Algorytm sztucznej inteligencji sam ustali sugerowaną cenę produktu w sklepach. Pozwoli to sieciom handlowym zwiększyć zyski nawet kilkukrotnie

Algorytm sztucznej inteligencji sam ustali sugerowaną cenę produktu w sklepach. Pozwoli to sieciom handlowym zwiększyć zyski nawet kilkukrotnie 1

Rentowność tradycyjnych sklepów szybko spada. Sieci detaliczne najczęściej korzystają z arkuszy w Excelu i w ten sposób zarządzają cenami sprzedaży. Standardowo nakładają marżę i w ten sposób liczą na zysk. Rentowność wyższą o nawet 2 mln zł przy obrotach ok. 100 mln zł mogą jednak przynieść algorytmy sztucznej inteligencji. Technologia uwzględni zmiany w zachowaniach zakupowych klientów czy działania konkurencji i na tej podstawie zarekomenduje cenę. Zmiana cen towarów nawet o 1 proc. przynosi nawet 11 proc. wzrostu wartości marży.

– Ceny odgrywają bardzo istotną rolę w tym, jak klienci postrzegają sklep i jaką mają chęć do zakupów. My zajmujemy się doborem najlepszych wartości cen, żeby sklep mógł osiągać najlepsze możliwe rezultaty. Czasem sklepom zależy na udziale w rynku i wtedy powinniśmy dążyć do tego, żeby sprzedać jak najwięcej. Czasem sklepom zależy na marży, wtedy ustawiamy ceny tak, żeby sklepy mogły uzyskać jak najlepszą marżę, nawet jeżeli sprzedadzą mniej sztuk – tłumaczy w rozmowie z agencją Newseria Innowacje Cezary Kosiński, współzałożyciel Pricing Tags.

Nowe technologie coraz częściej wykorzystywane są w handlu. Sprawdzają rozkład produktów na półkach, podpowiadają, jak zmienić układ, by zainteresować klientów. Dzięki specjalnym algorytmom ustalane są kolory wystaw, zapach w sklepie czy natężenie światła. Specjalne kamery śledzą wyraz twarzy klienta i na tej podstawie analizują, czy zainteresował się danym produktem. Sprawdzają też sposób poruszania się po sklepie i na tej podstawie rozmieszczają produkty. Nie zawsze jednak takie działania przynoszą zamierzony efekt, czyli przede wszystkim – większe zyski. Podnoszenie marży jest w takiej sytuacji działaniem krótkowzrocznym.

System Pricing Tags przygotowuje dodatkowe rekomendacje w reakcji na przykład na zmiany cen u konkurentów albo przewidywane zmiany pogody. Technologia uczenia maszynowego pomaga wyliczyć rekomendację cen i w ten sposób dostosować się do zmieniających się warunków w otoczeniu i zmian w zwyczajach klientów. Jednocześnie system generuje raporty, które pokazują, jak sprawdzała się dotychczasowa polityka cenowa, jak wpływała na wyniki sklepu, a jak mogą to zmienić rekomendowane ceny.

– Nieduża sieć, która ma 25 placówek, a każda z nich robi średnio około 4 mln obrotu rocznie, sieć robi 100 mln zł obrotu rocznie. Profitowość ma na poziomie 400 tys. zł, czyli 0,4 proc. Dzięki zastosowaniu naszego systemu, są w stanie wygenerować do 2 mln dodatkowej gotówki, czyli ich profitowość wzrasta 5–6 razy – wylicza Cezary Kosiński.

Jak podkreśla ekspert, dla firmy to same korzyści. Nie tylko dodatkowa gotówka, lecz także odciążenie pracowników i lepsza wydajność pracy. Założyciele Pricing Tabs chcą się stać hubem big data, gromadząc wszystkie informacje, które mogą pomóc w zarządzaniu siecią sklepów.

– Współpracujemy także z firmami partnerskimi, które dostarczają nam inne rodzaje danych, np. o układzie produktów na półkach. Są firmy, które instalują kamery mierzące, fotografujące, obliczające, które produkty są na półkach. Współpracujemy z firmami, które mierzą przepływ klientów, tzw. heat maps, czy takimi, które mierzą zdejmowanie produktów z półek – wymienia Cezary Kosiński.

Według analityków MarketsandMarkets rozwiązania sztucznej inteligencji na rynku sprzedaży detalicznej osiągną w 2022 r. wartość 5 mld dol.