客の行動、顧客の見解、検索、プロモーションへの参加、購入、コミュニケーションへの反応を分析する上でより効果的になっています。
毎月約7,400万人のユーザーがM.VideoとEldoradoのWebサイトにアクセスしています。彼らのプロフィールと会社とのやりとりの歴史は、商取引の分野を含め、小売業者が開発する予測モデルと推奨サービスの基礎を形成します。
しかし、オンラインはもはや消費者情報の唯一の情報源ではありません。 M.Video-Eldoradoは2020年に、OneRetailプラットフォームに完全に切り替えました。これは、小売業のモバイルテクノロジーのおかげで、顧客のオフラインエクスペリエンスをデジタル化し、このデータを分析することを可能にします。そして、これは膨大な数です。機器の購入者の85％が、何らかの形で実店舗とやり取りしています。
売り手は、スマートフォンのアプリケーションを介してクライアントを承認し、プロファイルにアクセスし、好みを理解し、購入履歴、ボーナスと割引、個人的なオファーを確認します。この決定により、店舗での商品の選択と購入が行われ、これも分析に追加され、将来の連絡先に影響を与えます。
予測システムと推奨システムは、販売指標、レベル、需要のダイナミクス、価格弾力性、顧客エンゲージメント、および販売とビジネス効率に対するプロモーションの影響も分析します。
商取引におけるデータサイエンスソリューションの導入により、M.Video-Eldoradoは、第一に、顧客のニーズをよりよく理解し、品揃え計画の精度を高めることができ、第二に、最高のオファーをしたいという願望に基づいて最適な価格を計算することができます。ビジネスの効率を高めながら、市場に出回っています。
品揃えの設定方法
たとえば、機械学習は、すでに行われた売上だけでなく、顧客の需要にも基づいて需要を予測するのに役立ちます。 12個のティーポットを店の棚に置くことができると想像した場合、50個のティーポットがある場合、どのモデルにする必要がありますか？
最大数の顧客が注文の短納期を受け取るように、小さな地域の倉庫の在庫を形成するにはどうすればよいですか？最後に、売上高の伸び、市場シェア、業績の完璧なバランスをどのように見つけますか？
以前にこれらの質問にM.Video-Eldoradoのコマーシャルマネージャーが専門的に回答した場合、現在、データサイエンスチームはそれらを支援するMLベースのレコメンデーションサービスを開発しています。
したがって、ユーザーセッションに基づいて、意思決定ツリーが形成されます。このツリーでは、すべての製品が、一緒に表示される頻度に基づいてグループ化されます。これにより、バランスの取れた品揃えを作成し、1つのニーズをカバーする棚に製品を複製する必要がなくなります。このシリーズの最初のストーリーは、このCDTだけに捧げられています。
適切な価格を決定する
M.Video-Eldoradoは、機械学習アルゴリズムもテストして、推奨価格の自動計算とプロモーションの効果の評価のためのシナリオを作成します。目標は、内部データ（販売量、マージンレベル、在庫、販促カレンダー）と外部データ（市場価格、競合他社の活動など）の両方に基づいて、コマーシャルマネージャーに毎日の価格管理のためのツールを提供することです。
モデルは、ターゲットインジケーターに応じていくつかのシナリオを計算し、最適なシナリオを推奨します。 「現在、パイロットの一環として、さまざまな地域の特定の製品に対する消費者の関心の程度と、価格変動に対する製品の感度のレベルを比較しています」と述べています。 Vladimir Litvinyuk、応用データ分析および機械学習のコンピテンスセンターの責任者、M.Video-EldoradoGroup。
フラッグシップスマートフォンやサイドバイサイド冷蔵庫を選ぶとき、買い手はそれがより収益性の高い場所を探していることは周知の事実です。夏の別荘用のやかんを購入したり、キッチンのテレビを交換したりするときは、彼が好むでしょう。自宅での実績のある店舗またはロイヤルティプログラムの有利な条件。
さらに、データオフィスチームは現在、プロモーションキャンペーンの効果を評価するためのアルゴリズムをテストしています。一連の株式とそのパラメータを考慮して、売上予測モデルを構築しました。このモデルに基づいて、特定の製品およびカテゴリ全体の販売のさまざまなシナリオが、プロモーションを組み合わせるためのさまざまなオプション、販売の成長に対するさまざまなプロモーションのセットの影響、および販売された他の商品によるプロモーション商品の共食いのレベルについてシミュレートされます。通常価格での見積もりです。
将来的には、プロモーションからの目標売上高または利益を最大化するために、特定の製品ごとにプロモーションに最適な価格割引やその他の条件を選択する方法も学ぶことを期待しています。
現在、ロシアでの機械学習の開発は、処理用のデータの可用性の問題と、前述のAIJorney会議で議論されたMLモデルの不十分な配布という2つの要因によって妨げられています。
はい、国内市場の最大4分の1を支配しているハイテク市場のレベルの巨人は、デジタル化された情報の欠如について不平を言う罪を持っています。一方、中小企業は、実際に機械学習アルゴリズムをうまく適用するために必要なデータ、量、品質について常に明確な考えを持っているとは限りません。
グループとクラスターに分割された商品の説明、販売統計、できれば長期間にわたる、季節的な需要、休日のスケジュール、通貨の変動、新しい競合他社の出現など、考えられるすべての変数を考慮する必要があります。
たとえば、家電量販店では、データの難しさは、まず、購入頻度が低いことにあります。パンや肉のように、週に2回、新しいテレビ、冷蔵庫、ヘッドフォンを購入する人は誰もいません。そして第二に、品揃えは非常に多様であり、接続が弱いため、パターンを見つけるのが困難です。それでも、デジタルモデルは状況にリアルタイムで対応する必要があります。対応する時間がなかった場合、顧客を逃しました。
問題は、動的価格設定のためにどのプラットフォームを選択するかです...誰かがオープンソースを選択し、誰かがベンダーから独自のボックスソリューションを選択し、誰かがクラウドMLフレームワークを選択します...ソフトウェアツールの数は数十で測定され、起業家にとって無料のオプションがあります。では、なぜIT会議の参加者は、機械学習モデルが急増していないことについて話しているのでしょうか。
重要なのは、あなた自身のニーズを理解し、あなたの能力を評価することです。そしてここでは、経験とベストプラクティスの交換がこれまで以上に重要になっています。たとえば、ロシアのオンラインストアBABADUでMLモデルと動的価格設定が導入されたとき、収益と利益率はわずか数週間で7％増加しました。消費者は、機械学習アンバサダーにお金をもたらすことで「公正な」価格に対応します。